Download
general announcement anuncia general n.
Skip this Video
Loading SlideShow in 5 Seconds..
General Announcement / Anuncia General: PowerPoint Presentation
Download Presentation
General Announcement / Anuncia General:

General Announcement / Anuncia General:

117 Vues Download Presentation
Télécharger la présentation

General Announcement / Anuncia General:

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. General Announcement / Anuncia General: Classblog: http://thecriticalthinkingfordebateblog.wordpress.com/

  2. INDUCTIVE REASONING /Razonamiento inductivo(Semana 4)

  3. InductiveReasoning • Inductivereasoning, expressed in theform of inductivearguments, allhavethepropertythattheconclusioncontainsinformationnotimplicit in thepremise(s). • Theirpurposeis to inferbeyondtheirpremises: to extendourpresumedknowledgefromtheobserved to theunobserved. • How can wejustifyknowledgeclaimsabouttheunobserved?isoneway of expressingtheProblem of Induction. • El razonamiento inductivo, expresado en la forma de los argumentos inductivos, todos tienen la calidad de que la conclusión contiene información que no implícita en la(s) premisa(s). • Su propósito es inferir más allá de sus premisas: para ampliar nuestro conocimiento de la presunta observado a lo no observado. • ¿Cómo podemos justificar las afirmaciones de conocimiento sobre lo que no observado? es una forma de expresar el problema de la inducción.

  4. TheProblem of Induction • David Hume (1711 – 1776), a Scottish philosopher, believedwecouldnotrationallyjustifyclaimsabouttheunobserved– evenifwemakethemallthe time. • Humewasanempiricist – allknowledgebegins and endswithsenseexperience. • Again: howdo weacquireand justifyknowledgeof theunobserved? • Webelievetheunobservedwill be liketheobservedbecause (1) itveryoftenis, once we’veobservedit; and (2) wedevelophabits of thoughtbecause of this. Thesehabits are whatwerelyon, notourreason. • Thisisnot a reassuring position abouttherationality of induction. • David Hume (1711 - 1776), un filósofo escocés, creía que no podía justificar racionalmente las afirmaciones sobre lo no observado - incluso si las hacemos todo el tiempo. • Hume era un empírico - todo conocimiento comienza y termina con la experiencia sensible. • Otra vez: ¿cómo adquirimos y justificamos el conocimiento de lo no observado? • Creemos que la no observado será como lo observado porque (1) es muy a menudo está, una vez que lo hemos observado; y (2) que desarrollamos hábitos de pensamiento, ya que a esto. Estos hábitos son lo que confiamos, no nuestra razón. • Esta no es una posición tranquilizador sobre la racionalidad de la inducción.

  5. TheProblem of Induction • AnAustralianphilosophernamed David C. Stove (1927 – 1994) responded to Humebyofferingthefollowingarguments: • AllobservedS’s are P’sdoesnotgiveusanabsolutereasonforbelievingthatAllS’s are P’s. • But: • AllobservedS’s are P’sdoesgiveusareasonforbelievingthatAllS’s are P’s. • In otherwords, premises can support a conclusionwithoutimplyingitabsolutely. • So ifwe do notunderstandrationality in absoluteterms, inductivereasoningcan be rational. • Un filósofo australiano llamado David C. Stove (1927 - 1994) respondieron a Hume, ofreciendo los siguientes argumentos: • Todos los S observados son P no nos da una razón absoluta para creer que todos los S son P. • sino: • Todos los S observados son Pnos da una razón para creer que todos los S son P. • En otras palabras, las premisas pueden apoyar una conclusión sin que ello signifique absolutamente. • Así que, si no entendemos la racionalidad en términos absolutos, el razonamiento inductivo puede ser racional.

  6. TheProblem of Induction • The observed S’s are a subset of all S’s, and as long as the entire population of S’s is not infinite (whatever this means), and as long as your subset is large, your assumption that your subset is representative of the entire population is reasonable. • Now add to that that we can also reason from my subset of observations of S’s, and from many other subsets. • If these subsets are identical, the argument that any particular subset represents the population is strengthened if not made absolute. • Los S de observadas son un subconjunto de todos los S, y siempre y cuando la población entera de S de no es infinito (lo que esto significa), y siempre y cuando su subconjunto es grande, el supuesto de que su subconjunto es representativo de toda la población es razonable . • Ahora, agregue a la que también podemos razonar de mi subconjunto de observaciones de S, y de muchos otros subconjuntos. • Si estos subconjuntos son idénticos, el argumento de que cualquier subconjunto particular representa la población se fortalece si no hecha absoluta.

