论统计假设检验的逻辑基础

研究了统计假设检验的逻辑基础,指出小概率事件不是不可能事件,"概率反证法"不是反证法。提出了拒绝原假设的推理公式及其特征,认为接受原假设应用的是概率回溯推理。在研究中,第一次提出了偶然概括推理,并运用克瑞普克语义学讨论推理中的语义问题。     

改进的模糊故障树在农村BOT项目风险评估中的应用

传统模糊-故障树模型的建立基于两个假设:(1)底事件之间相互独立;(2)下层事件与上层事件只通过逻辑与门或逻辑非门连接起来。这样的假设对于农村BOT项目评估来说并不现实,故本文引入条件概率和专家评价置信度对风险事件进行描述,提出了改进的模糊-故障树模型。本研究从项目公司角度,以土地征收延迟风险为例,用传统和改进模糊-故障树模型分析风险发生的概率及其主要原因。实例验证,改进的模糊-故障树量化了不确定性风险因素,提高了缺乏历史数据的农村BOT项目风险评估的效果。     

反事实假设复句的逻辑分析

反事实假设复句是对客观事实的反面的假设,由假设而生的结果根本不可能实现。对反事实假设复句的逻辑分析就是要揭示出它所蕴涵的逻辑思维形式,即差异推理(求异法)、反证法和比喻推理。据此,反事实假设复句可以揭示事物间的因果联系、论证某个命题和表明说话者的主观态度和情感。     

高校学生违纪事件分布的研究

本文利用概率统计的方法对高校学生违纪事件的规律进行了研究，在本文的条件下，得出了高校学生违纪事件服从正态分布的结论。     

伯特兰悖论解析

伯特兰悖论对概率论的经典原则——无差别原则提出了质疑.通过对伯特兰悖论进行拓展,并构造类伯特兰悖论,可以清晰地展示伯特兰悖论的推理结构,并发现悖论产生的根本原因.伯特兰悖论的构造过程混淆了变量本身的概率和变量相应的函数的概率.与变量相关的不同函数的概率可能是不同的;并且由于函数的不同,各种值的概率都是可能的,具体概率值的多少是由函数的性质决定的.伯特兰悖论严格的推理结构存在不同的前提条件,得出的结论并不会导致矛盾,因此伯特兰悖论不是悖论,它不能对无差别原则形成质疑.     

研究生招生工作中的小概率事件及其预防

利用小概率原理分析研究生招生工作中的突发事件,提出了导致小概率事件发生的原因有重复效应、数量累积效应和群众检验效应,认为在招生工作中要树立小概率事件意识,科学设计招生工作流程,建立应对小概率事件的制度,以更有效地应对小概率事件。     

论管理中的小概率事件

小概率事件的存在、发展变化,是不以人的意志为转移的。但是人们根本没有有针对性地对其本质,规律性及内在联系开展过研究。介绍了小概率事件的含义、现象、性质及其规律,提出了防控措施,特别是针对管理中的小概率问题,进行了深层次的剖析。     

论基础概率谬误及其认知策略

"基础概率谬误"是卡尼曼和特维尔斯基发现的一种主观概率判断现象,即人们在进行主观概率判断时倾向于使用具体信息而忽略掉一般信息的现象。它的提出打破了以贝叶斯定理为基础的规范性研究方案在决策理论研究中的主导地位,继而开启了决策理论的描述性研究,使我们对人类的决策判断模式有了更加深入的理解。关于基础概率谬误产生的认知策略,主要有代表性启发策略、相关性原则、因果启发策略等解释。但是,基础概率谬误并不就真的是"谬误",它实则是人类在判断决策时基于被判断事件所处的参考系的考虑,有选择地忽略了与问题的解决关系不太相关的第一基础概率。     

Fuzzy事件之概率的一种新定义

给出了Ｆｕｚｚｙ事件之概率的一种新定义，讨论了Ｆｕｚｚｙ事件新概率的基本性质，揭示了这种新概率与原有用期望法定义的Ｆｕｚｚｙ事件的概率之间的联系     

惊讶事件的证据力探析

惊讶事件是一个小概率事件,它在科学研究和法律推理中的重要证据力都不曾受到理论工作者或实务工作者的重视和关注。事实上,惊讶事件不仅在法律的刑事侦查中而且在科学发现中都具有重要证据价值。惊讶事件的证据力表现为:如果一个理论或假说能精确地预测或解释惊讶事件,那它将获得人们更强的支持和信任,因为惊讶事件是小概率事件,它和一个理论或假说的确证度成反比关系,即惊讶事件的概率越小,则预测该惊讶事件的理论为真的可能性越高。同时,从科学逻辑角度来讲,惊讶事件是严厉测试的一种表现结果,反过来讲,严厉测试可以产生惊讶事件。这一点在案件侦查和法庭审判等司法活动中都表现得更加明显。在司法过程中,如果充分利用惊讶事件的证据力,那就可以大大降低错案发生的概率,从而为通达司法公正、维系法律理性和建设法治中国提供方法支援。     

