El razonamiento inductivo, Definición, Inducción, Parcialidad, Tipos, Inferencia bayesiana, Inferencia inductiva



El razonamiento inductivo, también conocida como la inducción o la lógica informal "de abajo arriba", es un tipo de razonamiento que se construye o evalúa las proposiciones generales que se derivan de ejemplos concretos. El razonamiento inductivo contrasta con el razonamiento deductivo, en la que los ejemplos específicos se derivan de las proposiciones generales.

Definición

La definición filosófica del razonamiento inductivo es mucho más matizada que la progresión sencilla de particulares/individuales instancias a generalizaciones más amplias. Por el contrario, las premisas de un argumento lógico inductivo indican algún grado de apoyo a la conclusión, pero no implican que, es decir, sugieren la verdad pero no garantizan que. De esta manera, existe la posibilidad de pasar de las generalizaciones a casos individuales. El razonamiento inductivo consiste en inferir principios o reglas generales de hechos específicos. Un ejemplo conocido laboratorio del razonamiento inductivo funciona como un juego de adivinanzas. Los participantes son tarjetas mostradas que contienen figuras que difieren en varias formas, tales como forma, número, y color. En cada ensayo, se les da dos cartas y les pidió que elegir la que representa un concepto particular. Después de elegir una tarjeta, el investigador dice "correcto" o "incorrecto".

Aunque muchos diccionarios definen el razonamiento inductivo como el razonamiento que se deriva principios generales a partir de observaciones específicas, este uso no está actualizado.

Descripción

El razonamiento inductivo es probabilística, sino que sólo indica que, dadas las premisas, la conclusión es probable.

Un silogismo estadístico es un ejemplo de razonamiento inductivo:

  • Casi todas las personas son más altos que 26 pulgadas
  • Gareth es una persona
  • Por lo tanto, es casi seguro que Gareth más alto que 26 pulgadas
  • Como un ejemplo más fuerte:

     100% de las formas de vida biológica que conocemos depende de que exista agua líquida. Por lo tanto, si se descubre una nueva forma de vida biológica que probablemente dependerá de que exista agua líquida.

    Este argumento se podría haber hecho cada vez que se encontró una nueva forma de vida biológica, y habría sido correcta cada vez, lo que no significa que sea imposible que en el futuro una forma de vida biológica que no requiere agua podría ser descubierto.

    Como resultado, el argumento puede afirmar menos formalmente como:

     Todas las formas de vida biológica que conocemos depende de que exista agua líquida. Toda la vida biológica depende de que exista agua líquida.

    El razonamiento inductivo deductivo vs

    A diferencia de los argumentos deductivos, el razonamiento inductivo permite la posibilidad de que la conclusión es falsa, incluso si todas las premisas son verdaderas. En lugar de ser válido o no válido, los argumentos inductivos pueden ser fuertes o débiles, que describe cuan probable es que la conclusión es verdadera.

    Un ejemplo clásico de un argumento inductivo incorrecta fue presentada por John Vickers:

     Todos los cisnes que hemos visto son blancos. Por lo tanto, todos los cisnes son blancos.

    Tenga en cuenta que esta definición de razonamiento inductivo excluye inducción matemática, que es una forma de razonamiento deductivo.

    Inducción

    El razonamiento inductivo ha sido criticada por pensadores tan diversos como Sexto Empírico y Karl Popper.

    El tratamiento clásico filosófico del problema de la inducción fue dada por el filósofo escocés David Hume. Hume destacó el hecho de que nuestros hábitos cotidianos de la mente dependen de sacar conclusiones inciertas de nuestras experiencias relativamente limitados y no en argumentos deductivamente válidos. Por ejemplo, creemos que el pan nos alimenta, ya que lo ha hecho en el pasado, a pesar de no garantía de que lo hará. Hume sostuvo que es imposible justificar el razonamiento inductivo: en concreto, que no puede justificarse por deducción, por lo que nuestra única opción es que lo justifique inductivamente. Dado que este es circular, concluyó que es imposible para justificar la inducción.

    Sin embargo, Hume declaró entonces que, incluso si la inducción se demostró poco fiable, todavía tendríamos que confiar en ella. Así que en lugar de una posición de escepticismo intenso, Hume abogaba por un escepticismo práctico basado en el sentido común, donde se acepta la inevitabilidad de la inducción.

    Parcialidad

    El razonamiento inductivo es también conocida como la construcción de hipótesis, porque las conclusiones formuladas se basan en el conocimiento y las predicciones actuales. Al igual que con los argumentos deductivos, los sesgos pueden distorsionar la correcta aplicación del argumento inductivo, evitando así que el razonador se forme la conclusión más lógica basada en las pistas. Ejemplos de estos sesgos son la heurística de disponibilidad, el sesgo de confirmación, y la tendencia previsible del mundo.

    La heurística de disponibilidad hace que el razonador que dependen principalmente de la información que está disponible para él/ella. La gente tiene una tendencia a confiar en la información que es fácilmente accesible en el mundo que les rodea. Por ejemplo, en las encuestas, cuando se pregunta para estimar el porcentaje de personas que murieron por diversas causas, la mayoría de los encuestados elegirían las causas que han sido más frecuentes en los medios de comunicación, como el terrorismo y asesinatos, y los accidentes de avión en lugar de causas tales como las enfermedades y los accidentes de tráfico, que han sido técnicamente "menos accesible" a la persona, ya que no se hace hincapié en que en gran medida en el mundo que lo/la rodean.

