.png){kind=icon}
返回
Inferential rules for confirmatory robustness
.png){kind=icon}
PRE
AI
DOI：10.1007/s13194-026-00722-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文分析了结果的稳健性在何时以及何种程度上产生确证。我提出了两条推理规则，用以说明模型构建者和实验者在获得新的推导性或实验性信息时应如何更新其条件概率。虽然类似的规则适用于推导性稳健性和实验性稳健性，但仅凭它们本身不足以从推导性稳健性中产生经验确证。这需要适当的间接确证关系将模型结果与经验证据联系起来。我考察了若干此类关系，并展示了稳健性如何通过证明一个经验验证的结果和一个模型预测依赖于相同的组成部分而增加确证，而某些虚假的辅助假设则无关紧要。当经验确证源于推导性稳健性时，其作用在于加强这些间接联系，而非通过确保一个稳健定理的高绝对概率。该阐释澄清了稳健确证推理的范围和局限。
Keyword:
Derivational robustness
Experimental robustness
Indirect confirmation
Genuine confirmation
Logical omniscience
