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 |
|