Epistemologi Bayesian

Daftar Isi:

Epistemologi Bayesian
Epistemologi Bayesian

Video: Epistemologi Bayesian

Video: Epistemologi Bayesian
Video: Bayes' Theorem - The Simplest Case 2024, Maret
Anonim

Navigasi Masuk

  • Isi Entri
  • Bibliografi
  • Alat Akademik
  • Pratinjau PDF Teman
  • Penulis dan Info Kutipan
  • Kembali ke atas

Epistemologi Bayesian

Pertama kali diterbitkan, 12 Jul 2001; revisi substantif Rabu 26 Maret 2008

'Epistemologi Bayes' menjadi gerakan epistemologis pada abad ke -20, meskipun dua fitur utamanya dapat ditelusuri kembali ke Pendeta Thomas Bayes yang eponim (sekitar 1701–61). Kedua fitur tersebut adalah: (1) pengenalan peralatan formal untuk logika induktif; (2) pengenalan tes kekalahan pragmatis (seperti yang diilustrasikan oleh Argumen Buku Belanda) untuk rasionalitas epistemik sebagai cara memperluas pembenaran hukum-hukum logika deduktif untuk memasukkan pembenaran bagi hukum-hukum logika induktif. Aparat formal itu sendiri memiliki dua elemen utama: penggunaan hukum probabilitas sebagai hambatan koherensi pada tingkat kepercayaan rasional (atau derajat kepercayaan) dan pengenalan aturan inferensi probabilistik, aturan atau prinsip pengkondisian.

Epistemologi Bayesian tidak muncul sebagai program filosofis sampai aksioma formal pertama teori probabilitas pada paruh pertama abad ke -20. Salah satu aplikasi penting dari epistemologi Bayesian adalah analisis praktik ilmiah dalam Teori Konfirmasi Bayesian. Selain itu, cabang utama statistik, statistik Bayesian, didasarkan pada prinsip-prinsip Bayesian. Dalam psikologi, cabang penting dari teori belajar, teori belajar Bayesian, juga didasarkan pada prinsip-prinsip Bayesian. Akhirnya, ide menganalisis derajat rasional kepercayaan dalam hal perilaku taruhan rasional menyebabkan 20 thabad perkembangan jenis baru teori keputusan, teori keputusan Bayesian, yang sekarang menjadi model teoritis yang dominan untuk kedua analisis deskriptif dan normatif keputusan. Kombinasi aparat resmi yang tepat dan tes novel pragmatis diri kekalahan untuk pembenaran membuat epistemologi salah satu Bayesian dari perkembangan yang paling penting dalam epistemologi dalam 20 th abad, dan salah satu yang paling jalan menjanjikan untuk kemajuan lebih lanjut dalam epistemologi di 21 st abad.

  • 1. Koherensi Deduktif dan Probabilistik dan Aturan Inferensi Deduktif dan Probabilistik
  • 2. Prinsip Pengondisian Sederhana
  • 3. Argumen Buku Belanda
  • 4. Teorema Bayes dan Teori Konfirmasi Bayesian

    • Teorema Bayes dan sebuah akibat wajar
    • Teori Konfirmasi Bayesian
  • 5. Epistemologi Sosial Bayesian
  • 6. Masalah Potensial

    • 6.1 Keberatan terhadap Hukum Probabilitas sebagai Standar Koherensi Sinkronis
    • 6.2 Keberatan terhadap Prinsip Sederhana Pengkondisian sebagai Aturan Inferensi dan Keberatan Lainnya terhadap Teori Konfirmasi Bayesian
  • 7. Prinsip-Prinsip Lain dari Epistemologi Bayesian
  • Bibliografi
  • Alat Akademik
  • Sumber Daya Internet lainnya
  • Entri terkait

1. Koherensi Deduktif dan Probabilistik dan Aturan Inferensi Deduktif dan Probabilistik

Ada dua cara bahwa hukum-hukum logika deduktif telah dianggap memberikan batasan rasional pada kepercayaan: (1) Secara sinkron, hukum-hukum logika deduktif dapat digunakan untuk mendefinisikan gagasan tentang konsistensi deduktif dan ketidakkonsistenan. Inkonsistensi deduktif yang didefinisikan menentukan satu jenis ketidakcocokan dalam kepercayaan, yang saya sebut sebagai ketidakcocokan deduktif. (2) Secara diakronis, hukum-hukum logika deduktif dapat membatasi perubahan kepercayaan yang dapat diterima dengan memberikan aturan inferensi deduktif. Misalnya, modus ponens adalah aturan inferensi deduktif yang mengharuskan seseorang menyimpulkan Q dari tempat P dan P → Q.

Bayesian mengusulkan standar tambahan koherensi sinkronis - standar koherensi probabilistik - dan aturan tambahan inferensi - aturan inferensi probabilistik - dalam kedua kasus, untuk menerapkan bukan pada kepercayaan, tetapi derajat kepercayaan (derajat kepercayaan). Bagi orang Bayesian, standar paling penting dari koherensi probabilistik adalah hukum probabilitas. Untuk lebih lanjut tentang hukum probabilitas, lihat artikel tambahan berikut:

Tambahan tentang Hukum Probabilitas

Bagi orang Bayesian, aturan inferensi probabilistik yang paling penting diberikan oleh prinsip pengkondisian.

2. Prinsip Pengondisian Sederhana

Jika probabilitas tanpa syarat (misalnya P (S)) diambil sebagai primitif, probabilitas bersyarat dari S pada T dapat didefinisikan sebagai berikut:

Probabilitas Bersyarat:

P (S / T) = P (S & T) / P (T).

Dengan sendirinya, definisi probabilitas bersyarat adalah signifikansi epistemologis kecil. Ini memperoleh signifikansi epistemologis hanya dalam hubungannya dengan asumsi epistemologis lebih lanjut:

Prinsip Sederhana Pengkondisian:

Jika seseorang memulai dengan probabilitas awal atau awal P i, dan seseorang memperoleh bukti baru yang dapat direpresentasikan sebagai menjadi yakin dengan pernyataan pembuktian E (diasumsikan menyatakan totalitas bukti baru seseorang dan memiliki probabilitas awal lebih besar dari nol), maka rasionalitas mengharuskan satu sistematis mengubah seseorang probabilitas awal untuk menghasilkan probabilitas akhir atau posterior P f oleh conditionalizing di E - yaitu: Dimana S adalah setiap pernyataan, P f (S) = P i (S / E). [1]

Dalam istilah epistemologis, Prinsip Sederhana Pengkondisian ini mensyaratkan bahwa efek bukti terhadap derajat rasional dianalisis dalam dua tahap: Yang pertama adalah non-inferensial. Ini adalah perubahan dalam probabilitas pernyataan bukti E dari P i (E), diasumsikan lebih besar dari nol dan kurang dari satu, ke P f (E) = 1. Yang kedua adalah inferensi probabilistik pengkondisian pada E dari probabilitas awal (mis. P i (S)) hingga probabilitas akhir (mis. P f (S) = P i (S / E)).

Masalah dengan Prinsip Sederhana (akan dibahas di bawah) telah menyebabkan banyak orang Bayesian memenuhi syarat untuk Prinsip Sederhana dengan membatasi ruang lingkupnya. Selain itu, beberapa orang Bayes mengikuti Jeffrey dalam menggeneralisasi Prinsip Sederhana untuk diterapkan pada kasus-kasus di mana bukti baru seseorang kurang dari pasti (juga dibahas di bawah). Apa yang menyatukan epistemologi Bayesian adalah keyakinan bahwa pengkondisian (mungkin dari jenis yang digeneralisasikan) secara rasional diperlukan dalam beberapa konteks penting - yaitu, bahwa semacam prinsip pengkondisian adalah prinsip penting yang mengatur perubahan rasional dalam derajat kepercayaan.

3. Argumen Buku Belanda

Banyak argumen telah diberikan mengenai hukum probabilitas sebagai kondisi koherensi pada tingkat kepercayaan dan untuk mengambil beberapa prinsip pengkondisian menjadi aturan inferensi probabilistik. Bayesian yang paling khas adalah yang disebut sebagai Argumen Buku Belanda. Argumen Buku Belanda mewakili kemungkinan jenis pembenaran baru untuk prinsip-prinsip epistemologis.

