[ Ellery Eells (1991), Probabilistic causality (Cambridge University Press), pp. 22-55. ]
1.1 Populations
1.2 Probability
1.1 Populations
23
속성-수준 확률 인과 주장 소개
23-24
엘스는 ...
이것이 옳다면, C가 요소 E에 대한 긍정적 인과 요소인지 여부는 모집단에 따라, 또는 개체에 따라 달라질 수 있음.
24-25
속성-수준 확률 인과 주장은 세 가지의 관계에 관한 것이어야 함.
원인 요소, 결과 요소, 원인 요소가 결과 요소에 확률 원인인 모집단(population)
25
유관한 토큰 모집단(relevant token population)을 주어진 특정한 종(kind)으로 생각해야 함.
어떠한 토큰 모집단은 항상 많은 유형들이나 종들을 가진 한 토큰
모집단 P에서 요소 C가 요소 E에 가지는 인과적 유의미성(causal significance)은 모집단 P가 예화하는 것으로 생각하는 종 Q에 의존할 수 있음.
25
확률값은 우리가 주어진 한 모집단을 어떤 속성과 연결하는지에 의존함.
엘스는 객관적이고 물리적인 확률을 유관한 속성을 지닌 가설적 모집단의 빈도로 해석함.
1.2 Probability
44-45
실제 모집단 P는 반복 가능한 어떠한 "실험"의 결과로 볼 수 있음.
개체들 N의 한 집합을 "초기 조건들의 분산"으로 탐구
초기 조건: P의 개체들이 요소 X, Y, Z, X1 등을 가지거나 결여한 것과 관련하는 방식으로 인과적으로 유관한 요소
I1, I2, , … In처럼 n개의 초기 조건들이 있다면, 초기 조건의 분산은 Ii와 ~Ii의 가능한 조합들에 관한 분산으로 구체화함.
초기 조건이 분배된 상황을 “실험 설정”(experimental set-up)
어떤 종류의 초기 조건들이 토큰에 나타나는지 또는 부재한지에 따라 이들 성향은 달라질 것
(2018.05.21.)
댓글 없음:
댓글 쓰기