漫谈推理谬误——错误因果

devtools/2024/12/5 19:07:16/

相关文章

漫谈推理谬误——错误假设-CSDN博客文章浏览阅读736次,点赞22次,收藏3次。在日常生活中,我们会面临各种逻辑推理,有些看起来一目了然,有些非常的科学严谨,但也有很多似是而非,隐藏了陷阱。因此需要擦亮眼睛,识别一个小伎俩。评判一个有效的推理结构,需要仔细的判别:判断交流者的推理是不是以错误的或者高度存疑的假设为基础,或是通过逻辑上的错误抑或其他形式的带有欺骗的推理来糊弄你。https://blog.csdn.net/jiangshuiy/article/details/144000544

目录

相关文章

因果关系

谬误:过度简化因果关系

谬误:因果混淆

谬误:忽略常见原因

谬误:事后归因

谬误:基本归因错误


因果关系

要想完全弄清楚一件事,就必须弄清楚引起这件事情的原因。只有从一开始就理解的某件事的前因后果,才能选择一个明智的办法来避免某个问题的发生,或者促使某个特别正面的结果出现。在日常的交流、阅读、思考、写作中,对因果思维的暗示能让人快速认清因果关系,从而真正理解一件事情。

然而在现实中,不论是由于有意,还是无意,总会进入到一些典型的因果偏差去。在因果关系中有以下几种典型的谬误:

  • 过度简化因果关系
  • 因果混淆
  • 忽略常见原因
  • 事后归因
  • 基本归因错误

谬误:过度简化因果关系

过度简化因果关系谬误(casual oversimplification fallacy):依赖不足以解释整个事件的具有因果关系的因素的解释一个事件,或者过分强调这些因素中的一个和多个因素的作用。我们找出的任何一个单独的原因都极有可能是引起事件发生的其中一个原因,而不是其唯一的原因。如果不能考虑到各种原因的复杂性,就犯了过度简化因果关系谬误。

想要发现某个事件的一个起因,最常见的方法之一就是进行组间比较。专家们一致认同的最好的组间是随机化实验设计(randomized experimental design),这种设计常被称作黄金标准。

案例:

1、因为捡了地上的垃圾,所以他通过了。

2、如果学生没有学会,老师就没有教好。

谬误:因果混淆

因果混淆谬误(confusion of cause and effect fallacy):将事件的起因和结果相混淆或是认不出两件事之间可能是相互影响的关系。

案例:

1、研究表明,吸烟可抵抗流感。研究人员分析了525个烟民,结果发现67%的烟民在过去三年从来没有得过流感,因此推测说,香烟燃烧时产生的尼古丁杀死了感冒病毒,让他们无法传播并引发疾病。真实的可能原因:

  • 吸烟确实杀死了感冒病毒;
  • 从来不受感冒病毒侵扰更有可能让人们继续吸烟;
  • 吸烟和不吸烟都是有先关因素引起的,比如吸烟后经常洗手,这种行为反过来又阻碍了流感病毒的传播;
  • 不常感冒的人有吸烟的倾向,而吸烟有可能影响到一些潜在的疾病。

谬误:忽略常见原因

忽略常见原因谬误(neglect of common cause fallacy):认不出两件事之间之所以有联系,是因为常见的第三种因素在起作用。

案例:

1、吃冰激凌会导致犯罪。

研究人员忽略了夏天逐渐升高的气温是冰激凌销量和犯罪率共同升高的原因,而错误地认为吃冰激凌会导致犯罪‌。

谬误:事后归因

事后归因谬误(post hoc, ergo propter hoc fallacy):假设某件事乙是由另一件事情甲所造成的,仅仅因为乙在时间上紧随在甲之后。这种推理方式是造成很多迷信的原因。一件事紧接在另一件事后面发生的这一发现本身并不能证明两者之间有因果关系,这可能只是一个巧合。”在这之后“不等于”因为这个“。

案例:

1、老王娶老婆小刘,然后老王车祸死了。认为小刘是老刘车祸的原因。

2、早上左眼皮跳了,然后买的彩票中奖了。认为是左眼皮跳导致的中奖。

谬误:基本归因错误

基本归因错误(fundamental attribution error),在这种错误里,我们在解释他人行为时普遍高估了个人倾向的重要性,而低估了环境因素的作用。

案例:

‌1、新员工在第一天上班时可能会因为不熟悉环境而感到沮丧或犯错,但人们往往会将其归咎于新员工的能力不足,而不是因为他们需要时间适应新环境‌。

2、当遇到交通拥堵时,我们可能会对某个司机大发雷霆,认为他们素质低、开车技术差。然而,可能是因为其他车辆突然变道导致拥堵‌。


http://www.ppmy.cn/devtools/138321.html

相关文章

大数据新视界 -- 大数据大厂之 Hive 函数库:丰富函数助力数据处理(上)(11/ 30)

💖💖💖亲爱的朋友们,热烈欢迎你们来到 青云交的博客!能与你们在此邂逅,我满心欢喜,深感无比荣幸。在这个瞬息万变的时代,我们每个人都在苦苦追寻一处能让心灵安然栖息的港湾。而 我的…

2023年MathorCup高校数学建模挑战赛—大数据竞赛A题基于计算机视觉的坑洼道路检测和识别求解全过程文档及程序

2023年MathorCup高校数学建模挑战赛—大数据竞赛 A题 基于计算机视觉的坑洼道路检测和识别 原题再现: 坑洼道路检测和识别是一种计算机视觉任务,旨在通过数字图像(通常是地表坑洼图像)识别出存在坑洼的道路。这对于地质勘探、航天科学和自然灾害等领域…

【游戏引擎之路】登神长阶(十五)——DirectX12龙书:行百里者半九十(学习阶段完结)

【游戏引擎之路】登神长阶(十五)——DirectX12龙书:行百里者半九十(学习阶段完结) 2024年 5月20日-6月4日:攻克2D物理引擎。 2024年 6月4日-6月13日:攻克《3D数学基础》。 2024年 6月13日-6月20…

学习日记_20241126_聚类方法(自组织映射Self-Organizing Maps, SOM)

前言 提醒: 文章内容为方便作者自己后日复习与查阅而进行的书写与发布,其中引用内容都会使用链接表明出处(如有侵权问题,请及时联系)。 其中内容多为一次书写,缺少检查与订正,如有问题或其他拓展…

2023.11 Graph-Enriched Biomedical Language Models: A Research Proposal

Proceedings of the 13th International Joint Conference on Natural Language Processing and the 3rd Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics: Student Research Workshop, pages 82–92 November 1–4, 2023. ©20…

如何从 Hugging Face 数据集中随机采样数据并保存为新的 Arrow 文件

如何从 Hugging Face 数据集中随机采样数据并保存为新的 Arrow 文件 在使用 Hugging Face 的数据集进行模型训练时,有时我们并不需要整个数据集,尤其是当数据集非常大时。为了节省存储空间和提高训练效率,我们可以从数据集中随机采样一部分数…

利用Python爬虫阿里巴巴中国站获得跨境属性的详细指南

在全球化贸易的背景下,跨境电商成为了连接全球买家和卖家的重要桥梁。阿里巴巴中国站作为全球知名的B2B电子商务平台,提供了海量的商品信息,其中跨境属性信息对于跨境电商尤为重要。本文将详细介绍如何使用Python编写爬虫,从阿里巴…

大数据新视界 -- 大数据大厂之 Hive 数据桶:优化聚合查询的有效手段(下)(10/ 30)

💖💖💖亲爱的朋友们,热烈欢迎你们来到 青云交的博客!能与你们在此邂逅,我满心欢喜,深感无比荣幸。在这个瞬息万变的时代,我们每个人都在苦苦追寻一处能让心灵安然栖息的港湾。而 我的…