统计和概率解释
统计和概率解释探讨了科学如何解释遵循概率定律而非确定性定律的事件。
用 PaperMind 寻找选题即将推出Find papers & topics
Tools & resources
Learn & explore
视频即将推出
Definition
统计解释通过引用赋予事件概率的统计定律和条件来解释事件；根据归纳-统计的解读，解释使事件具有高度可预期性，而根据统计相关性的解读，它引用了改变事件概率的因素。
Scope
本主题涵盖了亨普尔的归纳-统计（IS）模型、解释低概率结果的问题、统计解释的模糊性以及最大特异性要求，以及萨蒙的统计相关性（SR）模型，该模型将解释重新定义为概率相关性而非高概率。
Core questions
- 如果相关统计定律只赋予事件低概率，事件是否仍能被解释？
- 归纳-统计解释的模糊性问题是什么？
- 为什么萨蒙用统计相关性取代了高概率？
- 统计解释与潜在的因果过程有何关系？
Key concepts
- 统计定律
- 参照类
- 最大特异性要求
- 统计相关性
- 高概率要求
- IS解释的模糊性
Key theories
- 归纳-统计（IS）模型
- 亨普尔将统计解释建模为一种归纳论证，赋予被解释项高概率，并受最大特异性要求的约束以避免模糊性。
- 统计相关性（SR）模型
- 萨蒙认为，解释在于引用与结果统计相关的因素，通过相关性而非寻求高概率来划分参照类。
History
亨普尔于1965年引入了归纳-统计模型，与演绎-律则模型并列。萨蒙及其合作者认识到高概率对于解释既非必要也非充分，于1971年发展了统计相关性模型，后来于1984年将其嵌入到他的因果-机械理论中。
Debates
- 高概率与相关性之争
- 亨普尔将统计解释与使事件可预期性相关联，而萨蒙则反对，认为当引用正确的相关性关系时，即使是低概率事件（如罕见的康复）也可以被解释。
Key figures
- Carl Hempel
- Wesley Salmon
- Richard Jeffrey
Related topics
Seminal works
- hempel1965
- salmon1971
- salmon1984
Frequently asked questions
- 为什么解释低概率事件是一个问题？
- 如果解释要求使事件具有高概率，那么罕见但真实的结果（如特定的放射性衰变）将永远无法被解释。统计相关性模型通过将引用提高或降低事件概率的因素（无论绝对值如何）视为良好解释来解决这个问题。