Argumen Buku Belanda bergantung pada beberapa asumsi deskriptif atau normatif untuk menghubungkan derajat kepercayaan dengan keinginan untuk bertaruh - misalnya, seseorang dengan tingkat kepercayaan p dalam kalimat S diasumsikan bersedia membayar hingga dan termasuk $ p untuk unit bertaruh pada S (yaitu, taruhan yang membayar $ 1 jika S benar) dan bersedia untuk menjual taruhan seperti itu untuk harga apa pun yang sama dengan atau lebih besar dari $ p (seseorang diasumsikan sama-sama mau membeli atau menjual taruhan seperti itu ketika harganya persis $ p). [2]Buku Belanda adalah kombinasi dari taruhan yang, atas dasar logika deduktif saja, dapat terbukti menimbulkan kerugian. Buku Belanda sinkronis adalah kombinasi taruhan dari buku-buku Belanda yang bisa diterima orang pada saat bersamaan. A Dutch Diachronic Book adalah kombinasi taruhan dari Dutch Book yang akan dimotivasi seseorang untuk masuk pada waktu yang berbeda.

Ramsey dan de Finetti pertama kali menggunakan Argumen Buku Belanda sinkronis untuk mendukung hukum probabilitas sebagai standar koherensi sinkronis untuk tingkat kepercayaan. Argumen Buku Belanda diakronis pertama yang mendukung prinsip pengkondisian dilaporkan oleh Teller, yang memuji David Lewis. Argumen Lewis / Teller tergantung pada asumsi deskriptif atau normatif lebih lanjut tentang probabilitas bersyarat karena de Finetti: Agen dengan probabilitas bersyarat P (S / T) = p diasumsikan bersedia membayar harga berapa pun hingga dan termasuk $ p untuk unit bertaruh pada S conditional pada T. (Satuan taruhan pada S conditional pada T adalah salah satu yang dibatalkan, dengan harga pembelian dikembalikan kepada pembeli, jika T tidak benar. Jika T benar, taruhan tidak dibatalkan dan taruhan membayar $ 1 jika S adalah juga benar.) Mengenai interpretasi probabilitas kondisional ini, Lewis, seperti yang dilaporkan oleh Teller, mampu menunjukkan bagaimana membangun Buku Belanda yang diakronis terhadap siapa pun yang, hanya mengetahui bahwa T, dapat diprediksi mengubah tingkat kepercayaannya pada S ke Pf (S)> P i (S / T); dan bagaimana membangun Buku Belanda diakronis terhadap siapa saja yang, dengan hanya belajar bahwa T, dapat diprediksi mengubah derajat kepercayaannya pada S menjadi P f (S) <P i (S / T). Untuk ilustrasi strategi argumen Ramsey / de Finetti dan Lewis / Teller, lihat artikel tambahan berikut:

Tambahan pada Argumen Buku Belanda

Ada banyak diskusi tentang apa yang seharusnya ditunjukkan oleh Argumen Buku Belanda. Pada penafsiran yang berpikiran literal, signifikansinya adalah bahwa mereka menunjukkan bahwa mereka yang derajat kepercayaannya melanggar hukum probabilitas atau mereka yang kesimpulan probabilistiknya diduga melanggar prinsip pengkondisian kemungkinan bertanggung jawab untuk masuk ke dalam taruhan yang pasti akan hilang. Sangat sedikit yang bisa dikatakan untuk penafsiran yang berpikiran literal, karena tidak ada dasar untuk mengklaim bahwa rasionalitas menuntut seseorang untuk mau bertaruh sesuai dengan asumsi perilaku yang dijelaskan di atas. Seorang agen bisa saja menolak untuk menerima kombinasi taruhan dari Buku Belanda.

Salah satu motivasi utama pendekatan baru Jeffrey terhadap dasar-dasar teori keputusan dalam Logic of Decision adalah ketidakpuasannya terhadap identifikasi probabilitas subjektif dengan rasio taruhan. Sebagai contoh, tidak peduli seberapa pun tingkat kepercayaan seseorang terhadap proposisi bahwa seluruh kehidupan manusia akan dihancurkan dalam sepuluh tahun ke depan, tidaklah masuk akal untuk menawarkan untuk membeli taruhan pada kebenarannya. Williamson memperluas Argumen Buku Belanda de Finetti untuk batasan aditivitas terbatas pada tingkat kepercayaan rasional untuk menghasilkan argumen untuk batasan aditivitas yang dapat dihitung pada derajat kepercayaan, tetapi argumen tersebut lebih baik ditafsirkan sebagai reductio dari interpretasi literal yang berpikiran tentang Argumen Buku Belanda. selain sebagai argumen untuk rasionalitas kendala aditivitas yang dapat dihitung. Respons rasional terhadap tawaran untuk bertaruh pada proposisi bahwa semua kehidupan akan dihancurkan dalam sepuluh tahun ke depan atau bertaruh pada satu hasil yang mungkin dalam satu set hasil yang tak terbatas yang mungkin tak terhingga dari peralatan yang mungkin tak terbatas.

Interpretasi yang lebih masuk akal dari Argumen Buku Belanda adalah bahwa mereka harus dipahami secara hipotetis, sebagai gejala dari apa yang disebut pragmatis. Pada interpretasi ini, Argumen Buku Belanda adalah semacam heuristik untuk menentukan kapan derajat kepercayaan seseorang berpotensi untuk secara pragmatis mengalahkan diri sendiri. Masalahnya bukan bahwa orang yang melanggar batasan Bayesian kemungkinan masuk ke dalam kombinasi taruhan yang merupakan Buku Belanda, tetapi bahwa, dengan cara apa pun yang wajar menerjemahkan derajat kepercayaan seseorang ke dalam tindakan, ada potensi untuk derajat seseorang keyakinan untuk memotivasi seseorang untuk bertindak dengan cara yang membuat segalanya lebih buruk daripada yang mungkin terjadi, ketika, sebagai masalah logika saja, dapat ditentukan bahwa tindakan alternatif akan membuat segalanya lebih baik (pada satu 'S evaluasi sendiri baik dan buruk).

Cara lain untuk memahami masalah kerentanan terhadap Buku Belanda adalah karena Ramsey: Seseorang yang rentan terhadap Buku Belanda mengevaluasi taruhan yang identik secara berbeda berdasarkan pada bagaimana mereka dijelaskan. Dengan kata lain, membuat kerentanan terhadap Buku Belanda terdengar tidak rasional. Tetapi standar rasionalitas ini akan membuatnya irasional untuk tidak mengakui semua konsekuensi logis dari apa yang orang yakini. Ini adalah asumsi kemahatahuan logis (dibahas di bawah).

Jika berhasil, Argumen Buku Belanda akan mengurangi pembenaran prinsip-prinsip epistemologi Bayesian menjadi dua elemen: (1) penjelasan tentang hubungan yang tepat antara tingkat kepercayaan dan pilihan; dan (2) hukum logika deduktif. Karena kelihatannya kebenaran tentang hubungan yang tepat antara tingkat kepercayaan dan pilihan tidak tergantung pada epistemologi, Argumen Buku Belanda mengemukakan potensi pembenaran prinsip-prinsip epistemologi Bayes dengan cara yang tidak memerlukan sumber daya epistemologis lain selain hukum logika deduktif. Untuk alasan ini, masuk akal untuk menganggap Argumen Buku Belanda sebagai argumen tidak langsung, pragmatis karena menurut prinsip epistemologi Bayesian banyak status epistemologis yang sama dengan hukum logika deduktif. Argumen Buku Belanda adalah kontribusi yang benar-benar khas yang dibuat oleh orang Bayesian untuk metodologi epistemologi.