  7. InductiveReasoning • All of whichis to say: inductionisnotdeduction. Itsinferenceslackthelogicalclosure of deduction. • Thepoint of inductivereasoningis to beginwithwhatwehaveobservedorknowand try to infersomethingreasonableaboutwhatwehaven’tobservedordon’tyetknow. • Aninductiveargument, orinference, always has information in itsconclusionthatisnotimplicit in itspremise(s). Thisisstructurallynecessary. • Inductivearguments are notvalid – thecategorydoesnotapply – butmay be strong, iftheinformation in thepremise(s) providescompellinggroundsforbelievingtheconclusion. • Whendoesit do so? istheproblem. • Everyinductiveinference has a conclusionthatcould be shown to be false in thefuture. • Todo lo cual es decir: la inducción no es deducción. Sus conclusiones carecen de la clausura lógica de la deducción. • El punto del razonamiento inductivo es comenzar con lo que hemos observado o conocido y tratar de inferir algo razonable sobre lo que no hemos observado o aún no lo sabemos. • Un argumento inductivo, o inferencia, siempre tiene la información en su conclusión de que no está implícito en su premisa(s). Esto es necesario estructuralmente. • Argumentos inductivos no son válidos - la categoría no se aplica - pero puede ser fuerte, si la información en la premisa (s) ofrezca motivos de fuerzospara creer en la conclusión. • ¿Cuando lo hace? es el problema. • Cada inferencia inductiva tiene una conclusión que podría ser demostrado ser falsa en el futuro.

  8. InductiveReasoning • Thebestway to findoutis to look at variouspatterns of inductivereasoning, just as wedidwithdeduction. • Patterns of inductivereasoninginclude (fromtheeasiest to thehardest): • Inductionbyenumeration. • Inference to thenext case. • Analogicalreasoning. • Causal reasoning:Mill’sMethods • Abductiveinferences • Hypothetico-deductivereasoning. • Statisticalreasoningand probability(nextweek) • La mejor manera de averiguarlo es observar varios patrones de razonamiento inductivo, tal como lo hicimos con la deducción. • Los patrones de razonamiento inductivo incluyen (desde el más fácil de los más difíciles): • La inducción por enumeración. • La inferencia al siguiente caso. • El razonamiento analógico. • El razonamiento causal: Métodos de Mill • Las inferencias abductivas • Razonamiento hipotético-deductivo. • Razonamiento estadístico y probabilidad (la próxima semana)

  9. InductionbyEnumeration • InductionbyEnumerationisthesimplestform of inductivereasoning. • Onecouldcallitthecountingmethod. • Essentially: • Wehaveseen (enumerated) x number of swansthat are white. • Thereforethatprobablyallswans are whiteis a reasonablebelief. • Theconclusion of aninductionbyenumerationisalways a universal generalizationwith a qualifiersuch as ‘probably’ or ‘mostlikely.’ • We can never be sure, of course, thatone has done enoughcounting, orhaveenough data, to knowtheinductivestrength of theinference. But as seenearlier, thelargeryour data set, thegreaterthelikelihood of itsrepresentingtheentirepopulation. • La inducción por enumeración es la forma más simple del razonamiento inductivo. • Uno podría llamarlo el método de recuento. • En esencia: • Hemos visto (enumerado) x número de cisnes que son blanco. • Por lo tanto que, probablemente, todos los cisnes son blancos es una creencia razonable. • La conclusión de una inducción por enumeración es siempre una generalización universal con una calificativo como "probablemente" o "más probable". • Nunca podemos estar seguro, por supuesto, lo que hemos hecho contar lo suficiente, o tenemos datos suficientes, para conocer la fuerza inductiva de la inferencia. Pero como se ha visto anteriormente, la más grandes tus conjuntos de datos, el mayor es la probabilidad de que su representación de toda la población.

  10. Inference to theNext Case • Inference to theNext CaseisverymuchlikeInductionbyEnumerationexceptthatitsconclusionis a qualifiedclaimaboutthenextinstancewewillseeratherthan a qualified universal generalization. • Alltheswanswehaveobservedhavebeenwhite. • Thereforethenextswanwe observe willprobably be white. • Thesamelimiitationsapply. Do wehaveenough data orobservations? Can weassertthatourinferenceis a strongone? • La inferencia para el próximo caso es muy parecido a la inducción por enumeración, salvo que su conclusión es una afirmación calificada sobre el siguiente caso vemos a ver más que una generalización universal de calificado. • Todos los cisnes que hemos observado han sido blanco. • Por lo tanto, el próximo cisne observamos probablemente será blanco. • Se aplican las mismas limitaciones. ¿Tenemos suficientes datos u observaciones? ¿Podemos afirmar que nuestra inferencia es fuerte?

  11. AnalogicalReasoning • Analogicalreasoningis a little more complicated, butnotthatmuch more so. • Itisvery fundamental to manydecisionswemake. • Ananalogyis a comparison—thatbecausetwothings are alike in knownrespect, thatthey are alsoalike in someadditionalrespect. • Wemay decide, forinstance, thatsincethelast Tom Clancy novel wasthrilling, thenthenextonewill be thrilling, too. • Analogicalreasoningtakesthisbasicform: • Entity A (whichweknowfully) has properties x, y, z, & w. • Entity B (whichwe do not) has properties x, y, & z. • Thereforeentity B probably has attribute w as well. • El razonamiento analógico es un poco más complicado, pero no mucho más. • Es muy fundamental para muchas de las decisiones que tomamos. • Una analogía es una comparación-que debido a que dos cosas son iguales en una relación lo que conocida, también son iguales en algunos aspectos adicionales. • Podemos decidir, por ejemplo, que desde la última novela de Tom Clancy fue emocionante, entonces la próxima será emocionante también. • El razonamiento analógico toma esta forma básica: • Un entidad A (lo que sabemos plenamente) tiene las calidades x, y, z, e w. • Un entidad B (lo que no sabemos) tiene las calidades x, y, e z. • Por lo tanto, la entidad B probablemente tiene el atribuir w también.

