통계적 및 확률적 설명

통계적 및 확률적 설명은 과학이 결정론적 법칙이 아닌 확률적 법칙에 따르는 사건들을 어떻게 설명할 수 있는지 묻습니다.

Definition

통계적 설명은 사건에 확률을 부여하는 통계적 법칙과 조건을 인용하여 사건을 설명합니다. 귀납적-통계적 관점에서는 설명이 사건을 매우 예측 가능하게 만드는 반면, 통계적-관련성 관점에서는 사건의 확률을 변화시키는 요인들을 인용합니다.

Scope

이 주제는 헴펠(Hempel)의 귀납적-통계적(IS) 모델, 낮은 확률 결과 설명의 문제, 통계적 설명의 모호성과 최대 특수성 요구 사항, 그리고 높은 확률보다는 확률적 관련성 측면에서 설명을 재구성하는 샐먼(Salmon)의 통계적-관련성(SR) 모델을 다룹니다.

Core questions

• 관련 통계 법칙이 낮은 확률만을 부여하는 경우에도 사건을 설명할 수 있는가?
• 귀납적-통계적 설명의 모호성 문제는 무엇인가?
• 샐먼은 왜 높은 확률을 통계적 관련성으로 대체하는가?
• 통계적 설명은 근본적인 인과 과정과 어떻게 관련되는가?

Key concepts

• 통계적 법칙
• 참조 집단
• 최대 특수성 요구 사항
• 통계적 관련성
• 고확률 요구 사항
• IS 설명의 모호성

Key theories

귀납적-통계적(IS) 모델

헴펠은 통계적 설명을 설명항에 높은 확률을 부여하는 귀납적 논증으로 모델링하며, 모호성을 피하기 위해 최대 특수성 요구 사항을 따릅니다.

통계적-관련성(SR) 모델

샐먼은 설명하는 것은 결과와 통계적으로 관련된 요인들을 인용하는 것이며, 높은 확률을 추구하기보다는 관련성에 따라 참조 집단을 분할한다고 주장합니다.

History

헴펠은 1965년에 연역적-법칙적 모델과 함께 귀납적-통계적 모델을 도입했습니다. 높은 확률이 설명에 필요하지도 충분하지도 않다는 것을 인식한 샐먼과 동료들은 1971년에 통계적-관련성 모델을 개발했으며, 이후 1984년에 이를 자신의 인과-기계론적 이론에 포함시켰습니다.

Debates

높은 확률 대 관련성

헴펠은 통계적 설명을 사건을 예측 가능하게 만드는 것과 연결시키는 반면, 샐먼은 적절한 관련성 관계가 인용될 때 낮은 확률의 사건(예: 드문 회복)도 설명될 수 있다고 반박합니다.

Key figures

• Carl Hempel
• Wesley Salmon
• Richard Jeffrey

Seminal works

• hempel1965
• salmon1971
• salmon1984

Frequently asked questions

낮은 확률의 사건을 설명하는 것이 왜 문제인가?

만약 설명이 사건을 높은 확률로 만들 것을 요구한다면, 드물지만 실제 발생하는 결과(예: 특정 방사성 붕괴)는 결코 설명될 수 없을 것입니다. 통계적-관련성 모델은 사건의 절대값과 관계없이 사건의 확률을 높이거나 낮추는 요인들을 인용할 때 설명을 좋은 것으로 간주함으로써 이 문제를 해결합니다.