Juga harus disebutkan bahwa beberapa orang Bayesian telah membela prinsip-prinsip mereka secara lebih langsung, dengan argumen-argumen non-pragmatis. Selain melaporkan Dutch Book Argument Lewis, Teller menawarkan pembelaan non-pragmatis terhadap kondisialisasi. Ada banyak usulan pertahanan non-pragmatis dari hukum probabilitas (misalnya, van Fraassen; Shimony). Yang paling menarik adalah karena Joyce. Semua pertahanan seperti itu, apakah pragmatis atau non-pragmatis, menghasilkan teka-teki untuk epistemologi Bayesian: Prinsip-prinsip epistemologi Bayesian biasanya diusulkan sebagai prinsip-prinsip penalaran induktif. Tetapi jika prinsip-prinsip epistemologi Bayes pada akhirnya bergantung pada pembenarannya semata-mata pada hukum logika deduktif, alasan apa yang ada untuk berpikir bahwa mereka memiliki konten induktif? Artinya,alasan apa yang ada untuk percaya bahwa mereka melakukan sesuatu lebih dari memperluas hukum logika deduktif dari kepercayaan ke tingkat kepercayaan? Namun, harus disebutkan bahwa kalaupun epistemologi Bayesian hanya memperluas hukum logika deduktif ke tingkat kepercayaan, itu saja akan mewakili kemajuan yang sangat penting dalam epistemologi.

4. Teorema Bayes dan Teori Konfirmasi Bayesian

Bagian ini mengulas beberapa hasil paling penting dalam analisis Bayesian tentang praktik ilmiah - Teori Konfirmasi Bayesian. Diasumsikan bahwa semua pernyataan yang dievaluasi memiliki probabilitas sebelumnya lebih besar dari nol dan kurang dari satu.

4.1 Teorema Bayes dan Konsekuensi

Teorema Bayes adalah konsekuensi langsung dari aksioma probabilitas dan definisi probabilitas bersyarat:

Teorema Bayes:

P (S / T) = P (T / S) × P (S) / P (T) [di mana P (T) diasumsikan lebih besar dari nol]

Signifikansi epistemologis Teorema Bayes adalah bahwa teorema Bayes memberikan konsekuensi wajar langsung terhadap Prinsip Sederhana Pengkondisian. Dimana probabilitas akhir dari suatu hipotesis H dihasilkan dengan mengkondisikan pada bukti E, Teorema Bayes memberikan formula untuk probabilitas akhir H dalam hal kemungkinan sebelum atau awal dari H pada E (P i (E / H)) dan probabilitas sebelum atau awal H dan E:

Konsekuensi Prinsip Sederhana Pengkondisian:

P f (H) = P i (H / E) = P i (E / H) × P i (H) / P i (E).

Karena pengaruh Bayesianisme, kemungkinan sekarang menjadi istilah teknis seni dalam teori konfirmasi. Seperti yang digunakan dalam pengertian teknis ini, kemungkinan bisa sangat berguna. Seringkali, ketika probabilitas bersyarat H pada E diragukan, kemungkinan H pada E dapat dihitung dari asumsi teoritis H.

4.2 Teori Konfirmasi Bayesian

A. Konfirmasi dan diskonfirmasi. Dalam Bayesian Confirmation Theory, dikatakan bahwa bukti mengkonfirmasikan (atau akan mengkonfirmasi) hipotesis H (setidaknya pada beberapa derajat) hanya dalam kasus probabilitas sebelumnya dari H bersyarat pada E lebih besar daripada probabilitas tanpa syarat sebelumnya dari H: P i (H / E)> P i (H). E disconfirms (atau akan disconfirm) H jika probabilitas H sebelumnya tergantung pada E lebih kecil daripada probabilitas H sebelumnya tanpa syarat.

Ini adalah konsepsi kualitatif tentang konfirmasi. Tidak ada kesepakatan umum dalam literatur tentang ukuran kuantitatif tingkat konfirmasi atau tingkat dukungan bukti. Earman (bab 5) dan Fitelson keduanya memberikan tinjauan yang baik tentang berbagai proposal. Mungkin dianggap bahwa sejauh mana bukti E mendukung (atau akan mendukung) hipotesis H dapat didefinisikan sebagai P i (H / E) - P i(H). Salah satu masalah potensial dengan proposal ini adalah bahwa ia memiliki konsekuensi bahwa tidak ada bukti yang dapat memberikan banyak dukungan bukti untuk hipotesis yang sebelumnya sangat mungkin, karena ketika probabilitas H mendekati satu, perbedaannya menjadi nol. Eells dan Fitelson berpendapat bahwa konsekuensi yang tampaknya berlawanan dengan intuisi ini dapat dihindari dengan membedakan pertanyaan historis tentang seberapa banyak bukti E yang sebenarnya berkontribusi pada konfirmasi H (yang, tentu saja, harus kecil jika H kemungkinan sebelumnya sangat mungkin).) dari pertanyaan tentang tingkat dukungan bukti yang disediakan E untuk H, jawaban yang mereka ajukan, relatif terhadap informasi latar belakang. Jadi, bahkan jika H sangat memungkinkan pada saat bukti E diperoleh,kita dapat bertanya berapa banyak dukungan bukti E akan menyediakan untuk H jika kita tidak memiliki bukti lain yang mendukung H. Eells dan Fitelson juga telah menyediakan kerangka kerja yang berguna untuk mengevaluasi berbagai proposal dalam literatur, kerangka kerja yang sebagian besar dari mereka inginkan.

B. Konfirmasi dan diskonfirmasi berdasarkan persyaratan. Kapanpun suatu hipotesis H secara logis mencakup bukti E, E mengonfirmasi H. Ini mengikuti dari fakta bahwa untuk menentukan kebenaran E adalah untuk mengesampingkan kemungkinan diasumsikan memiliki probabilitas nol sebelumnya yang tidak sesuai dengan H - kemungkinan bahwa ~ E. Akibat wajarnya adalah bahwa, di mana H mensyaratkan E, ~ E akan membatalkan konfirmasi H, dengan mengurangi kemungkinannya menjadi nol. Model penjelasan yang paling berpengaruh dalam sains adalah model deduktif-hipotetis (misalnya, Hempel). Dengan demikian, salah satu sumber dukungan yang paling penting untuk Teori Konfirmasi Bayesian adalah bahwa teori ini dapat menjelaskan peran penjelasan hipotetis-deduktif dalam konfirmasi.

C. Konfirmasi setara logis. Jika dua hipotesis H1 dan H2 setara secara logis, maka bukti E akan mengkonfirmasi keduanya secara sama. Ini mengikuti dari fakta bahwa pernyataan yang secara logis setara selalu diberi probabilitas yang sama.

D. Efek konfirmasi dari bukti mengejutkan atau beragam. Dari akibat wajar di atas, dapat disimpulkan bahwa apakah E mengonfirmasikan (atau menghilangkan konfirmasi) H tergantung pada apakah E lebih mungkin (atau kurang mungkin) bersyarat pada H daripada bersyarat - yaitu, pada apakah:

(b1) P (E / H) / P (E)> 1.

Cara pemahaman intuitif (b1) adalah mengatakan bahwa E menyatakan lebih diharapkan (atau kurang mengejutkan) jika diketahui bahwa H benar. Jadi jika E mengejutkan, tetapi tidak akan mengejutkan jika kita tahu H benar, maka E akan secara signifikan mengkonfirmasi H. Dengan demikian, Bayesians menjelaskan kecenderungan bukti mengejutkan untuk mengkonfirmasi hipotesis yang menjadi bukti yang diharapkan.

Demikian pula, karena itu masuk akal untuk berpikir bahwa bukti E 1 membuat bukti lain dari jenis yang sama jauh lebih mungkin, setelah E 1 telah ditentukan untuk menjadi kenyataan, bukti lain dari jenis E yang sama 2 akan umumnya tidak mengkonfirmasi hipotesis H sebanyak bukti beragam lainnya E 3, bahkan jika H memiliki kemungkinan yang sama pada E 2 dan E 3. Penjelasannya adalah di mana E 1 membuat E 2 jauh lebih mungkin daripada E 3 (P i (E 2 / E 1) >> P i (E 3 / E 1), ada sedikit potensi untuk penemuan bahwa E 2 benar untuk meningkatkan probabilitas H daripada ada untuk penemuan bahwa E 3 benar untuk melakukannya.