  12. AnalogicalReasoning • Iftheproperties x, y, and z are connected to w in someimportantway, theargumentwill be strong. • Ifthey are notconnected to w in anyrelevantway, thentheargumentwill be weak. • To determine whatthismeans, we examine theprinciplesthat are usefulforevaluatingargumentsfromanalogy. • Si las calidades x, y, e z están conectadas a w de alguna manera importante, el argumento será fuerte. • Si no están conectados a w de cualquier manera pertinente, entonces el argumento será débil. • Para determinar lo que esto significa, se examinan los principios que son útiles para la evaluación de los argumentos de analogía.

  13. AnalogicalReasoning • (1) Are thesimilaritiesrelevant? To explain: youwant to buy a car and havealmostdecided in favor of a Toyota, becauseitwillgetgood gas mileage. Yousearchforreasoningthatwilljustifybuyingthe car ornotbuyingit. • YouaskyourfriendMariaforan opinión, and shetellsyouthatyoushouldbuythe car becauseshe has a friend, Carlos, withthesamekind of car thatgetsgood gas mileage. His car has anadjustablesteering Wheel, tachometer, tintedwindows, and a CD player. • Thisargumentisweak, becausenone of thesimilarities are relevant to gas mileage. • Ifyourfriendwere to argueforhisconclusionbasedonthetwo cars beingthesameage and make, havingthesamesizeengine, thesamebodyweight, and thesamekinds of tires, thisis a muchstrongerargumentbecausethesecharacteristics are more relevant to gas mileage. • (1) ¿Las similitudes relevante? Para explicar: tú quieres comprar un auto y casi has decidido a favor de un Toyota, porque va a obtener un buen rendimiento del gas. Tú buscas de un razonamiento que justificaró la compra del auto o no comprarlo. • Tú preguntas a su amiga María de su opinión, ella te dice que usted debe comprar el auto porque ella tiene un amigo, Carlos, con el mismo tipo de auto que obtener buen rendimiento del gas. Su auto tiene una rueda de dirección ajustable, tacómetro, vidrios polarizados, y un grabación de CD. • Este argumento es débil, porque ninguna de las similitudes son relevante para el rendimiento de gas. • Si su amigo iban a argumentar a favor de su conclusión sobre la base de los dos autos del misma edad y tipo, con el mismo tamaño del motor, el mismo peso corporal, y los mismos tipos de neumáticos, este es un argumento mucho más fuerte debido a que estas características son más relevantes para el rendimiento de gas.

  14. AnalogicalReasoning • (2)Howmanysimilarities are there?IfyourfriendMaria’sargumentforbuyingthe car onlymentioneditshavingthesamesizeengine, thiswouldstill be a strongerargumentthanananalogywiththeothercharacteristics, butconsiderablyweakerwithoutreference to bodyweight, tires, etc. Additionalrelevantsimilaritieswillstrengthentheargumentstill more. • (3) Are thereanyrelevantdisanalogies?IfMaria’sfriend Carlos drives his car primarilyonhighways and youwant to drive primarily in thecity, thatshouldaffectanyjudgmentaboutmileage. • (2) ¿Cuántas similitudes hay? Si el argumento de su amigo de María para comprar el auto sólo mencionó su haber el mismo motor de tamaño, esto todavía sería un argumento más fuerte que una analogía con las otras características, pero considerablemente más débil sin hacer referencia al peso corporal, neumáticos, etc. Similitudes relevantes adicionales serán fortalecer el argumento todavía más. • (3) ¿Hay desanalógicospertinentes? Si el amigo de María, Carlos, conduce su auto sobre todo en las carreteras, y tú quieres conducir principalmente en la ciudad, que debe afectar a cualquier juicio sobre el rendimiento.

  15. Causal or cause-and-effectreasoning. • Cause-and-effectarguments are more complexthananalogicalarguments. • In ordinaryspeech, “cause” isambiguous. Ifwesaythatelectrocutionwill cause death, we mean itissufficientfordeath: hencethephrasesufficientcondition. • Ifwesaythatwateringflowerswill cause them to grow, we mean thatwaterisnecessaryforgrowth: and hence a necessarycondition. • Wemustdistinguishnecessaryfromsufficientconditions. • Los argumentos causo-y-efectoson más complejos que los argumentos analógicos. • En el lenguaje corriente, "causa" es ambiguo. Si decimos que la electrocución causará la muerte, queremos decir que es suficiente para la muerte: de ahí la frase condición suficiente. • Si decimos que el riego de flores los causará que crecer, queremos decir que el agua es necesaria para el crecimiento, y por lo tanto, una condición necesaria. • Debemos distinguir las necesaria de las condiciones suficientes.

