基于语义信息论的确证方法——以乌鸦悖论和医学检验为例

摘要：确证度计算是现代归纳逻辑的核心议题。语义信息研究表明， 对于不太可靠的预测或假设，适度信任可以提高平均语义信息。求一系列证据提供的平均信息时，改变不信度 b’（即反例的真值），使平均语义信息达最大的不信度就是否证度 b’*, b*=1- b’*就是确证度。对于全称假设，确证度 b*=1-反例变小率/正例增大率。这表明，要确证一个假设，反例少比正例多更重要。按数理逻辑，“所有乌鸦是黑的”和“所有不黑的就不是乌鸦”等价；支持后者的证据（比如白粉笔）也支持前者。这违背常识，所以存在悖论。考虑医学检验，上述等价关系和常识都是错的。医学界用阳性似然比（LR+=敏感性/(1-特异性)）表示阳性有多可靠。幸好 b*=1-(1-特异性)/敏感性=1-1/LR+，因而和医学界共识兼容。

关键词：归纳逻辑；语义信息；确证；乌鸦悖论；医学检验

详见：

http://survivor99.com/lcg/newcm.pdf

如此重要的文章，可是投稿科学哲学杂志，居然退稿了。估计有两个原因：1）我不是圈子里的人， 人家不喜欢；2）公式太多， 他们看不懂。好在有互联网。 我的结论是明确的，确证度公式是明确的。 有比较才能有鉴别，可以和流行的各种确证度比较：https://www.princeton.edu/~osherson/papers/conf33.pdf

我的语义信息公式还能改进最大似然估计而检验，我在整理，迟早会有更多人相信！

我的更多信息论研究见：http://survivor99.com/lcg/books/GIT/