E. Konfirmasi relatif dan rasio kemungkinan. Seringkali penting untuk dapat membandingkan efek bukti E pada dua hipotesis yang bersaing, Hj dan Hk, tanpa harus juga mempertimbangkan efeknya pada hipotesis lain yang mungkin tidak mudah dirumuskan atau dibandingkan dengan H j dan H k. Dari akibat wajar pertama di atas, rasio probabilitas akhir Hj dan Hk akan diberikan oleh:

Rumus Rasio:

P f (H j) / P f (H k) = [P i (E / H j) × P i (H j)] / [P i (E / H k) × P i (H k))]

Jika peluang Hj relatif terhadap H k didefinisikan sebagai rasio probabilitas mereka, maka dari Rumus Rasio itu mengikuti bahwa, dalam kasus di mana perubahan dalam tingkat kepercayaan hasil dari pengkondisian pada E, peluang akhir (P f (H j) / P f (H k)) hasil dari mengalikan peluang awal (P i (H j) / P i (H k)) dengan rasio kemungkinan (P i (E / H j) / P i (E / H k)). Dengan demikian, dalam perbandingan berpasangan dari peluang hipotesis, rasio kemungkinan adalah penentu penting dari efek bukti pada peluang.

F. Bayesianisme Subjektif dan obyektif. Apakah ada kendala pada probabilitas sebelumnya selain dari hukum probabilitas? Pertimbangkan situasi di mana Anda harus menggambar bola dari guci yang diisi dengan bola merah dan hitam. Misalkan Anda tidak memiliki informasi lain tentang guci. Berapa probabilitas sebelumnya (sebelum menggambar bola) bahwa, mengingat bola diambil dari guci, bola yang digambar akan berwarna hitam? Pertanyaan itu membagi orang Bayesian menjadi dua kubu:

(a) Bayesian Subyektif menekankan kurangnya relatif kendala rasional pada probabilitas sebelumnya. Dalam contoh guci, mereka akan memungkinkan bahwa probabilitas sebelumnya antara 0 dan 1 mungkin rasional (meskipun beberapa Bayesive Subyektif (misalnya, Jeffrey) akan mengesampingkan dua nilai ekstrim, 0 dan 1). Bayesian Subyektif yang paling ekstrem (misalnya, de Finetti) berpendapat bahwa satu-satunya kendala rasional pada probabilitas sebelumnya adalah koherensi probabilistik. Lainnya (misalnya, Jeffrey) mengklasifikasikan diri mereka sebagai subyektivis meskipun mereka memungkinkan sejumlah kecil kendala rasional tambahan pada probabilitas sebelumnya. Karena subyektivis dapat berselisih tentang kendala tertentu, yang menyatukan mereka adalah bahwa kendala mereka mengesampingkan sangat sedikit. Untuk Bayesians Subyektif,penugasan probabilitas sebelumnya yang sebenarnya sebagian besar merupakan hasil dari faktor-faktor non-rasional - misalnya, pilihan kita sendiri yang tidak dibatasi, pilihan bebas atau evolusi atau sosialisasi.

(B) Objektif Bayesians (misalnya, Jaynes dan Rosenkrantz) menekankan sejauh mana probabilitas sebelumnya dibatasi secara rasional. Dalam contoh di atas, mereka akan berpendapat bahwa rasionalitas membutuhkan penetapan probabilitas sebelumnya 1/2 untuk menggambar bola hitam dari guci. Mereka berpendapat bahwa kemungkinan lain akan gagal dalam tes berikut: Karena Anda tidak memiliki informasi sama sekali tentang bola mana yang merah dan bola mana yang hitam, Anda harus memilih probabilitas sebelumnya yang tidak berubah dengan perubahan label ("merah" atau " hitam"). Tetapi satu-satunya penetapan probabilitas sebelumnya yang invarian dengan cara ini adalah penetapan probabilitas sebelumnya 1/2 untuk masing-masing dari dua kemungkinan (yaitu, bahwa bola yang ditarik berwarna hitam atau merah).

Dalam batas tersebut, seorang Objective Bayesian akan berpendapat bahwa kendala rasional secara unik menentukan probabilitas sebelumnya dalam setiap keadaan. Ini akan membuat probabilitas logis probabilitas logis ditentukan sebelumnya. Tak satu pun dari mereka yang mengidentifikasi diri mereka sebagai Objective Bayesians memiliki bentuk pandangan ekstrem ini. Mereka juga tidak semua sepakat tentang apa tepatnya batasan rasional pada tingkat kepercayaan. Sebagai contoh, Williamson tidak menerima pengkondisian dalam bentuk apa pun sebagai kendala rasional pada tingkat kepercayaan. Apa yang menyatukan semua Bayesian Objective adalah keyakinan mereka bahwa dalam banyak keadaan, pertimbangan simetri secara unik menentukan probabilitas sebelumnya yang relevan dan bahkan ketika mereka tidak secara unik menentukan probabilitas sebelumnya yang relevan,mereka sering membatasi kisaran probabilitas sebelumnya yang dapat diterima secara rasional, untuk memastikan konvergensi pada probabilitas posterior yang relevan. Jaynes mengidentifikasi empat prinsip umum yang membatasi probabilitas sebelumnya, invarian kelompok, entropi maximium, marginalisasi, dan teori pengkodean, tetapi ia tidak menganggap daftar ini lengkap. Dia mengharapkan prinsip tambahan akan ditambahkan di masa depan. Namun, tidak ada Objective Bayesian mengklaim bahwa ada prinsip-prinsip yang secara unik menentukan probabilitas rasional sebelumnya dalam semua kasus. Dia mengharapkan prinsip tambahan akan ditambahkan di masa depan. Namun, tidak ada Objective Bayesian mengklaim bahwa ada prinsip-prinsip yang secara unik menentukan probabilitas rasional sebelumnya dalam semua kasus. Dia mengharapkan prinsip tambahan akan ditambahkan di masa depan. Namun, tidak ada Objective Bayesian mengklaim bahwa ada prinsip-prinsip yang secara unik menentukan probabilitas rasional sebelumnya dalam semua kasus.

Dengan memperkenalkan batasan simetri pada probabilitas sebelumnya, Bayesive Tujuan mewarisi kesulitan dari Prinsip klasik Ketidakpedulian, yang dinamai Keynes, tetapi biasanya dikaitkan dengan Laplace. Contoh sederhana dari guci menggambarkan bagaimana pertimbangan invarian dapat digunakan untuk memberikan konten kepada Prinsip Ketidakpedulian. Di sana, objektivis dapat secara unik menentukan probabilitas sebelumnya dari persyaratan bahwa probabilitas sebelumnya yang rasional harus tidak berubah ketika mengganti label yang digunakan untuk mengklasifikasikan bola dalam guci.

Namun, umumnya disepakati oleh objektivis dan subjektivis bahwa ketidaktahuan saja tidak dapat menjadi dasar untuk menetapkan probabilitas sebelumnya. Alasannya adalah bahwa dalam setiap kasus tertentu harus ada beberapa informasi untuk memilih parameter mana atau transformasi mana yang menjadi parameter di antara yang mana akan menjadi acuh tak acuh. Tanpa informasi seperti itu, pertimbangan ketidakpedulian mengarah pada paradoks. Bayesian objektif telah cukup kreatif dalam menemukan cara untuk menyelesaikan banyak paradoks (misalnya, solusi Jeffrey untuk Bertrand's Pardox, solusi Jaynes untuk Buffon Needle Paradox, atau solusi Mikkelson untuk van Paradox van Mises). Tetapi selalu ada lebih banyak paradoks. Charles, Höcker, Lacker, Le Diberder, dan T 'Jampens (Sumber Daya Internet Lain-lain) memberikan contoh aktual dari fisika di mana entropi maksimum menghasilkan hasil yang saling bertentangan tergantung pada parameterisasi dan di mana pendekatan frequentist tampaknya lebih unggul daripada pendekatan Objective Bayesian yang menggunakan segala bentuk pengkondisian.

G. Efek diferensial khas bukti positif dan bukti negatif. Hempel pertama kali menunjukkan bahwa kita biasanya mengharapkan hipotesis bahwa semua gagak hitam untuk dikonfirmasi sampai taraf tertentu dengan pengamatan gagak hitam, tetapi tidak dengan pengamatan non-hitam, non-gagak. Biarkan H menjadi hipotesis bahwa semua gagak hitam. Biarkan E 1 menggambarkan pengamatan non-hitam, non-gagak. Biarkan E 2 menggambarkan pengamatan gagak hitam. Teori Konfirmasi Bayesian sebenarnya berpendapat bahwa E 1 dan E 2 dapat memberikan konfirmasi untuk H. Ingatlah bahwa E 1 mendukung H hanya dalam kasus P i (E 1 / H) / P i (E1)> 1. Masuk akal untuk berpikir bahwa rasio ini sedikit lebih besar dari satu. Di sisi lain, E 2 tampaknya akan memberikan konfirmasi yang jauh lebih besar kepada H, karena, dalam contoh ini, diharapkan bahwa P i (E 2 / H) / P i (E 2) >> P i (E 1 / H) / P i (E 1).