  16. Cause-and-effector causal reasoning. • Whenwesaythatthepresence of cloudsis a cause of rain, we mean “cause” in thesense of necessarycondition: withoutclouds, rain can’thappen. • Cloudsalonearen’tsufficientfor rain. Rather, otherweatherconditions (temperature, air pressure, etc.) are required. • Ourreasoning can sometimes be madeclearerifwedroptheword “cause” and justspeak of necessary and sufficientconditions. • Oxygenis a necessaryconditionforfire. Butitisnot a sufficientconditionforfire. (Fortunately.) • Contamination in foodisnot a necessaryconditionforillness, becauseotherthings can cause illness. Butitmay be a sufficientconditionforillness, becauseitisa cause of illness. • Cuando decimos que la presencia de los nubes es una causa de la lluvia, nos referimos a la "causa" en el sentido de la condición necesaria: sin los nubes, la lluvia no puede suceder. • Los nubes por sí solos no son suficientes para la lluvia. Más bien, se requieren otras condiciones climáticas (temperatura, presión de aire, etc). • Nuestro razonamiento a veces puede ser más claro si dejamos caer la palabra "causa" y sólo hablamos de las condiciones necesarias y suficientes. • El oxígeno es una condición necesaria para el fuego. Pero no es una condición suficiente para el fuego. (Afortunadamente). • Contaminación de las comidas no es una condición necesaria para la enfermedad, porque otras cosas pueden causar enfermedades. Pero puede ser una condición suficiente para la enfermedad, porque es una causa de la enfermedad.

  17. Cause-and-effector causal reasoning. • We can formalizethepatterns of reasoninglikethis: • A is a sufficientconditionfor B if: A’spresencerequiresB’soccurence. (Informally: A causes B) • A is a necessaryconditionfor B if: B’spresencemeans A musthaveoccurred(A must be presentfor B to occur). • Likewise: • A isnot a sufficientconditionfor B if A ispresentwhen B isabsent. • A isnot a necessaryconditionfor B if B ispresentwhen A isabsent. • Podemos formalizar los patrones de razonamiento como éste: • A es una condición suficiente para B si: la presencia de A requiere ocurrencia de B. (De manera informal: A causa B) • A es una condición necesaria para B si: la presencia de B significa que A debe haber ocurrido (A debe estar presente para que ocurra B). • Del mismo modo: • A no es una condición suficiente para B si A está presente cuando B está ausente. • A no es una condición necesaria para B si B está presente cuando A está ausente.

  18. Mill’sMethods of Identifying Causal Connections • John Stuart Mill(1806 – 1873) was a 19th century moral philosopher, epistemologist and logicianwhowasone of thefirst to answerHumewitha detailedaccount of howinductivelogicworks. He devisedfivemethodsforidentifying causal connectionsbetweenperceivedevents. He calledthem: • (1) Method of Agreement • (2) Method of Difference • (3) JointMethod of Agreement and Difference • (4) Method of Residues • (5) Method of ConcomitantVariation. • Likeallmethodsthey are notperfectbuttheyoftenhelpusunderstandsome of ourworkadayinductiveinferences. • John Stuart Mill (1806 - 1873) fue un filósofo moral, epistemólogo y lógico del siglo 19, que fue uno de los primeros en responder a Hume con un informe detallado de cómo funciona la lógica inductiva. Él diseñó cinco métodos para la identificación de las conexiones causales entre eventos percibidos. Él los llamó: • (1) Método del Acuerdo • (2) Método de la Diferencia • (3) Método Combinado del la Acuerdo y Diferencia • (4) Método de los Residuos • (5) Método de la Variación Concomitante. • Como todos los métodos que no son perfectos, pero a menudo nos ayudan a comprender algunas de nuestras inferencias inductivas cotidianos.

  19. Method of Agreement • HereishowtheMethod of Agreementworks. • Supposethatfivepeopleeatsupper at a specific local restaurant, and a short whilelaterallfivebecomeill. • Wemay be able to determine thatwhileallthesepeopleordered a variety of ítems fromthemenu, theonlyfoodall of themorderedwasranch salad dressingontheirsalads. • In otherwords, allthemealswere in agreement as to theranch salad dressing, common to alltheoccurrancesforthepurpose of identifying a cause of theillnessin thesense of a necessarycondition. • Aquí es cómo funciona el Método del Acuerdo. • Supongamos que cinco personas comen la cena en un restaurante local específica, y un poco más tarde los cinco se enferman. • Podemos ser capaces de determinar que, si bien todas estas personas pedimos una variedad de platos del menú, la única comida que todos ellos ordenados era ensalada aliño ranchero en sus ensaladas. • En otras palabras, todas las comidas estaban de acuerdo en cuanto al aliño ranchero para ensaladas, común a todas las ocurrencias con el propósito de identificar una causa de la enfermedad en el sentido de una condición necesaria.

