Статистическое и вероятностное объяснение

Статистическое и вероятностное объяснение исследует, как наука может объяснять события, которые следуют из вероятностных, а не детерминированных законов.

Definition

Статистическое объяснение учитывает событие, ссылаясь на статистические законы и условия, которые придают ему определенную вероятность; при индуктивно-статистическом подходе объяснение делает событие весьма ожидаемым, тогда как при статистико-релевантном подходе оно ссылается на факторы, которые изменяют вероятность события.

Scope

Эта тема охватывает индуктивно-статистическую (ИС) модель Гемпеля, проблему объяснения результатов с низкой вероятностью, неоднозначность статистического объяснения и требование максимальной специфичности, а также статистико-релевантную (СР) модель Сэлмона, которая переосмысливает объяснение с точки зрения вероятностной релевантности, а не высокой вероятности.

Core questions

• Может ли событие быть объяснено, если соответствующий статистический закон придает ему лишь низкую вероятность?
• В чем заключается проблема неоднозначности индуктивно-статистического объяснения?
• Почему Сэлмон заменяет высокую вероятность статистической релевантностью?
• Как статистические объяснения соотносятся с лежащими в их основе причинными процессами?

Key concepts

• статистический закон
• референтный класс
• требование максимальной специфичности
• статистическая релевантность
• требование высокой вероятности
• неоднозначность ИС-объяснения

Key theories

Индуктивно-статистическая (ИС) модель

Гемпель моделирует статистическое объяснение как индуктивный аргумент, придающий высокую вероятность экспланандуму, при условии соблюдения требования максимальной специфичности для избежания неоднозначности.

Статистико-релевантная (СР) модель

Сэлмон утверждает, что объясняет указание на факторы, статистически релевантные исходу, разделяя референтный класс по релевантности, а не стремясь к высокой вероятности.

History

Гемпель представил индуктивно-статистическую модель в 1965 году наряду с дедуктивно-номологической моделью. Признавая, что высокая вероятность не является ни необходимой, ни достаточной для объяснения, Сэлмон и его коллеги разработали статистико-релевантную модель в 1971 году, позднее встроив ее в свою причинно-механическую теорию в 1984 году.

Debates

Высокая вероятность против релевантности

Гемпель связывает статистическое объяснение с тем, чтобы сделать событие ожидаемым, в то время как Сэлмон возражает, что невероятные события (такие как редкие выздоровления) могут быть объяснены, когда указаны правильные отношения релевантности.

Key figures

• Carl Hempel
• Wesley Salmon
• Richard Jeffrey

Seminal works

• hempel1965
• salmon1971
• salmon1984

Frequently asked questions

Почему объяснение событий с низкой вероятностью является проблемой?

Если бы объяснение требовало сделать событие весьма вероятным, редкие, но подлинные исходы (например, определенный радиоактивный распад) никогда не могли бы быть объяснены. Статистико-релевантная модель решает эту проблему, считая объяснение хорошим, когда оно ссылается на факторы, которые повышают или понижают вероятность события, независимо от абсолютного значения.