Projektowani
Schupbach, Jonah N., 2022-, Bayesianism and Scientific Reasoning
Pełny widok tekstowy rozwija wszystkie sekcje i usuwa elementy strony niepotrzebne dla AI, Speechify oraz wydruku.
- Autor / redaktor
- Schupbach, Jonah N.
- Tytuł
- Bayesianism and Scientific Reasoning
- Rok
- 2022
- Identyfikator
schupbach-jonah-n-2022-bayesianism-and-scientific-reasoning- Źródło / uwaga
- schupbach-bayesianism
Opis bibliograficzny
Jonah N. Schupbach, Bayesianism and Scientific Reasoning (Cambridge University Press, 2022) – przystępne wprowadzenie do bayesowskiego rozumowania naukowego, opisujące zależność między dowodem, hipotezą a uprzednim prawdopodobieństwem. Twierdzenie Bayesa pokazuje, jak łączyć nowe dowody z wcześniejszą wiedzą, aby wyliczyć prawdopodobieństwo warunkowe interesującej nas hipotezy.
Fiszki (1)
R3: Zmieniam stopień pewności. Jak nowe świadectwo wpływa na wcześniejsze przekonanie
Stały link do fiszkiPrzeczytaj fragment i opracowanie
1. Czytam autora
Fragment źródłowy w kontekście
Fragment A — s. 37, §2.2 „Bayes’s Rule”. Zachowano pełne słowne sformułowanie reguły wraz ze zdaniem wprowadzającym i następującym po niej rozróżnieniem. Znak […] oznacza pominięcie wyłącznie zniekształconego w dostarczonym PDF-ie zapisu symbolicznego. Pominięto numer odsyłacza do przypisu 26.
“The answer given by Bayes, now known as Bayes’s Rule, may be stated more precisely as follows:
Bayes’s Rule. Upon learning ψ (and nothing else), the new probability of any proposition φ should equal the old (just previous to learning ψ) conditional probability of φ given ψ: […]
It is crucial to distinguish Bayes’s Rule, the epistemological postulate, from Bayes’s Theorem, the theorem of probability we introduced in §1.3.3.”
Fragment B — s. 38, §2.2.1 „Interlude: Updating Imprecise Confidences”, cały pierwszy akapit.
“How might Bayes’s Rule be adapted for scenarios in which agents seek to update quantifiably imprecise confidences (recall §1.4)? The rule’s underlying core idea that updated confidences should be determined by prior, suppositional confidences pertains equally well to precise and imprecise confidences. An agent might be equally confident that either one of two candidates will win the election, while having a higher though quantitatively imprecise confidence that candidate A will win supposing that A wins the state-wide vote in Arizona. A generalized version of Bayes’s Rule could then require that this agent, upon learning that A does indeed win in Arizona, update to his or her prior, imprecise, suppositional confidence that candidate A is more likely to win.”
Przekład całego fragmentu
Fragment A — przekład roboczy:
„Odpowiedź udzieloną przez Bayesa, znaną obecnie jako reguła Bayesa, można sformułować dokładniej w następujący sposób:
Reguła Bayesa. Po dowiedzeniu się, że ψ jest prawdziwe — i po uzyskaniu wyłącznie tej informacji — nowe prawdopodobieństwo dowolnego zdania φ powinno być równe wcześniejszemu, ustalonemu bezpośrednio przed uzyskaniem informacji ψ, prawdopodobieństwu warunkowemu φ przy założeniu ψ: […]
Zasadnicze znaczenie ma odróżnienie reguły Bayesa, będącej postulatem epistemologicznym, od twierdzenia Bayesa, czyli twierdzenia rachunku prawdopodobieństwa wprowadzonego przez nas w §1.3.3”.