Ini hanya sampel dari hasil yang telah memberikan dukungan untuk Teori Konfirmasi Bayesian sebagai teori kesimpulan rasional untuk sains. Untuk contoh lebih lanjut, lihat Howson dan Urbach. Juga harus disebutkan bahwa cabang statistik yang penting, statistik Bayesian didasarkan pada prinsip-prinsip epistemologi Bayesian.

5. Epistemologi Sosial Bayesian

Salah satu perkembangan penting dalam epistemologi Bayesian adalah eksplorasi dimensi sosial untuk penyelidikan. Contoh nyata adalah penyelidikan ilmiah, karena komunitas ilmuwan, dan bukan ilmuwan individual mana pun, yang menentukan apa yang diterima atau tidak dalam disiplin ilmu. Selain itu, para ilmuwan biasanya bekerja dalam kelompok penelitian dan bahkan mereka yang bekerja sendiri bergantung pada laporan ilmuwan lain untuk dapat merancang dan melaksanakan pekerjaan mereka sendiri. Contoh penting lainnya dari dimensi sosial untuk pengetahuan termasuk penggunaan juri untuk membuat keputusan faktual dalam sistem hukum dan desentralisasi pengetahuan melalui Internet.

Ada dua cara agar epistemologi Bayes dapat diterapkan pada penyelidikan sosial:

(1) Epistemologi kesaksian Bayesian (dipahami secara umum, tidak hanya mencakup kesaksian pribadi tetapi semua sumber informasi media). Goldman telah mengembangkan epistemologi kesaksian Bayes dan menerapkannya pada entitas sosial seperti sains dan sistem hukum. Dalam setiap pendekatan semacam itu, masalah krusial adalah bagaimana mengevaluasi keandalan laporan yang diterima. Pendekatan Goldman adalah untuk fokus pada desain kelembagaan untuk memotivasi produksi laporan yang andal. Bovens dan Hartmann bukannya mencoba memodelkan bagaimana, ketika ada laporan dari berbagai sumber, seorang agen Bayesian dapat menggunakan penalaran probabilistik untuk menilai keandalan laporan, dan dengan demikian, seberapa besar kepercayaan yang diberikan pada mereka. Gagasan bahwa dalam mengevaluasi probabilitas suatu laporan, kami secara implisit mengevaluasi keandalan pelapor dikembangkan oleh Barnes sebagai penjelasan potensial dari prediksi / akomodasi asimetri, yang dibahas pada bagian berikutnya.

(2) Agregat Bayesianisme. Jika pengetahuan ilmiah atau pertimbangan juri menghasilkan produk kelompok, adalah wajar untuk mempertimbangkan apakah pengetahuan kelompok dapat direpresentasikan dalam bentuk agregat. Dalam istilah Bayesian, pertanyaannya adalah apakah penugasan probabilitas individu dapat secara berguna digabungkan menjadi penugasan probabilitas tunggal yang mencerminkan pengetahuan kelompok. Meskipun Seidenfeld, Kadane, dan Schervish telah menunjukkan bahwa secara umum tidak ada cara untuk mendefinisikan agregator utilitas Bayesian yang diharapkan secara agregat untuk mewakili preferensi Pareto dari sekelompok dua atau lebih individu optimizer utilitas Bayesian individu, tidak ada hasil yang mustahil menghalangi agregasi dari penugasan probabilitas individu ke dalam penugasan probabilitas kelompok. Namun, tidak ada aturan yang disepakati secara umum untuk melakukannya. Jika sekelompok individu Bayesian semua telah mulai dari probabilitas awal yang sama, maka dengan hanya membagikan bukti mereka akan membawa mereka semua ke probabilitas akhir yang sama. Mungkin disayangkan bahwa kebulatan suara dalam sains dan usaha sosial lainnya tidak dapat dicapai dengan mudah, tetapi Kitcher berpendapat bahwa ini adalah kesalahan, karena keragaman kognitif memainkan peran penting dalam kemajuan ilmiah.

Keberhasilan epistemologi sosial Bayes pada akhirnya mungkin bergantung pada apakah idealisasi teori Bayesian terlalu tidak realistis. Sebagai contoh, jika salah satu efek penting dari pertimbangan juri adalah bahwa mereka cenderung memberikan cara bagi kelompok untuk mengoreksi irasionalitas anggota individu, maka tidak ada model juri sebagai orang Bayes ideal yang mungkin dapat menjelaskan fitur tersebut. sistem juri.

6. Masalah Potensial

Bagian ini mengulas beberapa masalah potensial yang paling penting untuk Teori Konfirmasi Bayesian dan untuk epistemologi Bayesian secara umum. Tidak ada upaya yang dilakukan untuk mengevaluasi keseriusan mereka di sini, meskipun tidak ada solusi Bayesian yang disepakati secara umum untuk mereka.

6.1 Keberatan terhadap Hukum Probabilitas sebagai Standar Koherensi Sinkronis

A. Asumsi kemahatahuan logis. Asumsi bahwa tingkat kepercayaan memenuhi hukum probabilitas menyiratkan kemahatahuan tentang logika deduktif, karena hukum probabilitas mensyaratkan bahwa semua kebenaran logis deduktif memiliki probabilitas satu, semua inkonsistensi deduktif memiliki probabilitas nol, dan probabilitas konjungsi kalimat tidak lebih besar daripada konsekuensi deduktifnya. Ini tampaknya menjadi standar yang tidak realistis bagi manusia. Peretasan dan Garber telah membuat proposal untuk mengendurkan asumsi kemahatahuan yang logis. Karena merelakskan asumsi itu akan menghalangi derivasi hampir semua hasil penting dalam epistemologi Bayesian, kebanyakan orang Bayesian mempertahankan asumsi kemahatahuan logis dan memperlakukannya sebagai cita-cita di mana manusia hanya bisa kurang lebih mendekati.

B. Status epistemologis khusus dari hukum-hukum logika klasik. Bahkan jika asumsi kemahatahuan logis tidak terlalu banyak idealisasi untuk memberikan model yang berguna untuk penalaran manusia, itu memiliki konsekuensi potensial yang berpotensi mengganggu. Ia melakukan epistemologi Bayesian ke semacam perbedaan apriori / posteriori, karena tidak mungkin ada penjelasan Bayesian tentang bagaimana bukti empiris mungkin membuatnya rasional untuk mengadopsi teori dengan logika non-klasik. Dalam hal ini, epistemologi Bayesian mengandaikan anggapan dari epistemologi tradisional bahwa hukum-hukum logika kebal terhadap revisi berdasarkan bukti empiris.

Adalah terbuka bagi Bayesian untuk mencoba mengecilkan arti penting dari konsekuensi ini, dengan mengartikulasikan perbedaan a priori / a posteriori yang bertujuan untuk lebih pragmatis daripada metafisik (misalnya, perbedaan analitik / sintetik Carnap). Namun, setiap akun tersebut harus membahas tantangan holistik Quine yang terkenal terhadap perbedaan analitik-sintetis.