  20. Method of Agreement • The idea can be represented more formally in a chart. • If A is a necessaryconditionfor B, then A must be presentfor B to occur. • Occurrence A B C D • 1 + - + - • 2 + + + - • 3 - - + + • 4 - + + - • 5 + - + + • Note that C, thecolumnrepresentingtheranchdressing, ispresent in every case. • La idea puede ser representar más formalmente en un charte • Si A es un condición necesaria para B, A necesita ser presente para B pasar. • E F Fenomena(enferma) • + - + • - - + • + + + • - + + • + + + • Tenga presente que C, la columna representa la

  21. Method of Difference • To seetheMethod of Difference, letusextendourearlierexample of cases of peoplebecomingsickfromeatinga certainfood to includetwo more peoplewhowent to thesame restaurant. Theyorderedidenticalmealsexceptthatonehadtheranchdressingbuttheotherdidnot. • Theonewhoorderedtheranchdressingbecamesick; theonewhodidnotdidnotbecomesick. • If A is a sufficientconditionfor B (eatingtheranchdressingissufficientforillness), thenA’sabsenceensuresB’sabsence. • Themethod of difference tries to identify a single factor thatispresentwhenaneffectispresent and isabsentwhentheeffectisabsent. • Para ver elMétodo de la Diferencia, extendamos nuestro ejemplo anterior de los casos de personas que enferman por comer ciertos comida para incluir otras dos personas que iban en el mismo restaurante. Se ordenó comidas idénticas excepto que uno tenía el aliño ranchero pero el otro no. • El que ordenó el aliño ranchero se enfermó; el que no, no se enferman. • Si A es una condición suficiente para B (comiendo el aliño ranchero es suficiente para la enfermedad), entonces la ausencia de A garantiza la ausencia de de B. • El método de la diferencia trata de identificar un solo factor que está presente cuando un efecto está presente y está ausente cuando el efecto está ausente.

  22. Method of Agreement and Difference • To show youtheJointMethod of Agreement and Difference, let’smodifythesameexample. Let’ssupposethatsixpeople ate supper in the restaurant. Three ate theranchdressingontheir salad; threedidnot. Of thefirstthree, havingeatentheranchdressingwastheonethingtheyhad in common. Of thesecondthree, noteatingtheranchdressingistheonethingtheyhave in common. • Theranchdressingwastheoneconditionpresent in all cases of illness and absentwhentheillnessisabsent: neverpresentwithoutillness and neverabsentwhensomeonebecameill. • Para mostrar el Método Combinado del Acuerdo y Diferencia, vamos a modificar el mismo ejemplo. Supongamos que seis personas cenaban en el restaurante. Tres comieron el aliño ranchero en la ensalada; tres no lo comieron. De los tres primeros, después de haber comido el aliño ranchero era la cosa único que tenían en común. De la segunda de tres, no comer el aliño ranchero es la cosa única que tienen en común. • El aliño ranchero estaba el condición actual de todos los casos de enfermedad y ausente cuando la enfermedad está ausente: nunca presente sin enfermedad y nunca ausente cuando alguien se enfermó.

  23. Method of Agreement and Difference • Occurrence A B C D E • 1 - + + - - • 2 + - + + - • 3 - + + - + • 4 + - - + + • 5 + - - - + • 6 - + - + + • The chart indicatesthat C, theranchdressing, waspresentwhentheillnesswaspresent and absentwhentheillnesswasabsent. • F G Fenómeno (enferma) • + + + • + - + • + + + • - - - • + + - • - + - • El gráfico indica que C, el aliño ranchero, estaba presente cuando la enfermedad estaba presente y ausente cuando la enfermedad estaba ausente.

  24. Method of Residues • TheMethod of Residuesworksbyseparatingfrom a group of causallyconnectedconditionsthosestrands of causal connectionthatwealreadyknow, leavingonewedon’tknow as the “residue.” • Forexample: aftermovinginto a new apartment Juan founditdrafty. He found a brokenwindow in theguestbedroom and a gap underthedoorleading to theterrace. When he replacedthewindow, thatmadetheapartmentlessdrafty. When he filledthe gap underthedoorleading to theterrace, theapartmentbecomestilllessdraftybutnotperfect. Lookingfurther, he foundthattheslidingterracewindowwouldnotclosecompletely. • He concludedthatthedraftthatremained (theresidue) wascausedbythefailure of theslidingglassdoor to closecompletely. • El Método de los Residuos funciona por la separación de un grupo de condiciones causalmente conectados esas hebras de conexión causal que ya sabemos, dejando a uno que no sabemos como el "residuo". • Por ejemplo: después de mudarse a un nuevo departamento Juan descubrió con corrientes de aire. Él encontró una ventana rota en la dormitorio de invitados y un hueco en la puerta que daba a la terraza. Cuando volvió a colocar la ventana, que hizo el apartamento menos corrientes. Cuando se llena el hueco debajo de la puerta que da a la terraza, el apartamento se convierten en aún menos con corrientes de aire, pero no es perfecto. Mirando más allá, se descubrió con que la ventana corredera terraza no cerraba completamente. • Llegó a la conclusión de que el proyecto que se mantuvo (el residuo) fue causada por el fracaso de la puerta corredera de vidrio para cerrar completamente.

