|||
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/
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-2 01:25
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社