| 统计学知识建构中的逻辑思维方法 |
|
|
|
概念的定义却是来自现实世界，是新知体系的基础；新的公理和新的概念、定义蕴涵了新知，但也不能说有了新前提就可以了，新的推论并非和其前提一样是不证自明的。因此，演绎证明并没有失去意义，我们需要演绎逻辑把推论变得明了，变成可以接受的一般常识。
（二） 归纳法
归纳推理所面对的问题与上述问题正好相反，它依所给定的某些结果来决定前提。现实世界里，要基于不完全或劣质的信息作出决断，只有通过归纳推理。所谓归纳推理，就是由观测的数据去匹配一个假设，从而由特殊推向一般的逻辑推理过程。由此产生新的知识，但是由于在数据和假设之间缺乏一对一的对应关系，这是一种带有不确定性的知识。与给定公理下的演绎推理不同，归纳推理由给出的数据所作的判断是缺乏精确性的，这种精确性的缺乏有碍于对归纳推理的系统化。按人们习惯的推演逻辑，如果发展一种理论或导入的推理规则不能保障给出准确的结果，他们似乎就不被人们所接受。因此，归纳推理更多地被看做是一种技巧，其运用成功的程度依赖于个人的技能、经验和直觉。
（三） 风险管理的逻辑方程
直到20世纪初，人们认识到，尽管由特殊到一般化的规律所建立起来的知识是不确定的，但如果能度量所含的不确定性，则获得的知识尽管种类不同以往却是确定的。这种新的结构可以表示为如下风险管理的逻辑方程：
不确定的知识+所含不确定性量度的知识=可用的知识
这不是哲学，这是一种新的思维方法。由这个基本方程可以导出风险管理的一个有效方法，它把未来置于现时可作出明智决策的有助框架之中：在不确定性的前提下作出抉择，则错误不可避免；如果错误不可避免，则在一定的规律下作出抉择（形成新的带有不确定性的知识）时，最好能知道犯错误的概率（对不确定性量度的知识）；这样的知识能够用于找出制定决策的某种规律，从而减少我们决策的盲目性，使损失最小。
当已知了各种事件发生的结果和发生的概率下，带不确定性的决策可以划归为演绎逻辑的问题，处理偶然性已经不再成为无所适从的事情了。正是基于随机性事自然界固有的这个前提，凯特勒（A.Quetlet）利用概率论的概念来描述社会学和生物学现象；孟德尔（G.Mendel）通过简单的随机性结构，入投掷骰子，公式化了他的遗传法则；玻尔兹曼（Boltzmann）对理论物理中最重要的基本命题之一的热力学上一页 [1] [2] [3] [4] 下一页 |
|
|
| |
|
上一个论文： 医学生医学统计学课堂教学生活化思考
下一个论文： 统计为企业管理服务 |
|
用户登录 
新用户注册 