  25. Method of Residues • TheMethod of Residuesformalized: • A, B, C cause x, y, z. • A isthe cause of x • B isthe cause of y • z isstillunexplained, but factor C hasn’tbeenconsidered. • There are no otherfactors to consider. • Thereforeprobably C isthe cause of z. • El Método de los Residuos formalizado: • A, B, C causa x, y, z. • A es la causa de x • B es la causa de y • z es inexplicable todavía, pero el factor C no ha sido considerado. • No hay otros factores a considerar. • Por lo tanto, probablemente, C es la causa de z.

  26. Method of ConcomitantVariation • TheMethod of ConcomitantVariation tries to identify a causal connectionbetweentwoconditionsbymatchingvariations in oneconditionwithvariations in another. • Forexample: • In attempting to explainAlzheimer’sdisease, medical scientistshavenoticed a correlationbetweenthebuild-up of certainkinds of fats in thebrain. As thelatterincrease, short-termmemorydecreases. Scientistshaveconcludedthatthetwoconditions are causallyrelated. • El Método de la Variación Concomitante intenta identificar una relación causal entre dos condiciones por las variaciones coincidentes en una condición con variaciones en una otra. • Por ejemplo: • En un intento de explicar la enfermedad de Alzheimer, los científicos médicos han notado una correlación entre la acumulación de ciertos tipos de grasas en el cerebro. A medida que el último aumento, la memoria a corto plazo disminuye. Los científicos han concluido que las dos condiciones están causalmente relacionados.

  27. Method of ConcomitantVariation • TheMethod of ConcomitantVariationmay be illustratedwiththis chart: • A, B, C coincide with x, y, z. • A, B+, C coincide with x, y+, z. • Or: • A, B-, C coincide with x, y-, z. • Oralso: • A, B+, C concidewith x, y-, z • A, B-, C, coincide with x, y+, z • Therefore, probably B iscausallyconnected to y. • El Método de la Variación Concomitante se puede ilustrar con el siguiente gráfico: • A, B, C coinciden con x, y, z. • A, B+, C coincide con x, y+, z. • O: • A, B-, C coinciden con x, y-, z. • O también: • A, B+, C concide con x, y-, z • A, B-, C, coincide con x, y+, z • Por lo tanto, probablemente B está conectada causalmente a y.

  28. Mill´sMethods and ScientificInferences • Milldevelopedhis ideas in the 1800s. They are earlyversions of methodsstillused to discernlikely causal relationships. • Considercontrolledexperiments, used in medicine, psychology, and othersciences. • Controlledexperimentsinvolvetwogroups of subjects, an experimental group and a control group. The experimental groupincludessubjectsreceiving a certaintreatment, e.g., a newlypatenteddrug. The control groupdoesnotreceivethetreatmentbutotherwiseissubject to thesameconditions as the experimental group, controllingfor as manyotherconditions as possible. • Summarizingtheresults of controlledexperimentsofteninvolvesdevelopingtables similar to thosewiththeMethods of Agreement and Difference. • Mill desarrolló sus ideas en la siglo de los 1800. Son las versiones tempranas de los métodos que aún se utilizan para discernir relaciones causales probables. • Considere la posibilidad de experimentos controlados, que se utilizan en la medicina, la psicología y las otras ciencias. • Los experimentos controlados involucran a dos grupos de sujetos, un grupo experimental y un grupo control. El grupo experimental incluye sujetos que recibieron un tratamiento determinado, por ejemplo, un fármaco recientemente patentado. El grupo de control no recibe el tratamiento pero por lo demás está sujeto a las mismas condiciones que el grupo experimental, controlando por como muchas otras condiciones como sea posible. • Resumiendo los resultados de los experimentos controlados a menudo implica el desarrollo de tablas similares a los de los Métodos de el Acuerdo y Diferencia.

  29. Otherpatterns of inductivereasoning: abductiveinference • The U.S. philosopherCharles Sanders Peirce (1839 – 1914) was a scientist, mathematician, and logicianwhofoundedthedistinctively North American movementknown as pragmatism. • Pragmatism“is a rejection of the idea that the function of thought is to describe, represent, or mirror reality. Instead, pragmatists develop their philosophy around the idea that the function of thought is as an instrument or tool for prediction, action, and problem solving.” (Wikipedia) • El filósofo estadounidense Charles Sanders Peirce (1839 - 1914) fue un científico, matemático, y lógico que fundó el movimiento distintivo de América del Norte conocida como el pragmatismo. • El pragmatismo "es un rechazo de la idea de que la función del pensamiento es describir, representar, o un espejo la realidad. En cambio, los pragmáticos desarrollar su filosofía en torno a la idea de que la función del pensamiento es como un instrumento o herramienta para la predicción, la acción, y la resolución de problemas.” (Wikipedia)