Fragment B — przekład roboczy:
„Jak można dostosować regułę Bayesa do sytuacji, w których osoby rozumujące chcą aktualizować nieprecyzyjne ilościowo stopnie pewności (przypomnijmy §1.4)? Podstawowa idea tej reguły — że zaktualizowane stopnie pewności powinny być wyznaczane przez wcześniejsze stopnie pewności przy określonym założeniu — odnosi się zarówno do precyzyjnych, jak i nieprecyzyjnych stopni pewności. Ktoś może być jednakowo przekonany o zwycięstwie każdego z dwóch kandydatów w wyborach, a zarazem mieć wyższy, choć ilościowo nieprecyzyjny stopień pewności, że zwycięży kandydat A, przy założeniu, że A wygra głosowanie w stanie Arizona. Uogólniona wersja reguły Bayesa mogłaby wówczas wymagać, aby osoba ta, dowiedziawszy się, że A rzeczywiście wygrał w Arizonie, przyjęła swój wcześniejszy, nieprecyzyjny, warunkowy stopień pewności, zgodnie z którym zwycięstwo kandydata A jest bardziej prawdopodobne”.
Lokalizacja w źródle
Jonah N. Schupbach, Bayesianism and Scientific Reasoning, Elements in the Philosophy of Science (Cambridge: Cambridge University Press, 2022), s. 37–38, §2.2 „Bayes’s Rule” oraz §2.2.1 „Interlude: Updating Imprecise Confidences”.
Kontekst objaśnienia: s. 1–2 — znaczenie stopni pewności; s. 38 — przykład z talią kart i Luckym; s. 40–41, §2.2.2 „Complications and Generalizations” — niepewność samego świadectwa i ograniczenia uogólnień warunkowania.
2. Rozumiem fragment
Schupbach rozważa sytuację, którą można rozpoznać w zwyczajnym życiu: mamy już pewien pogląd, a następnie dowiadujemy się czegoś ważnego. Pytanie brzmi: jak ta wiadomość powinna zmienić nasze przekonanie? Autor opisuje normę racjonalnego rozumowania — sposób, w jaki stopień pewności powinien reagować na uzyskaną informację.
Kluczowe jest rozróżnienie dwóch chwil. W pierwszej rozważamy możliwość: „Gdyby okazało się, że E jest prawdziwe, jak mocno przemawiałoby to za H?”. W drugiej otrzymujemy właśnie tę informację: „Teraz wiem, że E jest prawdziwe”. Reguła Bayesa łączy obie chwile. Przy warunkach wskazanych w cytacie nasza nowa pewność wobec H powinna odpowiadać wcześniejszej ocenie H dokonanej przy założeniu E.
H oznacza tu rozpatrywaną hipotezę, a E — nowe świadectwo. W źródłowym sformułowaniu podobną rolę pełnią greckie litery φ i ψ. Przystępny zapis słownego sensu reguły wygląda następująco:
P_nowe(H) = P_dotychczasowe(H | E).
Pionową kreskę czytamy: „przy założeniu, że”. To uporządkowany zapis reguły objaśnianej przez autora, a nie dosłowny cytat z uszkodzonego zapisu wzoru w PDF-ie.
Autor ilustruje to przykładem z kartami. Początkowo każdej karcie w zwykłej talii liczącej 52 karty przypisujemy taką samą szansę wyciągnięcia. W szczególności szansa na waleta kier wynosi w przyjętej ocenie 1/52. Zarazem zakładamy, że gdyby kartę wyciągał znajomy szuler Lucky, ocenialibyśmy szansę waleta kier na 1/12. Następnie dowiadujemy się, że kartę rzeczywiście wyciągnął Lucky. Według reguły Bayesa, przy zachowaniu opisanych założeń, powinniśmy przejść do oceny 1/12.
Liczby są założeniami przykładu myślowego Schupbacha. Ich zadaniem jest pokazanie aktualizacji. Nowa wiadomość zwiększa oceniane prawdopodobieństwo waleta kier ponad czterokrotnie. Nadal jednak wynosi ono zaledwie około 8,3%. Z tych liczb widać, że nawet wyraźne wzmocnienie hipotezy może pozostawić ją stosunkowo mało prawdopodobną. Wzrost jej wiarygodności oraz osiągnięcie pewności to dwa odrębne rezultaty.
Drugi cytat wprowadza ważne ułatwienie. W codziennym namyśle często potrafimy powiedzieć: „teraz wydaje mi się to bardziej prawdopodobne”, chociaż określenie dokładnej liczby byłoby sztuczne. Schupbach omawia możliwość aktualizacji również takich nieprecyzyjnych ocen. Precyzja zapisu powinna odpowiadać temu, co rzeczywiście potrafimy uzasadnić. Jego hipotetyczny przykład wyborczy pokazuje właśnie przejście do większej pewności bez ustalania jej jednej dokładnej wartości.
Trzeba przy tym oddzielić dwa rodzaje niepewności. Możemy nie znać dokładnej wartości liczbowej naszego przekonania. Możemy też wątpić w samą nową wiadomość. Pierwszej sytuacji dotyczy drugi cytat. Druga wymaga dodatkowego namysłu: usłyszenie pogłoski o zdarzeniu oraz pewne ustalenie, że zdarzenie zaszło, dostarczają różnych informacji. Schupbach poświęca tej trudności dalszą część rozdziału i przedstawia uogólnienia reguły.
W rozdziale 3 ten fragment pozwoli pokazać zmianę przekonania jako proces mający różną siłę i kierunek. Można nadal skłaniać się ku dotychczasowej interpretacji, a zarazem uznać, że nowe dane ją osłabiły. Można również zauważyć wzrost poparcia dla pewnej możliwości i wciąż oczekiwać mocniejszych świadectw. Takie stopniowanie daje autorowi język do opisywania rzeczywistej pracy nad własnym stanowiskiem.
Ważne zastrzeżenie
Reguła w cytacie dotyczy poznania określonej informacji i tylko tej informacji. W omawianej wersji nowo poznane zdanie zostaje przyjęte z pewnością; przy standardowej definicji prawdopodobieństwa warunkowego jego wcześniejsze prawdopodobieństwo musi być dodatnie. Schupbach wskazuje te ograniczenia na s. 37 i 40. Pogłoska, niepewne wspomnienie albo nowe dane zmieniające wiele założeń wymagają dokładniejszego opisu sytuacji poznawczej.
Schupbach wyraźnie rozdziela twierdzenie Bayesa jako zależność matematyczną od reguły aktualizacji jako postulatu epistemologicznego. Uzasadnienie i zakres stosowania tego postulatu są przedmiotem dyskusji. Fiszka przedstawia proponowaną normę rozumowania, a nie wynik eksperymentu dowodzącego, że ludzki umysł zawsze pracuje w ten sposób.
Aktualizacja korzysta z przyjętych wcześniej ocen i relacji między hipotezą a świadectwem. Ich rzetelność wymaga osobnej oceny. W samym przykładzie z kartami liczba 1/12 jest założona, a nie wyprowadzona z przedstawionych wyników badania.
Nieprecyzyjność liczbowej oceny i niepewność świadectwa to różne zagadnienia. Autor omawia oba oraz trudności proponowanych rozwiązań. Omawiany fragment dotyczy stopnia pewności wobec zdań; nie stanowi obliczenia wartości osoby, siły wiary religijnej ani rozstrzygnięcia prawd teologicznych.
Zaplecze redakcyjne — analiza szczegółowa
Jak wykorzystać w tekście
Umieścić w rozdziale 3 „Prawdopodobieństwo, którego nie czujemy”, po częstościach bazowych i małych próbach. Punktem wyjścia powinna być autentyczna sytuacja uzyskana z odpowiedzi autora na pytanie 1 lub 2. Pokazać początkową ocenę, nową informację oraz rzeczywistą zmianę siły przekonania. W razie braku takiej sceny można wykorzystać wyraźnie oznaczony przykład myślowy Schupbacha z talią kart.
Nazwisko i szczegóły formalne umieścić przede wszystkim w przypisie. W tekście głównym zachować różnicę między „mam teraz więcej powodów, by tak sądzić” a „mam już wystarczającą podstawę do stanowczej oceny”. Fiszka ma rozwijać narzędzie oceny świadectw; jej wykorzystanie do poszczególnych argumentów apologetycznych będzie wymagało dodatkowych danych i jawnych założeń.
Słowa kluczowe
aktualizacja przekonań; stopień pewności; reguła Bayesa; twierdzenie Bayesa; prawdopodobieństwo warunkowe; warunkowanie; świadectwo; nieprecyzyjne prawdopodobieństwa; pewność świadectwa; epistemologia bayesowska; rozdział 3
