歸納推理-例子| Suming的分享空間

歸納推理-例子 ... 有效的: 所有觀察到的烏鴉都是黑的。

所以所有烏鴉都是黑的。

這例示了歸納的本質: 從特殊歸納出普遍。

結論明顯不是確定的。

除非我們見過 ... Suming的分享空間 JustanotherWordPress.comsite 歸納推理-例子 05三月2009發表留言 bycsuming in文章 [編輯]例子 有效的: 所有觀察到的烏鴉都是黑的。

所以所有烏鴉都是黑的。

這例示了歸納的本質:從特殊歸納出普遍。

結論明顯不是確定的。

除非我們見過所有的烏鴉–我們怎能都知道呢?–可能還有些罕見的藍烏鴉或是白烏鴉。

無效的: 我總是把畫像掛在釘子上。

所以所有畫像都是掛在釘子上的。

在這個例子中，前提建立在確定事物之上:"我總是把畫像掛在釘子上"，但是不是所有的人都把畫像掛在釘子上，而那些確實使用釘子的人也可能只是有時使用。

有很多物體可以用來掛畫像，包括但不限於:螺絲釘、螺栓和夾子。

我做的結論是過度普遍化，並在某些情況下是錯的。

少年們得到了許多超速罰單。

所以所有少年都超速。

在這個例子中，基礎前提不是建立在確定事物之上:不是所有我發現超速的少年得到了罰單。

這可能在於少年要超速的普遍本質–同烏鴉是黑的一樣–但是前提所基於的更像痴心妄想而不是直接的觀察。

[編輯]有效性 多數人學習的形式邏輯是演繹的而不是歸納的。

一些哲學家聲稱要建立歸納邏輯的系統，但是對歸納的邏輯是否可能是有爭議的。

相對於演繹推理，歸納推理達成的結論並非必然與最初的假定有相同的確定程度。

例如，所有天鵝都是白色的結論明顯是錯的，但在殖民于澳洲之前在歐洲一直被認為是正確的。

歸納論證從來就不是有約束力的但它們可以是有說服力的。

歸納推理在演繹上是無效的。

(在形式邏輯中的論證是有效的，若且唯若論證的前提為真而結論卻為假是不可能的。

) 在歸納法中，總是有很多結論可以合理的關聯於特定前提。

歸納是開放的；而演繹是封閉的。

歸納問題的經典哲學處理，意味著為歸納推理找到了正當理由，是蘇格蘭人大衛·休謨完成的。

休謨突出了依據重複經驗的模式的我們的日常推理，而不是演繹上的有效論證。

比如我們相信麵包對我們有益，因為過去一直如此，但是麵包將來對我們有害至少是可以想象的。

休謨說對所有事情都堅持可靠的演繹上的正當有理的人會餓死的。

替代激進懷疑論關於所有事物的無所作為，他提倡基於常識的實用懷疑論，這裏接受歸納法是必然的。

二十世紀的開發者很不同的為歸納問題加了外框。

勝過選擇對將來做什麼預測，它可以被看作是選擇適合於觀察的概念(參見條目藍綠色)或適合於觀測數據點的曲線圖。

歸納法有時被加邊框為關於從過去做關於將來的推理，但是在最廣泛的意義上它含蓋了在已觀察的事物的基礎上達成對未觀察的事物的結論。

從現在的證據推論過去(比如考古)也算做歸納法。

歸納法也可以跨越空間而不是時間，比如從在我們的星系得出關於整個宇宙的結論，基於本地經濟業績得出關於國家經濟政策的結論。

[編輯]歸納推理的類型 普遍化 普遍化或歸納普遍化，是從關於樣本的前提到關於總體的結論的過程。

1.    比例為Q的樣本有性質A。

2.    結論:比例為Q的全體有性質A。

前提提供給結論的支持依賴於樣本群體中的個體數目可比較于全體中的成員的數目，和樣本的隨機性。

草率普遍化和偏倚樣本是與普遍化有關的謬誤。

統計三段論 統計三段論是從一個普遍化到關於一個個體的結論的過程。

1.    比例為Q的總體P有性質A。

2.    個體I是P的成員。

3.    結論:個體I有性質A的機率相當於Q。

在前提1中比例可以是像‘3/5’、‘所有的‘或‘一些‘這樣的詞。

兩個dictosimpliciter謬論可以出現在統計三段論中。

它們是"意外"和"反意外"。

簡單歸納 簡單歸納是從關於一個樣本群體到關於另一個個體的結論的過程。

1.    全體P的比例為Q的已知實例有性質A。

2.    個體I是P的另一個成員。

3.    結論:個體I有性質A的機率相當於Q。

這實際上是普遍化和統計三段論的組合，這裏的普遍化的結論也是統計三段論的第一個前提。

類推論證 (歸納的)類推是從已知的在兩個事物之間的類似性到關於在這兩個事物之間公共的一個額外性質的結論的過程: 1.    事物P類似於事物Q。

2.    事物P有性質A。

