Вероятностная причинность - Probabilistic causation - Wikipedia

Вероятностная причинность - концепция в группе философских теорий, которые стремятся охарактеризовать отношения между причиной и следствием с помощью инструментов теория вероятности. Центральная идея этих теорий заключается в том, что причины повышают вероятность их последствий, при прочих равных.

Детерминистская теория против вероятностной

Устный перевод причинность как детерминированный отношение означает, что если А причины B, тогда А должен всегда следовать B. В этом смысле война не вызывает смертей и курение причина рак. В результате многие обращаются к понятию вероятностной причинности. Неофициально А вероятностно причины B если А 'появление увеличивает вероятность B. Иногда это интерпретируется как отражение несовершенного знания о детерминированной системе, но в других случаях интерпретируется как означающее, что изучаемая причинная система по своей природе недетерминированный природа. (Вероятность склонности аналогичная идея, согласно которой вероятности объективно существуют, а не являются ограничениями в знаниях субъекта).

Такие философы, как Хью Меллор[1] и Патрик Суппес[2] определили причинность с точки зрения причины, предшествующей и увеличивающей вероятность следствия. (Кроме того, Меллор утверждает, что причина и следствие являются фактами, а не событиями, поскольку даже непредвиденное событие, такое как отказ поезда, может вызвать такие эффекты, как то, что я сижу на автобусе. Суппес, напротив, полагается на события определены теоретически множеством, и большая часть его обсуждения основана на этой терминологии.)[3]

Жемчужина[4] утверждает, что вся попытка вероятностной причинности была ошибочной с самого начала, потому что центральное понятие, которое вызывает «повышение вероятности» их последствий, не может быть выражено на языке теории вероятностей. В частности, неравенство Pr (следствие | причина)> Pr (следствие | ~ причина) которые философы использовали для определения причинности, а также ее многочисленных вариаций и нюансов, не в состоянии уловить интуицию, стоящую за «повышением вероятности», которое по своей сути является манипулятивным или контрфактическим понятием.

Правильная формулировка, согласно Перл, должна гласить:

Pr (эффект | do (причина))> Pr (эффект | do (~ причина))

куда делать (C) означает внешнее вмешательство, которое заставляет истину C. Условная вероятность Pr (E | C), напротив, представляет собой вероятность, возникающую в результате пассивного наблюдения C, и редко совпадает с Pr (E | do (C)). Действительно, наблюдение за падением барометра увеличивает вероятность приближения шторма, но не «вызывает» шторм; если бы манипулирование барометром изменяло вероятность шторма, падающий барометр считался причиной шторма. В общем, формулировка понятия «повышение вероятности» в рамках исчисления делать-операторы[4] разрешает трудности, с которыми вероятностная причинность столкнулась за последние полвека,[2][5][6] среди них печально известные Парадокс Симпсона, и точно разъясняет, какие отношения существуют между вероятностями и причинно-следственной связью.

Установление причины и следствия, даже при таком расслабленном прочтении, общеизвестно сложно, что выражается в широко распространенном утверждении "Корреляция не подразумевает причинно-следственной связи ". Например, наблюдение, что у курильщиков резко увеличивается заболеваемость раком легких, не означает, что курение должно быть причина об увеличении заболеваемости раком: возможно, существует определенный генетический дефект, который вызывает и рак, и тягу к никотину; или даже, возможно, тяга к никотину является симптомом очень ранней стадии рака легких, который иначе не обнаруживается. Ученые всегда ищут точные механизмы, с помощью которых событие А производит событие B. Но ученым также удобно делать такие утверждения, как «курение, вероятно, вызывает рак», когда статистическая корреляция между ними, согласно теории вероятности, намного больше, чем случайность. В этом двойном подходе ученые принимают в своей терминологии как детерминированную, так и вероятностную причинность.

В статистика, общепринято, что обсервационные исследования (например, подсчет случаев рака среди курильщиков и некурящих с последующим их сравнением) могут дать подсказки, но никогда не могут учреждать причина и следствие. Однако часто качественные причинные допущения (например, отсутствие причинно-следственной связи между некоторыми переменными) могут позволить получить согласованные оценки причинно-следственных связей на основе наблюдательных исследований.[4]

Золотым стандартом причинно-следственной связи здесь является рандомизированный эксперимент: возьмите большое количество людей, случайным образом разделите их на две группы, заставьте одну группу курить и запретите другой группе курить, а затем определите, значительно ли повысился уровень заболеваемости раком легких в одной группе. Случайное распределение играет решающую роль в выводе о причинно-следственной связи, потому что в конечном итоге оно делает две группы эквивалентными с точки зрения всех других возможных воздействий на результат (рак), так что любые изменения в исходе будут отражать только манипуляции ( курение). Очевидно, по этическим причинам это эксперимент не могут быть выполнены, но метод широко применим для менее разрушительных экспериментов. Однако одним из ограничений экспериментов является то, что, хотя они хорошо справляются с проверкой наличия некоторого причинного эффекта, они хуже оценивают размер этого эффекта в интересующей нас популяции. (Это распространенная критика исследований безопасности пищевых добавок, в которых используются дозы, намного превышающие дозу, которую люди, потребляющие продукт, фактически принимают.)

Закрытые и открытые системы

В закрытая система данные могут указывать на эту причину А * Б предшествует эффекту C в определенный промежуток времени τ. Эта связь может определять причинно-следственную связь с уверенностью, ограниченной τ. Однако эта же взаимосвязь не может быть детерминированной с уверенностью в открытой системе, где неконтролируемые факторы могут повлиять на результат.[7]

Примером может служить система A, B и C, где A, B и C известны. Характеристики приведены ниже и ограничены заданным временем (например, 50 мс или 50 часов):

^ A * ^ B => ^ C (99,9999998027%)

A * ^ B => ^ C (99,9999998027%)

^ A * B => ^ C (99,9999998027%)

А * В => С (99,9999998027%)

Можно обоснованно утверждать, что в пределах 6 Стандартное отклонение, что A * B вызывает C с учетом временной границы (например, 50 мс или 50 часов) Если и только если A, B и C - это Только части рассматриваемой системы. Любой результат за пределами этого может считаться отклонением.

Примечания

  1. ^ Меллор, Д. Х. (1995) Факты причинно-следственной связи, Рутледж, ISBN  0-415-19756-2
  2. ^ а б Суппес, П. (1970) Вероятностная теория причинности, Амстердам: Издательство Северной Голландии.
  3. ^ Стэнфордская энциклопедия философии: Интерпретации вероятности
  4. ^ а б c Жемчужина, Иудея (2000). Причинность: модели, рассуждения и умозаключения, Издательство Кембриджского университета.
  5. ^ Картрайт, Н. (1989). Возможности природы и их измерение, Кларедон Пресс, Окснард.
  6. ^ Eells, E. (1991). Вероятностная причинность Издательство Кембриджского университета, Кембридж, Массачусетс.
  7. ^ Марковское условие: Интерпретации философии

Рекомендации