  30. Other patterns of inductive reasoning: abductive inference • Peircedevelopedthefollowingview of scientificinquiry: • [Against a body of backgroundassumptions B] puzzlingphenomenon P isobserved. • If H were true, P wouldfollow as a matter of course (H predicts P; B minus H doesnotpredict P). • Hencethereissomereasonforthinking H might be true, and that B needs to be revised in light of H. • (What are thelimitson H?) • Peircecalledthisabduction, orabductiveinference. • Peirce desarrolló la siguiente vista de la investigación científica: • [Sobre un grupo de supuestos antecedentes B] se observa desconcertante fenómeno P. • Si H fuera cierto, P seguiría como una cuestión de rutina (H predice P; B menos H no predice P). • Por lo tanto hay alguna razón para pensar H podría ser cierto, y que B tiene que ser revisada a la luz de H. • (¿Cuáles son los límites a la H?) • Peirce llamó esta abducción, o inferencia abductivo.

  31. Hypothetico-deductivereasoning (especially in science) • Hypothetico-deductivereasoningiscloselyrelated to Peirce’sabduction. • Itspurposeisexplanation, in science and in dailylife. • Anexplanationis a set of statementsdesigned to makesense of something. • If I walkedintoclasswithmyleftarmbandaged and in a sling, youwouldwant to knowwhathappened? • Youwould be asking me foranexplanation. • I wouldexplainbytellingyouthat I brokemyarm in a fall. • Razonamiento hipotético-deductivo está estrechamente relacionado con la abducción de Peirce. • Su propósito es la explicación, en la ciencia y en la vida ordinaria. • Una explicación es un conjunto de oraciones diseñaron a dar sentido a algo. • Si entré en clase con mi brazo izquierdo vendado y en un cabestrillo, ustedes quieren saber lo que pasó? • Le preguntaría a mí para obtener una explicación. • Yo explicaría explicar por decirte que me rompí mi brazo en una caída.

  32. Hypothetico-deductive reasoning (especially in science) • Hypothetico-deductivereasoninggoesbeyondthis, becauseoftentheexplanation of a phenomenonisnot as straightforward. • Ifmycomputerwillnot load web pages, thisfactcouldhave a number of causes. • Therecould be somethingwronginsidemycomputer’s hardware. • My browser couldhavebecomecorrupted. • Myconnection to the Internet might be disrupted. • Theremight be an Internet “outage” in mypart of town. • All of these are hypotheses: intelligentguesses at whatmightexplainthephenomenontroublingus. • Razonamiento hipotético-deductivo va más allá de esto, porque a menudo la explicación de un fenómeno no es tan sencillo. • Si mi computadora no se carga las páginas de Web, este hecho podría tener un número de causas. • Podría haber algo mal en el interior de hardware de mi computadora. • Mi navegador podría haberse convertido en corrupto. • Mi conexión al Internet podría ser interrumpido. • Puede haber un "apagón" del Internet en mi comuna. • Todas estas son hipótesis: conjeturas inteligentes en lo que podría explicar el fenómeno que nos preocupa.

  33. Hypothetico-deductive reasoning (especially in science) • Orconsider: modernastronomywasbasedonNewton’slaw of universal gravitation. Thislawpermittedastronomers to predictwheretheywouldseetheplanets. • TheirmodelpredictedthattheplanetUranuswould be seen at a given position in thesky; butUranuswas in a different position. • Somethingwasperturbingtheorbit of Uranus. • Hypothesis of astronomers: therewasanotherplanetoutthere. Itsgravitationwasaffectingthemotions of theplanetUranus. • AstronomersusedNewton’slaws to calculatewheretheymightexpect to seeanotherplanet. • Usinghypothetico-deductivereasoning, theyfoundNeptune(early 1800s). • O considerar: la astronomía moderna se basa en la ley de la gravitación universal de Newton. Esta ley permite a los astrónomos predecir dónde iban a ver los planetas. • Su modelo predice que el planeta Urano se vería en una posición especifica en el cielo; pero Urano estaba en una posición diferente. • Algo estaba perturbando la órbita de Urano. • El hipótesis de los astrónomos: hay otro planeta por allá. Su gravitación estaba afectando a los movimientos del planeta Urano. • Los astrónomos utilizan las leyes de Newton para calcular dónde podrían esperar ver otro planeta. • Utilizando un razonamiento hipotético-deductivo, descubrieron Neptuno (tempranos de los 1800).