6.2 Keberatan terhadap Prinsip Sederhana Pengkondisian sebagai Aturan Inferensi dan Keberatan Lainnya terhadap Teori Konfirmasi Bayesian

A. Masalah bukti yang tidak pasti. Prinsip Sederhana Pengkondisian mensyaratkan bahwa perolehan bukti dapat diwakili sebagai mengubah tingkat kepercayaan seseorang pada pernyataan E menjadi satu - yaitu, untuk kepastian. Tetapi banyak filsuf berkeberatan untuk menugaskan probabilitas satu pernyataan kontingen mana pun, bahkan pernyataan bukti, karena, misalnya, sudah dikenal luas bahwa para ilmuwan terkadang menyerahkan bukti yang diterima sebelumnya. Jeffrey telah mengusulkan generalisasi Prinsip Pengkondisian yang menghasilkan prinsip itu sebagai kasus khusus. Gagasan Jeffrey adalah bahwa apa yang penting tentang observasi bukanlah bahwa ia menghasilkan kepastian,tetapi hal itu menghasilkan perubahan non-inferensial dalam probabilitas pernyataan bukti E dan negasinya ~ E (diasumsikan sebagai lokus dari semua perubahan non-inferensial dalam probabilitas) dari probabilitas awal antara nol dan satu ke Pf (E) dan P f (~ E) = [1 - P f (E)]. Kemudian pada catatan Jeffrey, setelah pengamatan, tingkat kepercayaan rasional untuk ditempatkan dalam hipotesis H akan diberikan oleh prinsip berikut:

Prinsip Jeffrey Kondisi:

P f (H) = P i (H / E) × P f (E) + P i (H / ~ E) × P f (~ E) [di mana E dan H keduanya diasumsikan memiliki probabilitas sebelumnya antara nol dan satu]

Berhitung demi Prinsip Jeffrey adalah keelokan teoretisnya. Menghitung itu adalah masalah praktis yang mengharuskan seseorang untuk dapat sepenuhnya menentukan efek langsung non-inferensial dari pengamatan, sesuatu yang diragukan bahwa siapa pun pernah melakukannya. Skyrms telah memberinya pertahanan Buku Belanda.

B. Masalah bukti lama. Pada akun Bayesian, pengaruh bukti E dalam mengkonfirmasikan (atau mengacaukan) hipotesis semata-mata merupakan fungsi dari peningkatan probabilitas yang diperoleh E ketika pertama kali ditentukan benar. Ini menimbulkan teka-teki berikut untuk Teori Konfirmasi Bayesian yang dibahas secara luas oleh Glymour: Misalkan E adalah pernyataan pembuktian yang telah dikenal selama beberapa waktu - yaitu, bahwa itu adalah bukti lama; dan anggaplah bahwa H adalah teori ilmiah yang telah dipertimbangkan selama beberapa waktu. Suatu hari diketahui bahwa H menyiratkan E. Dalam praktik ilmiah, penemuan bahwa H tersirat E biasanya akan diambil untuk memberikan beberapa tingkat dukungan konfirmasi untuk H. Namun Bayesian Confirmation Theory tampaknya tidak dapat menjelaskan bagaimana pernyataan pembuktian sebelumnya yang diketahui E dapat memberikan dukungan baru untuk H. Agar pengkondisian ikut berperan, harus ada perubahan dalam probabilitas pernyataan bukti E. Jika E adalah bukti lama, tidak ada perubahan dalam probabilitasnya. Beberapa orang Bayesian yang telah mencoba untuk menyelesaikan masalah ini (misalnya, Garber) biasanya mencoba melemahkan asumsi kemahatahuan logis untuk memungkinkan kemungkinan menemukan hubungan logis (misalnya, bahwa H dan asumsi tambahan yang sesuai menyiratkan E). Seperti yang disebutkan di atas, merelaksasi asumsi kemahatahuan yang logis mengancam untuk memblokir derivasi hampir semua hasil penting dalam epistemologi Bayesian. Bayesian lain (misalnya, Lange) menggunakan formalisme Bayesian sebagai alat dalam rekonstruksi rasional dukungan pembuktian untuk hipotesis ilmiah,di mana tidak relevan dengan rekonstruksi rasional apakah bukti ditemukan sebelum atau setelah teori awalnya dirumuskan. Joyce dan Christensen setuju bahwa menemukan hubungan logis baru antara bukti yang diterima sebelumnya dan sebuah teori tidak dapat meningkatkan probabilitas teori. Namun, mereka menyarankan agar menggunakan Pi (H / E) - P i (H / -E) sebagai ukuran dukungan setidaknya dapat menjelaskan bagaimana bukti yang memiliki probabilitas seseorang masih dapat mendukung teori. Eells dan Fitelson telah mengkritik proposal ini dan berpendapat bahwa masalahnya lebih baik diatasi dengan membedakan dua ukuran, ukuran historis sejauh mana bukti E benar-benar mengkonfirmasi hipotesis H dan ukuran ahistoris tentang seberapa banyak bukti E akan mendukung hipotesis H, berdasarkan informasi latar belakang yang diberikan B. Ukuran kedua memungkinkan kita untuk mengajukan pertanyaan ahistoris tentang seberapa banyak E akan mendukung H jika kita tidak memiliki bukti lain yang mendukung H.

C. Masalah probabilitas kondisional yang kaku. Ketika seseorang mengkondisikan, seseorang menerapkan probabilitas kondisional awal untuk menentukan probabilitas akhir tanpa syarat. Sepanjang, probabilitas bersyarat itu sendiri tidak berubah; mereka tetap kaku. Contoh-contoh Masalah Bukti Lama hanyalah salah satu dari berbagai kasus di mana tampaknya rasional untuk mengubah probabilitas kondisional awal seseorang. Dengan demikian, banyak orang Bayesian menolak Prinsip Sederhana Pengkondisian demi prinsip yang memenuhi syarat, terbatas pada situasi di mana seseorang tidak mengubah probabilitas kondisional awal seseorang. Tidak ada akun yang diterima secara umum tentang kapan rasional untuk mempertahankan probabilitas kondisional awal yang kaku dan ketika tidak.

D. Masalah prediksi vs akomodasi. Terkait dengan masalah Bukti Lama adalah potensi masalah berikut: Pertimbangkan dua skenario berbeda. Pada yang pertama, teori H dikembangkan sebagian untuk mengakomodasi (yaitu, untuk menyiratkan) beberapa bukti yang diketahui sebelumnya E. Pada yang kedua, teori H dikembangkan pada saat E tidak dikenal. Itu karena E diturunkan sebagai prediksi dari H sehingga tes dilakukan dan E terbukti benar. Tampaknya E memang benar akan memberikan tingkat konfirmasi yang lebih besar untuk H jika kebenaran E telah diprediksi oleh H daripada jika H telah dikembangkan untuk mengakomodasi kebenaran E. Tidak ada kesepakatan umum di antara orang Bayesian tentang bagaimana menyelesaikan masalah ini. Beberapa (mis., Horwich) berpendapat bahwa Bayesianisme menyiratkan bahwa tidak ada perbedaan penting antara prediksi dan akomodasi, dan mencoba untuk mempertahankan implikasi itu. Lainnya (mis.,Maher) berpendapat bahwa ada cara untuk memahami Bayesianisme sehingga dapat menjelaskan mengapa ada perbedaan penting antara prediksi dan akomodasi.

E. Masalah teori baru. Misalkan ada satu teori H 1 yang umumnya dianggap sangat dikonfirmasi oleh bukti E yang tersedia. Ada kemungkinan bahwa hanya pengenalan teori alternatif H 2 dapat menyebabkan erosi H 1Dukungan Adalah masuk akal untuk berpikir bahwa pengenalan hipotesis heliosentris Copernicus berdampak pada astronomi yang berpusat pada bumi Ptolemeus yang sebelumnya tidak tertandingi. Perubahan semacam ini tidak bisa dijelaskan dengan pengkondisian. Karena alasan inilah banyak orang Bayesian lebih suka fokus pada rasio probabilitas hipotesis (lihat Rumus Rasio di atas), daripada probabilitas absolutnya; tetapi jelas bahwa pengenalan teori baru juga dapat mengubah rasio probabilitas dua hipotesis - misalnya, jika tersirat salah satunya sebagai kasus khusus.

F. Masalah prior. Apakah ada kendala pada probabilitas sebelumnya selain dari hukum probabilitas? Ini adalah masalah yang memisahkan Subyektif dari Bayesian Objective, seperti yang dibahas di atas. Pertimbangkan “teka-teki baru induksi” Goodman: Di masa lalu semua zamrud yang diamati berwarna hijau. Apakah pengamatan tersebut memberikan dukungan lebih untuk generalisasi bahwa semua zamrud adalah hijau daripada yang mereka lakukan untuk generalisasi bahwa semua zamrud adalah grue (hijau jika diamati sebelum sekarang; biru jika diamati kemudian); atau apakah mereka memberikan lebih banyak dukungan untuk prediksi bahwa zamrud yang diamati berikutnya akan berwarna hijau daripada prediksi bahwa zamrud yang diamati berikutnya akan berwarna abu-abu (yaitu biru)? Hampir semua orang setuju bahwa itu tidak masuk akal untuk memiliki probabilitas sebelumnya yang acuh tak acuh antara hijau dan abu-abu,dan dengan demikian membuat prediksi kehijauan tidak lebih mungkin dari prediksi grueness. Tetapi tidak ada penjelasan yang disepakati secara umum tentang batasan ini.

