鉴于乔治·F·克利尔(George F. Klir)关于模糊集的书中讨论的不确定性管理的真正有用原理,我将从哲学的另一个方向进行探讨。我不能提供范德兰的精确性,但我可以提供一个详尽的案例,说明为什么他的目标在逻辑上是不可能的。这将引起冗长的讨论,涉及其他领域,请耐心等待。
Klir和他的合著者将不确定性分为几种亚型,例如非特异性(即,当您有一组未知的替代方案时,可以通过Hartley函数之类的方法进行处理)。定义不精确(即在模糊集中建模和量化的“模糊性”);证据上的冲突或不和谐(在Dempster-Shafer证据理论中得到了解决);加上概率论,可能性论和度量不确定性,目的是要有足够的范围来捕获相关证据,同时最大程度地减少错误。我将整个统计技术工具箱视为以不同方式划分不确定性的另一种方法,就像千篇一律。置信区间和p值以一种方式隔离不确定性,而诸如Shannon的熵之类的度量则从另一个角度将其降低。他们能做什么 但是,要做的就是彻底消除它。为了获得范德兰似乎描述的那种“精确模型”,我们需要将所有这些类型的不确定性降低到零,以便不再需要划分。一个真正的“精确”模型将始终具有1的概率和可能性值,非特异性得分为0,并且在术语定义,值范围或度量范围中都没有不确定性。在其他证据来源中不会有矛盾。这种模型所做的预测将始终是100%准确的;预测模型从本质上将其不确定性分配到了未来,但是没有什么可以推迟的。不确定性观点具有一些重要含义:范德兰(Van der Laan)似乎描述了这种类型,我们需要将所有这些类型的不确定性降低到零,以便不再需要划分。一个真正的“精确”模型将始终具有1的概率和可能性值,非特异性得分为0,并且在术语定义,值范围或度量范围中都没有不确定性。在其他证据来源中不会有矛盾。这种模型所做的预测将始终是100%准确的;预测模型从本质上将其不确定性分配到了未来,但是没有什么可以推迟的。不确定性观点具有重要意义:范德兰(Van der Laan)似乎描述了这种类型,我们需要将所有这些类型的不确定性降低到零,以便不再需要划分。一个真正的“精确”模型将始终具有1的概率和可能性值,非特异性得分为0,并且在术语定义,值范围或度量范围中都没有不确定性。在其他证据来源中不会有矛盾。这种模型所做的预测将始终是100%准确的;预测模型从本质上将其不确定性分配到了未来,但是没有什么可以推迟的。不确定性观点具有重要意义:一个真正的“精确”模型将始终具有1的概率和可能性值,非特异性得分为0,并且在术语,值的范围或度量范围的定义中没有任何不确定性。在其他证据来源中不会有矛盾。这种模型所做的预测将始终是100%准确的;预测模型从本质上将其不确定性分配到了未来,但是没有什么可以推迟的。不确定性观点具有一些重要含义:一个真正的“精确”模型将始终具有1的概率和可能性值,非特异性得分为0,并且在术语,值的范围或度量范围的定义中没有任何不确定性。在其他证据来源中不会有矛盾。这种模型所做的预测将始终是100%准确的;预测模型从本质上将其不确定性分配到了未来,但是没有什么可以推迟的。不确定性观点具有一些重要含义:这种模型所做的预测将始终是100%准确的;预测模型从本质上将其不确定性分配到了未来,但是没有什么可以推迟的。不确定性观点具有一些重要含义:这种模型所做的预测将始终是100%准确的;预测模型从本质上将其不确定性分配到了未来,但是没有什么可以推迟的。不确定性观点具有一些重要含义:
•这种高要求不仅在物理上令人难以置信,而且在逻辑上实际上是不可能的。显然,通过使用易犯错误的物理科学设备收集有限的观测值,我们无法获得无穷小程度的完美连续测量尺度。在测量规模方面总会有一些不确定性。同样,我们在实验中使用的定义总是会有些模糊。未来也具有内在的不确定性,因此我们对“精确”模型的所谓完美预测必须被视为不完美的,除非另行证明-这将需要永恒。
•更糟糕的是,在此过程中的某个时刻,没有一种测量技术能够百分百没有误差,也不能使其足够全面以涵盖宇宙中所有可能冲突的信息。此外,如果不检查所有影响我们正在检查的物理过程以及影响这些次要过程的物理过程,就不可能彻底证明消除可能的混淆变量和完全的条件独立性。
•精确性仅在纯逻辑及其子集(数学)中才有可能,正是因为抽象与现实世界的关注点(如这些不确定性源)不同。例如,通过纯演绎逻辑,我们可以证明2 + 2 = 4,而其他任何答案都是100%错误的。我们还可以做出完全精确的预测,使其始终等于4。只有在处理抽象时,此类精度才可能在统计数据中实现。当将统计信息应用于现实世界时,它是非常有用的,但使之有用的东西至少会注入一定程度的不可避免的不确定性,从而使其变得不精确。这是不可避免的困境。
•此外,Peter Chu在链接的文章rvl的注释部分中提出了其他限制。他说得比我更好:
“ NP难题的解决方案表面通常充斥着许多局部最优解,在大多数情况下,要解决该问题在计算上是不可行的,也就是说,通常无法找到全局最优解。因此,每个建模者都在使用某些(启发式)建模技术,充其量只能在这个复杂目标函数的广阔解空间中找到足够的局部最优解。”