  34. Hypothetico-deductive reasoning (especially in science) • Thecomponents of H-D reasoning: • (1) Anassumptionismade of a body of backgroundknowledge. • (2) Problem P isobserved. P is a problembecauseourbackgroundknowledgedidnotpredictit. • (3) Hypothesis H isformulated. • (4) Logicalimplications of H are deduced (thedeductivecomponent of H-D reasoning). If H is true, weshould observe I (theimplication of H). • (5) Furtherobservations are made (sometimescalledtesting). Do we observe I? • (6) Ifwe observe I, H isconfirmed. Ifwe do not observe I, H isdisconfirmed, and wemust look furtherforourexplanation. • Los componentes de razonamiento H-D: • (1) se hace un supuesto de grupo de supuestos antecedentes conocimientos. • (2) se observa Problema P. P es un problema porque nuestro conocimiento de antecedentes no predijo él. • (3) se formula Hipótesis H. • (4) las implicaciones lógicas de H se deducen (el componente deductivo de razonamiento H-D). Si H es verdadera, debemos observar I (la implicación de H). • (5) Otras observaciones se hacen (a veces se llaman pruebas). ¿Cumplimos I? • (6) Si se observa I, se confirma H. Si no observamos I, H se desconfirmada, y tenemos que buscar más para nuestra explicación.

  35. Hypothetico-deductive reasoning (especially in science) • H-D reasoningdoesnotprove H true. Confirmationincreasestheprobabilitythat H is true. (Probabilityis a topicwewilltake up nextweek.) • Despitethename, H-D reasoningis a species of inductivereasoning, notdeductivereasoning. Itisinductivereasoningwith a deductivecomponent. • There are restrictionsonhypotheses. Some are obvious. • Razonamiento H-D no demuestra H cierto. Confirmación aumenta la probabilidad de que H es cierto. (La probabilidad es un tema que abordaremos la próxima semana.) • A pesar del nombre, el razonamiento H-D es una especie de razonamiento inductivo, no el razonamiento deductivo. Es el razonamiento inductivo con un componente deductivo. • Existen restricciones en hipótesis. Algunas son obvias.

  36. Hypothetico-deductive reasoning (especially in science) • Externalconsistency: H should be consistentwithourbackgroundknowledge. Violations of this rule must be justifiedwithgreatcare. • Internalconsistency: H, ifitasserts more thanoneproposition, cannot be self-contradictory. • Simplicity: H shouldadhere to Occam’sRazor: do notmultiply ideas beyondnecessity. Otherthingsbeingequal, thesimplesttheorytends to be therightone. • Specificity: H shouldmakepredictionsthat are clear, precise, and easilytestable. • Replicability: if H isconfirmedbyobservation, thenothersshould be able to duplicatetheexperiment and achieveidenticalresults. (Scienceis a communityendeavor in a broadsense.) • La coherencia externa: H debe ser consistente con nuestro conocimiento de antecedentes. Violaciónes de esta norma deben estar justificadas con gran cuidado. • La consistencia interna: H, si se afirma más de una proposición, no puede ser auto-contradictoria. • La simplicidad: H debe adherirse a la Afeitar de Occam: no se multiplican las ideas más allá de la necesidad. En igualdad de condiciones, la teoría más simple suele ser la correcta. • Especificidad: H debe hacer predicciones que sean claros, precisos y fácilmente comprobable. • Replicabilidad: si H es confirmado por la observación, a continuación, los demás deben ser capaces de duplicar el experimento y conseguir resultados idénticos. (La ciencia es un esfuerzo de la comunidad, en un sentido amplio.)

  37. Hypothetico-deductive reasoning (especially in science) • Fruitfulness: H should suggest new ideas for future research. The discovery of Neptune, as a prediction, at least suggested the possibility of still more undiscovered planets or planetary bodies further out, especially when its behavior did not conform perfectly to Newtonian predictions, either. • Fecundidad: H debe sugerir ideas nuevas para futuras investigaciones. El descubrimiento de Neptuno, como una predicción, por lo menos sugiere la posibilidad de planetas aún no descubiertos o más cuerpos planetarios más lejos, sobre todo cuando su comportamiento no se ajustaba perfectamente a las predicciones de Newton, tampoco.

  38. To come … • Thereis a specialclass of inductiveinferencescalledstatisticalinferences. • Whatisstatisticalreasoning, howdoesitwork, and whatspecificpitfallsdoesithavethatyouneed to be aware of ifyou are to be a criticalthinker? • Statisticalreasoningiscloselyrelated to probability. Aninductiveargument, as wenoted, onlyestablishesitsconclusion to somedegree of probability. Isitpossible to makethis more precise? • Inductiveargumentsneverestablishtheirconclusionsabsolutely; butisthere a point at whichyou are beingirrationalifyourefuse to believetheconclusion of aninductiveargumentbasedontheinformation in thepremises? • Hay una clase especial de inferencias inductivas llamados inferencias estadísticas. • ¿Cuál es el razonamiento estadístico, cómo funciona, y qué escollos específica tampoco tiene lo que necesitas para estar al tanto de si va a ser un pensador crítico? • Razonamiento estadístico está estrechamente relacionado con la probabilidad. Un argumento inductivo, como hemos señalado, sólo establece su conclusión hasta cierto grado de probabilidad. ¿Es posible que esto sea más preciso? • Argumentos inductivos no establecen absolutamente sus conclusiones; pero ¿hay un punto en el que usted está siendo irracional si se niega a creer en la conclusión de un argumento inductivo basado en la información en las premisas?