概率与逻辑:疫情之下规避风险和争取机遇的决策论思考

尽管概率是赌博这种不太光彩行为的产物,但它已逐渐成为人类文明的一大瑰宝。概率逻辑是在不断消解概率悖论的过程中逐步确立并且加固自己的理论基础的,所有这些悖论和疑难都成为了概率理论的试金石和智能的磨刀石,就像喷气式助推器那样,推动着概率逻辑的发展。概率逻辑研究的中心问题是从不确定的情景中寻找确定性。在当前的新型冠状病毒肺炎疫情之下,概率理论及其应用几乎渗透到社会生活和生产的各个方面。在当今的人工智能研究中,概率和统计推理占据了相当重要的地位。我们希望应用概率和统计推理的方法可以帮助解决各种纠纷和争端——小到孩童游戏之争大到世界性政治经济危机,都可以迎刃而解、化险为夷,而这种方法的核心就是机遇与风险的概率理论。     

贝特朗奇论之辩析

一般地,一个随机事件的概率是唯一确定的。在贝特朗奇论中,对于同一随机事件的概率,当利用三种方法求解时,得到了三个不同的值。本文对贝特朗奇论的每一种解法作了进一步分析,并在其概率的唯一确定方面作了一定努力。     

现代归纳逻辑性向解释面临的困境与发展

性向解释是在频率解释不能解决单个事件概率的情形下由波普尔提出来的。虽然波普尔的性向解释也没有解决为单个事件引入客观概率的问题，但与频率解释相比，它对概率论应用的情形提供了有用的扩展，并且“性向”这个术语并不仅仅适用于他自己的观点。由此，后期波普尔、米勒和费塞特发展了单个事例性向解释，吉利斯发展了长趋势性向解释。     

从蒙提·霍尔问题看认知计算

蒙提·霍尔问题涉及如何界定决策中的随机事件、如何刻画决策者的认知和概率计算.通过与相关抽彩问题的比较和认知计算得出的结论是:标准概率论在蒙提·霍尔问题的概率计算中仍然有效,但采用朴素条件化概率忽略了问题情境中的认知因素;改变选择的决策在原问题中是期望效用最大化意义上合理的,但其推理论证存在逻辑循环,关于概率转移的解释是错误的.蒙提·霍尔问题表明不确定性决策中认知推理和概率计算之间不协调.这个悖论说明决策合理性与相应认知推理的逻辑可证性不等价,差异源于概率计算和不确定性推理依赖认知编码,这意味着随机性的知识是不可证的.     

广义全概率公式

经典全概率公式的条件中要求事件列必须是"互不相容"的,本文将去掉这一条件,试图解决由任何事件列(相容或不相容)构成的样本空间,其复杂事件概率如何用全概率公式"直接"计算的问题,给出了广义全概率公式.并以集合运算律为工具,对公式给予了严密的证明.最后举出1个例子以阐明公式的运用.     

古典概型中求事件概率应注意的几个问题

古典概型中概率的计算是概率学习中的一个基本而又重要的问题。该文提出了古典概型中求事件概率应注意非等可能性、事件重复、排列组合混淆、样本空间不一样等问题。求解古典概型问题时注意到这些问题就容易获得正确的解答。     

合取谬误现象

大量有关人类归因判断的研究表明,人类经常违反理性概率(贝叶斯)推断.Tversky和Kahneman(1983)的试验说明,当要求试验参与者对一些单个事件及由它们组成的合取事件发生的概率进行评估时,他们倾向于认为合取事件的概率大于其中一个组成事件的概率,该现象被称之为"合取谬误(the conjunction fallacy)".本文着重介绍了合取谬误现象的发现、解释模型,以及德国适应性研究中心Gigerenzer所提出的频率启发式观点.此外,合取谬误现象对于避免在医疗诊断等推断任务过程中产生推断错误也具有一定的启示意义.     

因果推理研究的认知进路：基于人工智能视角

因果关系是人工智能实现从感知到认知需突破的关键问题，因果推理对于构建可解释的机器学习模型至关重要。用概率解释因果关系是一种自然主义观点。因果贝叶斯网络的运用表明，发现因果关系的人工智能归纳法面临因果马尔可夫条件的客观性解释难题。为保证归纳的因果模型符合我们理解的因果关系，因果认知理论体现了一种认知转向的非实在论立场。因果推理的认知进路昭示着概率理论从单一向多样化发展，主观与客观从对立到融合的可能性。     

印度逻辑与形而上学的方法

［摘要］因明推理的一个环节是喻。它分为同喻与异喻。异喻以证伪反例来间接证明宗（正命题）。义准量的第一个原便是依据于命题中的矛盾,以否定方式来完成推理。这便是反证法。它通常被哲学家们用来证明某种不可见识的存在。     

非常规灾害事件情景演化的概率性生长模式——基于台风莫拉克的探索性案例研究

使用探索性案例研究方法，对台风莫拉克在浙江的演化过程进行分析。研究发现，非常规灾害事件的情景演化过程与生物体的生长过程具有诸多相似之处，同时又具有明显的概率性。在案例研究基础上，进一步构建数学模型，给出了概率性生长模式的形式化表达，也为仿真模拟和计算实验提供了理论基础。