Логика
Сила индуктивных аргументов
«Я знаю человека, который...» - так начинается большинство слабых аргументов. Но как отличить убедительный индуктивный вывод от анекдота? Понимание индуктивной силы - это иммунитет против манипуляций статистикой.
- **Медицина:** Оценка эффективности лечения требует понимания размера выборки и контрольных групп
- **Маркетинг:** Отзывы клиентов — смещённая выборка, не репрезентирующая всех потребителей
- **Политика:** Опросы общественного мнения надёжны только при случайной выборке достаточного размера
Индуктивная сила
**Индуктивная сила** - это мера того, насколько вероятен вывод при условии истинности посылок. В отличие от дедукции (валиден/невалиден), индуктивные аргументы оцениваются по шкале: от очень слабых до очень сильных.
**Ключевое отличие от дедукции:** Валидный дедуктивный аргумент гарантирует вывод на 100%. Сильный индуктивный аргумент делает вывод высоковероятным, но не гарантирует его.
**Сильный индуктивный аргумент + истинные посылки = когентный аргумент.** Когентность - это аналог «обоснованности» (soundness) для дедукции. Аргумент может быть сильным, но некогентным, если посылки ложны.
Аргумент: «Я проверил 10 000 яблок из разных регионов, все были съедобны. Следовательно, яблоки съедобны». Как оценить этот аргумент?
Размер выборки
**Размер выборки** - количество наблюдений, на которых основан вывод. Чем больше выборка, тем сильнее индукция - при прочих равных. Но размер имеет убывающую отдачу: переход от 10 к 100 важнее, чем от 10 000 к 10 100.
**Закон больших чисел:** С увеличением выборки статистические характеристики стабилизируются. Но это не означает, что большая выборка гарантирует истину - только повышает вероятность.
**Ошибка малых чисел:** Мы склонны переоценивать надёжность маленьких выборок. «Три из трёх друзей рекомендуют X» кажется убедительным, но это крошечная выборка с огромной погрешностью.
Исследование A опросило 50 человек, исследование B - 5000 человек. Оба нашли, что 60% поддерживают X. Какое надёжнее?
Репрезентативность
**Репрезентативность** - насколько выборка отражает всю популяцию. Большая, но нерепрезентативная выборка хуже маленькой репрезентативной. Смещение (bias) - главный враг индукции.
**Исторический пример:** В 1936 году журнал Literary Digest опросил 2.4 миллиона человек о выборах. Предсказали победу Лэндона. Победил Рузвельт. Причина: опрашивали по телефонным книгам и спискам подписчиков - богатых людей.
**Случайная выборка** - золотой стандарт. Каждый элемент популяции имеет равный шанс попасть в выборку. Это устраняет систематические смещения. На практике достичь сложно, но к этому стремятся.
Компания опросила 100 000 своих клиентов и выяснила, что 90% довольны продуктом. Можно ли заключить, что 90% людей довольны продуктом?
Сильная vs слабая индукция
**Сильная индукция** - когда посылки делают вывод высоковероятным (обычно >90%). **Слабая индукция** - когда связь между посылками и выводом слабая, вывод лишь немного вероятнее случайности.
**Практический тест:** Если бы посылки были истинны, насколько ты был бы удивлён ложности вывода? Очень удивлён → сильная. Не особо → слабая.
**Слабые индуктивные аргументы маскируются под сильные.** Обращай внимание на: анекдотические примеры («мой друг сказал»), самоотбор («все отзывы положительные»), слишком смелые выводы («это доказывает»).
Один яркий пример опровергает статистику
Единичный случай - это шум, статистика показывает сигнал
Анекдотические примеры запоминаются из-за яркости (availability bias), но они не репрезентативны. Один долгожитель-курильщик не отменяет факт, что курение сокращает жизнь в среднем на 10 лет.
«Мой дедушка курил всю жизнь и дожил до 95. Значит, курение не так опасно». Это:
Ключевые идеи
- **Индуктивная сила** — шкала от слабого к сильному, не бинарное «валидно/невалидно»
- **Размер выборки** повышает силу, но с убывающей отдачей (от 10 к 100 важнее, чем от 10000 к 10100)
- **Репрезентативность важнее размера:** миллион смещённых данных хуже сотни случайных
- **Маркеры слабой индукции:** анекдоты, самоотбор, игнорирование контрпримеров, смелые выводы
Связанные темы
Индуктивная сила связана с вероятностным мышлением:
- Дедукция vs индукция — Индуктивная сила - способ измерить надёжность индуктивных выводов
- Введение в Байеса — Байесовская вероятность формализует обновление убеждений на основе данных
Вопросы для размышления
- Какие из твоих убеждений основаны на анекдотических данных, а не на сильной индукции?
- Как ты можешь проверить репрезентативность выборки в новостях или исследованиях?
- Почему яркие единичные примеры убеждают нас больше, чем сухая статистика?