3.    結論:事物Q有性質A。

類推依賴於已知共享的性質(類似性)蘊涵A也是共享的性質的推論。

前提提供給結論的支持依賴於相干性和在P和Q的類似性。

因果推論 因果推論基於效果發生的條件得出關於因果關聯的結論。

關於兩個事物的相關性的前提可以指示在它們之間的因果聯繫，但是必須鞏固上額外的因素來建立因果聯繫的精確形式。

預測 預測從過去的樣本得出關於將來的個體的結論。

1.    群體G的比例為Q的觀測過的成員有性質A。

2.    群體G的下一個觀測的成員有性質A的機率相當於Q。

典據論證 引經據典論證基於來源說真命題的比例得出關於一個陳述的真實性的結論。

它與推測有相同的形式。

1.    權威A的比例為Q的主張是對的。

2.    權威A的這個主張是對的機率相當於Q。

例子: 來自關於邏輯的網站的所有的評述都是對的。

這個信息來自關於邏輯的網站。

所以，這個信息(可能)是對的。

[編輯]貝葉斯推理 歸納邏輯的候選系統中，最有影響的是貝葉斯主義，它使用機率論作為歸納的框架。

貝葉斯定理被用於在給定某些證據時計算你對一個假設的信任的強度應當改變多少。

關於從何得知最初的可信度是有爭議的。

客觀貝葉斯主義者尋求對於假設為正確的機率的客觀評估，而因此不能倖免于客觀主義的哲學批判。

主觀貝葉斯主義者堅持表示主觀可信度的先驗機率，但是貝葉斯定理的反覆應用導致了同後驗機率的高度一致性。

因此它們不能為在衝突的假設間做出選擇提供客觀標準。

可以用這種理論理性的證明對某些假設的相信是正當的，但是要付出拒絕客觀主義的代價。

比如，不能使用這種方案在衝突的科學範例之間做客觀決定。

EdwinJaynes是率直的物理學家和貝葉斯主義者，他聲稱‘主觀‘因素在所有推理中都存在(比如為演繹推理選擇公理，選擇最初的可信度或先驗機率，選擇可能度)，併為來自定性知識的事物指派機率提出一系列的原理。

最大熵(不關心原理的推廣)和變換群組是他建立的兩個結果工具；二者都嘗試通過把知識比如條件的對稱性轉換成對機率分佈的明確選擇，減輕在特定條件下機率指派的主觀性。

貝葉斯主義者感覺有資格稱它們的系統為歸納邏輯，由於Cox定理可以從在歸納推理系統上的約束推導出機率。

Sharethis:TwitterFacebook請按讚：喜歡正在載入... 相關 Previous歸納推理NextLilyAllen-FuckYou 發表迴響取消回覆 在此輸入你的回應… 在下方填入你的資料或按右方圖示以社群網站登入： 電子郵件（必須填寫）（電子郵件地址不會公開） 名稱（必須填寫） 個人網站 您的留言將使用WordPress.com帳號。

( 登出 /  變更 ) 您的留言將使用Twitter帳號。

( 登出 /  變更 ) 您的留言將使用Facebook帳號。

( 登出 /  變更 ) 取消 連結到%s 透過電子郵件通知我後續回應。

有新文章時用Email通知我。

Δ 頁面 關於 分類 EXCEL應用(14) 電腦和網際網路(2) 電影(3) 音樂(77) 健康(7) 嗜好(6) 圖書(2) 娛樂(4) 心情抒發(8) 文章(29) 新聞與政治(31) 未分類(2) 欠國家的終究還是要還的(7) 文章存檔 2011年二月 2011年一月 2010年十二月 2010年十一月 2010年七月 2010年六月 2010年五月 2010年四月 2010年二月 2010年一月 2009年十二月 2009年十一月 2009年十月 2009年九月 2009年八月 2009年七月 2009年六月 2009年五月 2009年四月 2009年三月 2009年二月 2009年一月 2008年十二月 2008年十一月 2008年十月 2008年九月 2008年八月 2008年六月 2008年五月 2008年四月 2008年三月 2008年二月 2008年一月 2007年十二月 2007年十月 2007年九月 在WordPress.com建立免費網站或網誌.• 隱私權與Cookie：此網站可使用Cookie。

繼續使用此網站即表示你同意使用Cookie。

若要瞭解更多資訊，包括如何控制Cookie，請參閱此處： Cookie政策 追蹤 已追蹤 Suming的分享空間 我要註冊 已經有WordPress.com帳號了？立即登入。

Suming的分享空間 自訂 追蹤 已追蹤 註冊 登入 複製短網址 回報此內容 以閱讀器檢視 管理訂閱 收合此列 %d位部落客按了讚：