    El sesgo de confirmación se basa en la tendencia natural a confirmar en lugar de negar una hipótesis actual. Las investigaciones han demostrado que las personas tienden a buscar soluciones a los problemas que son más consistentes con las hipótesis conocidas en lugar de tratar de refutar las hipótesis. A menudo, en los experimentos, los sujetos le harán preguntas que buscan respuestas que se ajustan a las hipótesis establecidas, lo que confirma estas hipótesis. Por ejemplo, si existe la hipótesis de que Sally es una persona sociable, temas, naturalmente, tratar de confirmar la premisa haciendo preguntas que producirían respuestas confirman que Sally es de hecho una persona sociable.

    El sesgo predecible del mundo gira en torno a la inclinación a percibir para los que no se ha demostrado que existe. Un aspecto importante de este sesgo es superstición, que se deriva de la incapacidad de reconocer que las coincidencias son meramente coincidencias. Juegos de azar, por ejemplo, es una de las formas más evidentes de sesgo predecible-mundo. Los jugadores a menudo comienzan a pensar que ellos ven patrones en los resultados y, por lo tanto, creen que son capaces de predecir los resultados sobre la base de lo que han presenciado. En realidad, sin embargo, los resultados de estos juegos son difíciles, si no imposible de predecir. La percepción del orden surge de las ilusiones. Dado que las personas buscan constantemente algún tipo de orden para explicar o justificar sus creencias y experiencias, es difícil para ellos reconocer que la orden se percibe o se supone puede ser completamente diferente de lo que ellos creen que están experimentando.

    Tipos

    Generalización

    Una generalización procede de una premisa sobre una muestra a una conclusión sobre la población.

     El Q proporción de la muestra tiene atributo A. Por lo tanto: La Q proporción de la población tiene atributo A. Ejemplo

    Hay 20 bolas, ya sea negro o blanco, en una urna. Para la estimación de sus respectivos números, se dibuja una muestra de cuatro bolas y encontrar que tres son de color negro y el otro es blanco. Una buena generalización inductiva sería que no son 15 negro y cinco blancos, bolas en la urna.

    ¿Cuánto el apoyo premisas la conclusión depende del número en el grupo de muestra, el número de la población, y el grado en que la muestra representa la población. La generalización apresurada y la muestra sesgada son falacias de generalización.

    Silogismo estadístico

    Un silogismo estadístico procede de una generalización a una conclusión acerca de un individuo.

     Un Q proporción de la población P tiene atributo A. Un individuo X es un miembro de P. Por lo tanto: Hay una probabilidad que corresponde a Q que X tiene A.

    La proporción en la primera premisa sería algo así como "3/5ths de", "todos", "pocos", etc Dos dicto simpliciter falacias pueden ocurrir en silogismos estadísticos: "accidente" y "accidente conversar".

    Inducción simple

    Procede de inducción simple de una premisa de un grupo de muestra a una conclusión acerca de otra persona.

     Proporción Q de los casos conocidos de población P tiene atributo A. Individual Yo es otro miembro del P. Por lo tanto: Hay una probabilidad correspondiente a Q que tiene A.

    Esta es una combinación de una generalización y un silogismo estadístico, donde la conclusión de la generalización es también la primera premisa de la silogismo estadístico.

    El proceso de inferencia analógica consiste en tomar nota de las propiedades comunes de dos o más cosas, ya partir de esta base inferir que también comparten algunos más Inmueble:

     P y Q son similares en lo que respecta a las propiedades a, b, y c. Objeto P se ha observado que tienen propiedades adicionales x. Por lo tanto, Q probablemente tiene la propiedad x también.

    El razonamiento analógico es muy frecuente en el sentido común, la ciencia, la filosofía y las ciencias humanas, pero a veces sólo se acepta como método auxiliar. Un enfoque refinado es un razonamiento basado en casos. Para obtener más información sobre las inferencias por analogía, ver Juthe, 2005.

    Inferencia causal

    Una inferencia causal llega a una conclusión acerca de una conexión causal sobre la base de las condiciones de la ocurrencia de un efecto. Locales sobre la correlación de dos cosas pueden indicar una relación causal entre ambos, pero los factores adicionales deben ser confirmados para establecer la forma exacta de la relación causal.

    Predicción

    Una predicción llega a una conclusión acerca de un futuro individual de una muestra anterior.

     Proporción Q de miembros observados de grupo G han tenido atributo A. Por lo tanto: Hay una probabilidad correspondiente a Q que otros miembros del grupo G se han atribuir A la próxima vez que observa.

    Inferencia bayesiana

    Como la lógica de la inducción en lugar de una teoría de la creencia, la inferencia bayesiana no determina que las creencias son un racional a priori, sino que determina la forma en que debemos cambiar racionalmente las creencias que tenemos cuando se les presenta la evidencia. Empezamos por comprometerse a una probabilidad a priori de una hipótesis basada en la lógica o la experiencia previa, y cuando se enfrentan a las pruebas, que se ajusta la fuerza de nuestra creencia en que la hipótesis de una manera precisa el uso de la lógica bayesiana.

    Inferencia inductiva

    Alrededor de 1960, Ray Solomonoff fundó la teoría de la inferencia inductiva universales, la teoría de la predicción basada en las observaciones, por ejemplo, la predicción de la siguiente símbolo basado en una serie dada de símbolos. Se trata de un marco inductiva formal que combina la teoría algorítmica de la información con el marco bayesiano. Inferencia inductiva universal se basa en fundamentos filosóficos sólidos y puede ser considerado como una navaja de Occam matemáticamente formalizada. Ingredientes fundamentales de la teoría son los conceptos de probabilidad algorítmica y complejidad de Kolmogorov.