Gemäß der Bayesschen Inferenz-/Bestätigungstheorie steigt Ihr Vertrauen in eine Hypothese, wenn Sie immer mehr Beweise beobachten, die von dieser Hypothese vorhergesagt werden (gemäß dem Bayes-Theorem und den Gesetzen der Wahrscheinlichkeitsrechnung). Diese Aktualisierungen erfolgen auf ganz bestimmte Weise. Obwohl mit dieser Version der Bestätigungstheorie einige andere Probleme verbunden sind, ist diese zumindest im Prinzip recht intuitiv.
Angesichts einer grausamen Hypothese fällt diese Idee jedoch auseinander. Ich könnte eine Hypothese vorschlagen: "Alle A's sind B's". Jedes Mal, wenn es ein neues Beispiel dafür gibt, dass ein A ein B ist, verbessert sich mein Vertrauen in diese Hypothese. Wir können jedoch eine gruselige Hypothese aufstellen: "Alle A's sind B's bis zum Zeitpunkt t". Diese Hypothese sagt dasselbe voraus wie die erstere, aber es gibt zu einem beliebigen Zeitpunkt eine Divergenz darüber, was wirklich passiert.
Steigt unser Vertrauen in diese beiden Hypothesen wirklich in gleicher Weise?
Gibt es eine Möglichkeit, dieses Problem zu lösen, die nicht auf eine willkürliche Auswahl früherer Wahrscheinlichkeiten hinausläuft, um die erstere Art von Hypothese zu bevorzugen?
Ich denke, Sie haben mindestens 3 Hypothesen.
h1. All A are B.
h2. h1 will be correct until at least time t.
h3. At time t some A will stop being B.
Ihr Vertrauen in h1 wird zunehmen, wenn Sie A entdecken, die B sind (und kein A entdecken, das nicht B ist).
Ihr Vertrauen in h2 wird zunehmen, wenn Sie sich der Zeit t nähern und kein A beobachten, das nicht B ist
Sie können niemals einen Beweis dafür beobachten, dass A vor t nicht B wird, also bleibt Ihr Vertrauen in h3 in Ermangelung von Beweisen gleich.
Konifold
Mark Andrews
Joe Lee-Doktor
Konifold
Joe Lee-Doktor