•所有这些都意味着科学本身不可能完全准确,尽管范德兰在他的文章中似乎是这样说的。作为抽象过程的科学方法是可以精确定义的,但是不可能实现通用且完美的精确测量,这意味着它无法生成没有不确定性的精确模型。科学是一个伟大的工具,但是有其局限性。
•从那里开始变得更糟:即使可以精确测量作用在宇宙中每个夸克和胶子上的所有力,仍然存在一些不确定性存在。首先,由于存在五次方程和高阶多项式的多重解,因此由这样一个完整模型做出的任何预测仍将是不确定的。其次,我们不能完全确定经典问题“也许这是所有的梦想或幻觉”中体现的极端怀疑论并不是对现实的反映-在这种情况下,我们所有的模型确实以最糟糕的方式是错误的。这基本上相当于对诸如现象主义,唯心主义和唯心主义之类的哲学的原始认识论表述进行更为极端的本体论解释。
•在他1909年的经典《正教》中切斯特顿(GK Chesterton)指出,确实可以判断这些哲学的极端形式,但是可以通过是否将其信徒带入心理机构来判断。例如,本体论唯亲主义实际上是精神分裂症的标志,就像它的一些表亲一样。我们在这个世界上可以取得的最好成绩是消除合理的怀疑;即使在假设的精确模型世界中,也无法严格消除这种令人不安的疑问,即使是精确的模型,详尽且无差错的测量。如果范德兰(van der Laan)的目标是消除我们的不合理怀疑,那么他就是在玩火。把握完美,我们能做的有限的善事就会在我们的手指间溜走。我们是存在于无限世界中的有限生物,这意味着范德兰主张的那种完全而完全确定的知识永远是我们无法掌握的。我们达到那种确定性的唯一方法是,从那个世界退回到我们称为“纯数学”的完全抽象的狭义范围内。但是,这并不意味着退回到纯数学是消除不确定性的解决方案。这实质上是路德维希·维特根斯坦(Ludwig Wittgenstein,1889-1951)的继任者所采取的方法,他通过完全拒绝形而上学并将其完全退缩为纯粹的数学和科学主义以及极端怀疑主义,耗尽了其具有任何常识的逻辑实证主义哲学,过度专业化和过分强调准确性而不是有用性。在此过程中,他们通过将哲学学科分解为对定义和肚脐凝视的混乱状态而破坏了哲学学科,从而使其与其他学术界无关。这从根本上杀死了整个学科,直到20世纪初,该学科一直处于学术辩论的最前沿,直到现在它仍然引起了媒体的关注,并且它的一些领导人是家喻户晓的人物。他们抓住了这个世界的完美,优美的解释,它滑过了手指-就像GKC所说的精神病患者所做的那样。范德·兰(Van der Laan)的把握也将落空,后者已经证明了自己的观点,如下所述。追求过于精确的模型不仅是不可能的。如果直言不讳,那将是危险的。对这种纯洁的追求很少能顺利完成。它常常像那些细菌擦洗手一样疯狂,以至于最终导致伤口被感染。它' 让人想起伊卡洛斯(Icarus)试图从太阳偷火:作为有限的存在,我们只能对事物有有限的了解。正如切斯特顿在正教中所说的那样:“是逻辑学家试图将诸葛亮带入他的脑袋。而那是他的脑袋裂开了。”
鉴于上述,让我解决rvl列出的一些具体问题:
1)没有假设的模型要么a)不了解其自身的假设,要么b)必须与引入不确定性的考虑(例如测量误差,考虑每个可能的混杂变量,完美连续的测量标度和喜欢。
2)关于最大似然估计(MLE),我仍然是一个新手,因此我无法对目标似然的机制进行评论,除非指出明显的事实:似然只是那个,一种可能性,而不是确定性。要导出精确模型,需要完全消除不确定性,而概率逻辑很少会做到(如果有的话)。
3)当然不是。由于所有模型都存在一定的不确定性,因此不精确(纯数学的情况除外,与现实世界中的物理测量结果不同),因此人类迄今将无法取得任何技术进步,或者实际上无法取得任何其他进步。所有。如果不精确的模型总是无用的,那么我们将在一个洞穴中进行对话,而不是依靠这种不可思议的技术壮举,即互联网,这一切都可以通过不精确的建模来实现。
具有讽刺意味的是,范德兰自己的模型是不精确性的一个主要例子。他自己的文章勾勒出一种模型,说明应如何管理统计领域,以建立精确的模型为目标。这个“模型”还没有数字,他现在还没有衡量大多数模型有多不精确或无用,也没有量化我们离他的视野有多远,但是我想一个人可以为这些事情设计测试。但是,按照目前的情况,他的模型并不精确。如果没有用,就说明他的观点是错误的。如果有用的话,那就打破了他的主要观点,即不精确的模型没有用。无论哪种方式,他都反对自己的论点。
4)可能不是,因为我们无法获得用于测试模型的完整信息,出于同样的原因,我们不能一开始就得出精确的模型。根据定义,一个精确的模型将需要完美的可预测性,但是即使前100个测试的结果是100%准确,第101个测试也可能不需要。然后就是无穷小测量标尺的整个问题。之后,我们进入所有其他不确定性来源,这将污染对象牙塔模型的任何象牙塔评估。
5)为了解决这个问题,我不得不将它放在通常有争议的更大的哲学问题的更广泛的背景下,所以我认为没有征求意见就不可能讨论这个问题(请注意,这本身就是另一个问题)不确定性来源),但您是对的,本文值得您答复。他在其他主题上所说的很多话都是正确的,例如需要使统计数据与大数据相关,但其中存在一些不切实际的极端主义,应予以纠正。