Probabilistiskt orsakssamband
Probabilistiskt orsakssamband är ett begrepp i en grupp filosofiska teorier som syftar till att karakterisera förhållandet mellan orsak och verkan med hjälp av sannolikhetsteorins verktyg . Den centrala tanken bakom dessa teorier är att orsaker ökar sannolikheten för deras effekter, allt annat lika .
Deterministisk kontra probabilistisk teori
Att tolka orsakssamband som ett deterministiskt samband innebär att om A orsakar B så måste A alltid följas av B . I denna mening orsakar krig inte dödsfall, inte heller orsakar rökning cancer . Som ett resultat av detta vänder sig många till en föreställning om sannolikhetsförhållande. Informellt orsakar A sannolikt B om A :s förekomst ökar sannolikheten för B . Detta tolkas ibland för att återspegla ofullständig kunskap om ett deterministiskt system men andra gånger tolkas det som att det kausala systemet som studeras har en inneboende indeterministisk natur. ( Propensitetssannolikhet är en analog idé, enligt vilken sannolikheter har en objektiv existens och inte bara är begränsningar i ett ämnes kunskap).
Filosofer som Hugh Mellor och Patrick Suppes har definierat orsakssamband i termer av en orsak som föregår och ökar sannolikheten för effekten. (Dessutom hävdar Mellor att orsak och verkan båda är fakta - inte händelser - eftersom till och med en icke-händelse, såsom att ett tåg inte kommer fram, kan orsaka effekter som att jag tar bussen. Suppes, däremot, förlitar sig på händelser definierade mängdteoretiskt, och mycket av hans diskussion är informerad av denna terminologi.)
Pearl hävdar att hela företaget av probabilistiskt orsakssamband har varit missriktat från allra första början, eftersom den centrala uppfattningen som orsakar att "höja sannolikheterna" för deras effekter inte kan uttryckas i sannolikhetsteorin. Speciellt misslyckas ojämlikheten Pr(effekt | orsak) > Pr(effekt | ~orsak) som filosofer åberopade för att definiera orsakssamband, liksom dess många variationer och nyanser, att fånga intuitionen bakom "sannolikhetshöjning", som i sig är en manipulativa eller kontrafaktiska föreställningar. Den korrekta formuleringen, enligt Pearl, bör lyda:
där do(C) står för en extern intervention som tvingar fram sanningen om C . Den villkorliga sannolikheten Pr(E | C) representerar däremot en sannolikhet som härrör från en passiv observation av C , och sammanfaller sällan med Pr(E | do(C)) . Att observera barometerns fall ökar sannolikheten för att en storm kommer, men "orsakar" inte stormen; om handlingen att manipulera barometern för att ändra sannolikheten för stormar, skulle den fallande barometern kvalificera sig som orsak till stormar. Generellt sett löser formuleringen av begreppet "sannolikhetshöjning" inom kalkylen för do -operatorer de svårigheter som probabilistiska orsakssamband har stött på under det senaste halvseklet, bland dem den ökända Simpsons paradox , och klargör exakt vilka samband som finns mellan sannolikheter och orsakssamband. .
Att fastställa orsak och verkan, även med denna avslappnade läsning, är notoriskt svårt, uttryckt av det allmänt accepterade uttalandet " Korrelation innebär inte orsakssamband" . Till exempel, observationen att rökare har en dramatiskt ökad lungcancerfrekvens fastställer inte att rökning måste vara en orsak till den ökade cancerfrekvensen: kanske finns det en viss genetisk defekt som både orsakar cancer och en längtan efter nikotin; eller till och med kanske nikotinsug är ett symptom på lungcancer i ett mycket tidigt skede som annars inte går att upptäcka. Forskare letar alltid efter de exakta mekanismerna genom vilka händelse A producerar händelse B. Men forskare är också bekväma med att göra ett uttalande som "Rökning orsakar förmodligen cancer", när den statistiska korrelationen mellan de två, enligt sannolikhetsteorin, är mycket större än slumpen. I detta dubbla tillvägagångssätt accepterar forskare både deterministiska och probabilistiska orsakssamband i sin terminologi.
I statistiken är det allmänt accepterat att observationsstudier (som att räkna cancerfall bland rökare och bland icke-rökare och sedan jämföra de två) kan ge tips, men aldrig kan fastställa orsak och verkan. Ofta kan dock kvalitativa orsaksantaganden (t.ex. frånvaro av orsakssamband mellan vissa variabler) tillåta härledning av konsekventa uppskattningar av orsakseffekter från observationsstudier.
Guldstandarden för orsakssamband här är det randomiserade experimentet : ta ett stort antal personer, dela dem slumpmässigt i två grupper, tvinga en grupp att röka och förbjud den andra gruppen från att röka, avgör sedan om en grupp utvecklar en signifikant högre lungcancerfrekvens . Slumpmässig tilldelning spelar en avgörande roll i slutsatsen till orsakssamband eftersom det i det långa loppet gör de två grupperna likvärdiga vad gäller alla andra möjliga effekter på resultatet (cancer) så att eventuella förändringar i resultatet endast kommer att spegla manipulationen ( rökning). experiment av etiska skäl inte utföras, men metoden är allmänt användbar för mindre skadliga experiment. En begränsning av experiment är dock att även om de gör ett bra jobb med att testa förekomsten av någon orsakseffekt, är de mindre bra på att uppskatta storleken på den effekten i en population av intresse. (Detta är en vanlig kritik mot studier av säkerheten för livsmedelstillsatser som använder doser mycket högre än vad människor som konsumerar produkten faktiskt skulle få i sig.)
Slutna kontra öppna system
I ett slutet system kan data antyda att orsak A * B föregår effekt C i ett definierat tidsintervall τ . Detta samband kan bestämma kausalitet med konfidens som begränsas av τ . Men samma förhållande kanske inte är deterministiskt med tillförsikt i ett öppet system där okontrollerade faktorer kan påverka resultatet.
Ett exempel skulle vara ett system av A, B och C, där A, B och C är kända. Egenskaperna är nedan och begränsade till en given tid (som 50 ms eller 50 timmar):
^A * ^ B => ^ C (99,9999998027%)
A * ^B => ^C (99,9999998027%)
^A * B => ^C (99,9999998027%)
A * B => C (99,9999998027%)
Man kan rimligen hävda, inom 6 standardavvikelser , att A * B orsakar C givet tidsgränsen (som 50 ms eller 50 timmar) IF And Only IF A, B och C är de enda delarna av systemet i fråga. Alla resultat utanför detta kan betraktas som en avvikelse.
Anteckningar
- Hitchcock, Christopher. "Probabilistisk orsakssamband" . I Zalta, Edward N. (red.). Stanford Encyclopedia of Philosophy .