Silogismo estadístico
La versión actual de la página aún no ha sido revisada por colaboradores experimentados y puede diferir significativamente de la
versión revisada el 5 de enero de 2021; las comprobaciones requieren
2 ediciones .
Un silogismo estadístico es un silogismo no deductivo de la siguiente forma:
|
|
La parte de X objetos de la clase F tiene la propiedad G;
|
|
|
Se sabe que I es un objeto de clase F;
|
| Como consecuencia
|
I tiene la propiedad G con una probabilidad del orden de X
|
Uso
Dado que el silogismo estadístico es una proposición inductiva , da una conclusión probabilística. Y para evaluar la confiabilidad de esta conclusión, debe usar los mismos medios que para evaluar la confiabilidad de otro razonamiento inductivo. En particular, es importante estimar correctamente la proporción de X. Para aplicar el silogismo, es deseable que X sea grande y que el elemento de F se elija al azar . Si un elemento de la clase F no se elige al azar , el silogismo aún se puede aplicar con éxito, siempre que el elemento seleccionado sea típico de la clase F. Estos son los mismos requisitos que generalmente se imponen al muestreo .
Uno de los problemas con el uso de un silogismo es que el sujeto m puede pertenecer a muchas clases de referencia: F1, F2, F3, ..., Fn Para aplicar correctamente el silogismo estadístico en tal situación, necesita:
- (a) conocer las probabilidades (o frecuencias) Xi;
- (b) saber si estas probabilidades son probabilidades de eventos independientes (conocer la característica cuantitativa de la intersección de clases Fi)
- (c) calcular correctamente la probabilidad (compartir) X
Otro problema es ignorar la información de que el objeto m no es un representante típico de la clase F. Ejemplo :
|
|
Si sabemos que los caniches suelen ser amigables
|
|
|
Pero sabemos que a menudo golpean a Donnie, el caniche.
|
| Como consecuencia
|
Debemos contar con la sospecha de que Donnie no es un caniche ordinario.
|
Variaciones
La "forma positiva" del silogismo estadístico en otras palabras: [1]
|
|
La mayoría de los objetos de la clase F tienen la propiedad G
|
|
|
El objeto m pertenece a la clase F
|
| Como consecuencia
|
El objeto m tiene la propiedad G en lugar de no tenerla.
|
La "forma negativa" del mismo silogismo en otras palabras:
|
|
Pocos objetos de la clase F tienen la propiedad G
|
|
|
El objeto m pertenece a la clase F
|
| Como consecuencia
|
El objeto m no tiene la propiedad G en lugar de tenerla
|
Ejemplos
|
|
La mayoría de (X) personas (F) miden más de 80 cm (G);
|
|
|
Charlie (I) es una persona (F);
|
| Como consecuencia
|
Charlie (I) es muy probable (X) que mida más de 80 cm (G)
|
|
|
Pocos pájaros (F) no pueden volar (G)
|
|
|
El periquito (m) es un pájaro (F)
|
| Como consecuencia
|
Es más probable que el periquito (m) pueda volar (¬G) que no pueda volar
|
- Ejemplo 3 [2] (" paradoja del free rider " [3] ):
|
|
Se sabe que 501 de 1000 (X) asistentes al (F) rodeo no pagaron (G) boletos
|
|
|
Un visitante aleatorio (I) es un visitante (F)
|
| Como consecuencia
|
el asistente ocasional (I) al rodeo podría ser demandado por falta de pago (G) ya que preferiría (X) no pagar (G) por el boleto que pagar
|
Silogismo estadístico que subyace a la generalización inductiva sobre las propiedades de la población general basada en mediciones de elementos de la muestra .
|
|
Es más probable (X) que muestras grandes de la población P tengan composiciones cercanas a la composición de P
|
|
|
Se sabe que S es una muestra aleatoria grande del conjunto P
|
| De este modo
|
La composición de S es cercana a la composición de P
|
Véase también
Notas
- ↑ Cuatro variedades de argumento inductivo, Departamento de Filosofía, UNCG
- ↑ LJ Cohen, (1981) Probabilidad subjetiva y la paradoja del intruso, Arizona State Law Journal, p. 627
- ↑ Nance, Dale A., A Comment on the Supposed Paradoxes of a Mathematical Interpretation of the Logic of Trials Archivado el 6 de diciembre de 2018 en Wayback Machine (1986). Universidad Case Western Reserve. Publicaciones de la Facultad. Papel 456 .