Masalah prior mengidentifikasi masalah penting antara Subive dan Objective Bayesians. Jika kendala pada kesimpulan rasional sangat lemah untuk memungkinkan setiap atau hampir semua probabilitas sebelumnya yang koheren secara probabilistik, maka tidak akan ada yang membuat kesimpulan dalam ilmu lebih rasional daripada kesimpulan dalam astrologi atau frenologi atau dalam alasan konspirasi skizofrenia paranoid, karena semuanya dapat direkonstruksi sebagai kesimpulan dari probabilitas sebelumnya yang koheren secara probabilistik. Beberapa Bayesive Subyektif percaya bahwa posisi mereka tidak subjektif subyektif, karena hasil (misalnya, Doob atau Gaifman dan Snir) membuktikan bahwa bahkan subjek yang dimulai dengan probabilitas sebelumnya yang sangat berbeda akan cenderung menyatu dalam probabilitas akhir mereka, mengingat serangkaian panjang dibagi bersama pengamatan. Namun, hasil konvergensi ini tidak sepenuhnya meyakinkan, karena mereka hanya berlaku untuk agen yang sudah memiliki persetujuan signifikan dalam prior mereka dan mereka tidak memastikan konvergensi dalam jumlah waktu yang wajar. Juga, mereka biasanya hanya menjamin konvergensi pada probabilitas prediksi, bukan pada probabilitas hipotesis teoretis. Sebagai contoh, Carnap lebih menyukai probabilitas sebelumnya yang tidak akan pernah meningkatkan di atas nol kemungkinan generalisasi atas jumlah instance yang berpotensi tak terbatas (misalnya, bahwa semua gagak berwarna hitam), tidak peduli berapa banyak pengamatan pada contoh positif (misalnya gagak hitam) satu mungkin membuat tanpa menemukan contoh negatif (yaitu, gagak non-hitam). Sebagai tambahan,hasil konvergensi tergantung pada asumsi bahwa satu-satunya perubahan dalam probabilitas yang terjadi adalah mereka yang merupakan hasil pengamatan non-inferensial pada pernyataan bukti dan mereka yang dihasilkan dari pengkondisian pada pernyataan bukti semacam itu. Tetapi hampir semua subjektivis memungkinkan bahwa terkadang rasional untuk mengubah penugasan probabilitas seseorang sebelumnya.

Karena tidak ada solusi yang disepakati secara umum untuk Masalah Priors, itu adalah pertanyaan terbuka apakah Bayesian Confirmation Theory memiliki konten induktif, atau apakah itu hanya menerjemahkan kerangka kerja untuk kepercayaan rasional yang disediakan oleh logika deduktif ke dalam kerangka kerja yang sesuai untuk derajat rasional dari kepercayaan.

7. Prinsip-Prinsip Lain dari Epistemologi Bayesian

Prinsip-prinsip lain dari epistemologi Bayes telah diajukan, tetapi tidak ada yang mendapatkan dukungan mayoritas dari Bayesian. Proposal yang paling penting hanya disebutkan di sini. Ini di luar cakupan entri ini untuk mendiskusikannya secara terperinci.

A. Prinsip-prinsip lain koherensi sinkronis. Apakah hukum probabilitas satu-satunya standar koherensi sinkronis untuk tingkat kepercayaan? Van Fraassen telah mengusulkan prinsip tambahan (Refleksi atau Refleksi Khusus), yang sekarang dia anggap sebagai kasus khusus dari prinsip yang bahkan lebih umum (Refleksi Umum). [3]

B. Aturan inferensi probabilistik lainnya. Tampaknya ada setidaknya dua konsep probabilitas yang berbeda: probabilitas yang terlibat dalam derajat kepercayaan (probabilitas epistemik atau subyektif) dan probabilitas yang terlibat dalam peristiwa acak, seperti melempar koin (peluang). De Finetti mengira ini adalah kesalahan dan bahwa hanya ada satu jenis probabilitas, probabilitas subjektif. Bagi orang Bayesian yang percaya pada kedua jenis probabilitas, pertanyaan penting adalah: Apa (atau seharusnya) hubungan di antara mereka? Jawabannya dapat ditemukan dalam berbagai proposal untuk prinsip inferensi langsung dalam literatur. Biasanya, prinsip inferensi langsung diusulkan sebagai prinsip untuk menyimpulkan probabilitas subjektif atau epistemik dari keyakinan tentang peluang obyektif (misalnya, Pollock). Lewis membalikkan arah inferensi,dan mengusulkan untuk menyimpulkan kepercayaan tentang peluang obyektif dari probabilitas subyektif atau epistemik, melalui Prinsip Utama (Reformulated) Principal.[4] Strevens berpendapat bahwa Prinsip Utama Lewis yang memberi Bayesianisme konten induktif.

C. Prinsip penerimaan rasional. Apa hubungan antara keyakinan dan tingkat kepercayaan? Jeffrey mengusulkan untuk melepaskan gagasan kepercayaan (setidaknya untuk pernyataan empiris) dan puas hanya dengan derajat kepercayaan. Penulis lain (misalnya, Lewi, Maher, Kaplan) mengusulkan prinsip-prinsip penerimaan rasional sebagai bagian dari akun ketika rasional untuk menerima pernyataan sebagai benar, bukan hanya menganggapnya sebagai kemungkinan.

Bibliografi

  • Barnes, Eric Christian, 2005, “Predictivism for Pluralists”, Jurnal Inggris untuk Filsafat Ilmu Pengetahuan 56: 421–450.
  • Bayes, Thomas, 1764, “Sebuah Esai Menuju Pemecahan Masalah dalam Ajaran Kesempatan”, Transaksi-transaksi Filsofis dari Royal Society of London, 53: 37–418, dicetak ulang dalam ES Pearson dan MG Kendall, eds., Studi dalam Sejarah Statistik dan probabilitas (London: Charles Griffin, 1970).
  • Bovens, Luc, dan Stephan Hartmann, 2003, Bayesian Epistemology, Oxford: Clarendon Press.
  • Carnap, Rudolf, 1950, Logical Foundations of Probability, Chicago: University of Chicago Press.
  • –––, 1952, The Continuum of Inductive Methods, Chicago: University of Chicago Press.
  • –––, 1956, “Arti Postulat”, dalam Meaning and Necessity, Chicago: Phoenix Books, 222–229.
  • Christensen, David, 2004, Menempatkan Logika di tempatnya: Kendala Formal pada Rational Belief, Oxford: Clarendon Press.
  • –––, 1999, “Mengukur Konfirmasi”, Jurnal Filsafat, 96: 437–461.
  • de Finetti, Bruno, 1937, “La Prevision: ses lois logiques, se sources subjective”, Annales de l'Institut Henri Poincare, 7: 1–68; tDiterjemahkan ke dalam bahasa Inggris dan dicetak ulang di Kyburg dan Smokler, Studi dalam Kemungkinan Subjektif, Huntington, NY: Krieger, 1980.
  • Doob, JL, 1971, “Apa itu Martingale?”, American Mathematical Monthly, 78: 451–462.
  • Earman, John, 1991, Bayes atau Bust? Sebuah Pemeriksaan Kritis dari Teori Konfirmasi Bayesian, Cambridge, MA: MIT Press.
  • Eells, Ellery, dan Branden Fitelson, 2000, "Mengukur Konfirmasi dan Bukti", Journal of Philosophy, 97: 663-672.
  • –––, 2002, “Simetri dan Asimetri dalam Dukungan Bukti,” Studi Filsafat, 107: 129–142.
  • Fitelson, Branden, 1999, "Pluralitas Tindakan Bayesian tentang Konfirmasi dan Masalah Sensitivitas Ukur", Filsafat Ilmu Pengetahuan (Tambahan Prosiding), 66: S362-378.
  • –––, 2003, “Tinjauan James Joyce, Landasan Teori Keputusan Kausal”, Mind, 112: 545–551.
  • Gaifman, H., dan Snir, M., 1982, "Probabilitas atas Bahasa Kaya", Jurnal Logika Simbolik, 47: 495-548.
  • Garber, Daniel, 1983, "Bukti Lama dan Kemahatahuan Logis dalam Teori Konfirmasi Bayesian", dalam J. Earman, ed., Menguji Teori Ilmiah (Studi Midwest dalam Philosophy of Science, Vol. X), Minneapolis: University of Minnesota Press, 99–131.
  • Goldman, Alvin I., 1999, Pengetahuan di Dunia Sosial, Oxford: Clarendon Press.
  • Goodman, Nelson, 1983, Fakta, Fiksi, dan Prakiraan, Cambridge: Harvard University Press.
  • Glymour, Clark, 1980, Teori dan Bukti, Princeton: Princeton University Press.
  • Hacking, Ian, 1967, "Probabilitas Pribadi Sedikit Lebih Realistis", Philosophy of Science, 34: 311–325.
  • Hempel, Carl G., 1965, Aspek Penjelasan Ilmiah, New York: Free Press.
  • Horwich, Paul, 1982, Probabilitas dan Bukti, Cambridge: Cambridge University Press.
  • Howson, Colin, dan Peter Urbach, 1993, Penalaran Ilmiah: Pendekatan Bayesian, edisi ke-2, Chicago: Pengadilan Terbuka.
  • Jaynes, ET, 1968, "Probabilitas Sebelumnya", Institut Insinyur Listrik dan Elektronik tentang Ilmu Sistem dan Sibernetika, SSC-4: 227–241.
  • –––, 2003, Teori Probabilitas: Logika Ilmu Pengetahuan, G. Larry Bretthorst (ed.), Cambridge: Cambridge University Press.
  • Jeffrey, Richard, 1983, The Logic of Decision, 2nd ed., Chicago: University of Chicago Press.
  • –––, 1992, Probabilitas dan Seni Menghakimi, Cambridge: Cambridge University Press.
  • Jeffreys, Harold, 1948 [1961], Theory of Probability, 3d ed., Oxford: Clarendon Press.
  • Joyce, James M., 1998, “Pembenaran Probabilisme Nonpragmatis”, Philosophy of Science, 65: 575–603.
  • –––, 1999, Landasan Teori Keputusan Kausal, Cambridge: Cambridge University Press.
  • Kaplan, Mark, 1996, Decision Theory as Philosophy, Cambridge: Cambridge University Press.
  • Keynes, John Maynard, 1921, A Treatise on Probability, London: Macmillan.
  • Kitcher, Philip, 1990, “Divisi Buruh Kognitif”, Jurnal Filsafat, 87: 5–22.
  • Lange, Marc, 1999, "Kalibrasi dan Peran Epistemologis dari Bayesian Conditionalization", Journal of Philosophy, 96: 294-324.
  • Laplace, PS Marquis de, 1820 [1886], Théorie Analytique des Probabilitis, 3d ed., Paris: Gauthier-Villars.
  • Levi, Isaac, 1980, The Enterprise of Knowledge, Cambridge, Mass.: MIT Press.
  • –––, 1991, Fiksasi Kepercayaan Dan Keruntuhannya, Cambridge: Cambridge University Press.
  • Lewis, David, 1980, "Panduan Subyektivis untuk Peluang Objektif", dalam Richard C. Jeffrey (ed.), Studi dalam Logika dan Probabilitas Induktif (Vol. 2), Berkeley: University of California Press, 263–293.
  • Maher, Patrick, 1988, “Prediksi, Akomodasi, dan Logika Penemuan”, PSA, 1: 273–285.
  • Maher, Patrick, 1993, Betting on Theories, Cambridge: Cambridge University Press.
  • Mikkelson, Jeffrey M., 2004, “Melarutkan Paradoks Anggur / Air”, British Journal for the Philosophy of Science, 55: 137–145.
  • Pollock, John L., 1990, Probabilitas Probabilitas dan Fondasi Induksi, Oxford: Oxford University Press.
  • Popper, Karl, 1968, The Logic of Scientific Discovery, 3 rd ed, London:. Hutchinson.
  • Quine, WVO, 1966, “Carnap on Logical Truth”, dalam The Ways of Paradox, New York: Random House: 100-125.
  • Ramsey, Frank P., 1926, “Truth and Probability,” dalam Richard B. Braithwaite (ed.), Yayasan Matematika dan Esai Logika Lainnya, London: Routledge and Kegan Paul, 1931, hlm. 156–198.
  • Réyni, A., 1955, "Tentang Teori Kemungkinan Aksiomatik Baru", Acta Mathematica Academiae Scientiarium Hungaricae, 6: 285-385.
  • Rosenkrantz, RD, 1981, Yayasan dan Aplikasi Probabilitas Induktif, Atascadero, CA: Ridgeview Publishing.
  • Savage, Leonard, 1972, The Foundations of Statistics, edisi ke-2, New York: Dover.
  • Seidenfeld, Teddy, Joseph B. Kadane, dan Mark J. Schervish, 1989, “Tentang Preferensi Bersama dari Dua Pengambil Keputusan Bayesian”, Journal of Philosophy, 86: 225–244.
  • Shimony, Abner, 1988, "Sebuah Penurunan Adamite dari Kalkulus Probabilitas", dalam JH Fetzer (ed.), Probabilitas dan Sebab-Akibat, Dordrecht: Reidel.
  • Skyrms, Brian, 1984, Pragmatik dan Empirisme, New Haven: Yale University Press.
  • –––, 1990, The Dynamics of Rational Deliberation, Cambridge, Mass.: Harvard University Press.
  • Sober, Elliott, 2002, "Bayesianisme-Lingkup dan Batasnya", dalam Richard Swinburne (ed.), Teorema Bayes, Oxford: Oxford University Press, 21-38.
  • Strevens, Michael, 2004, “Bayesian Confirmation Theory: Inductive Logic, atau Mere Inductive Framework?”, Synthese, 141: 365-379.
  • Teller, Paul, 1976, "Pengkondisian, Pengamatan, dan Perubahan Preferensi", di W. Harper dan CA Hooker (eds.), Fondasi Teori Probabilitas, Inferensi Statistik, dan Teori Statistik Sains, Dordrecht: D. Reidel.
  • Van Fraassen, Bas C., 1983, "Kalibrasi: Pembenaran Frekuensi untuk Kemungkinan Pribadi", di RS Cohen dan L. Laudan (eds.), Fisika, Filsafat, dan Psikoanalisis: Esai untuk Kehormatan Adolf Grunbaum, Dordrecht: Reidel.
  • –––, 1984, “Belief and the Will”, Journal of Philosophy, 81: 235–256.
  • –––, 1995, “Keyakinan dan Masalah Ulysses dan Sirene”, Studi Filsafat, 77: 7–37.
  • Williamson, Jon, 1999, "Aditivitas Terhitung dan Probabilitas Subjektif", British Journal for the Philosophy of Science, 50: 401-416.
  • –––, 2007, “Memotivasi Bayesianisme Objektif: Dari Kendala Empiris hingga Probabilitas Objektif,” dalam WE Harper and GR Wheeler (eds.), Probabilitas dan Inferensi: Esai untuk Kehormatan Henry E. Kyburg, Jr, Amsterdam: Elsevier.
  • Zynda, Lyle, 1995, “Bukti Lama dan Teori Baru”, Studi Filsafat, 77: 67–95.

Alat Akademik

ikon sep man
ikon sep man
Cara mengutip entri ini.
ikon sep man
ikon sep man
Pratinjau versi PDF dari entri ini di Friends of the SEP Society.
ikon inpho
ikon inpho
Cari topik entri ini di Internet Ontology Philosophy Project (InPhO).
ikon makalah phil
ikon makalah phil
Bibliografi yang disempurnakan untuk entri ini di PhilPapers, dengan tautan ke basis datanya.

Sumber Daya Internet lainnya

Direkomendasikan: