Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

贝叶斯主义的常识

Posted on 2025-05-23
open?token=eyJtIjoiPDIwMjUwNTIzMDMxNzE1L

贝叶斯规则是现代经济学和现代心理学的核心。
͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏

转发了这封邮件? 点击此处订阅以获取更多信息
https%3A%2F%2Fbucketeer-e05bbc84-baa3-43

贝叶斯主义的常识

布莱恩·卡普兰
5月23日
https%3A%2F%2Fbucketeer-e05bbc84-baa3-43
https%3A%2F%2Fsubstack.com%2Ficon%2FLuci
https%3A%2F%2Fsubstack.com%2Ficon%2FLuci
https%3A%2F%2Fsubstack.com%2Ficon%2FLuci
https%3A%2F%2Fsubstack.com%2Ficon%2FNote

在应用程序中阅读https%3A%2F%2Fsubstack.com%2Ficon%2FLuci

贝叶斯规则是现代经济学和现代心理学的核心。根据贝叶斯规则,一个理性的人会从一些关于概率的信念(他的“先验”)开始,并随着新信息的出现以特定的方式改变这些信念,以达到新的信念(他的“后验”)。心理学家通常强调人们应该使用贝叶斯规则;而经济学家则更倾向于假设人们确实会使用贝叶斯规则。

贝叶斯规则的主要问题在于,它没有明确先验概率的来源,也没有明确你应该拥有哪些先验概率。人们很容易认为,每个先验概率都只是你最后一个后验概率。但是,你的第一个先验概率从何而来?如果你选错了,那么基于它的一切也可能是错误的。

尽管他没有使用贝叶斯语言,但这却是被忽视的苏格兰哲学家托马斯·里德努力思考的主要问题之一。他的答案很简单:你的先验应该基于常识。

如果不研究里德的著作,我们很容易将他的观点斥为:(a) 愚蠢,因为常识常常是错误的;或者 (b) 陈词滥调,因为每个人都声称自己的观点是常识。但最终,他的观点占了上风。常识确实曾经犯过错误:与表面现象相反,地球绕着太阳转。但我们如何才能推翻一个常识性的观点呢?只有用更强有力的常识性论断——比如“感知有效”——来反驳那些更弱的论断。而且,并非每个人都声称自己的观点是常识——许多哲学家乐于反其道而行之。

理解Reid的最快方法是举一个简单的例子。假设有人证明(A蕴含B)。B完全违背常识。你应该接受B吗?几乎不可能。如果(A蕴含B),那么(非B蕴含非A)。这是基本逻辑。因此,你拥有的不是一个,而是两个有效论证。你应该接受哪一个?那个前提更明显的。你必须问自己:“哪个更有可能?A为真,还是非B为真?”

这似乎与经济学相去甚远,但事实并非如此。Reid 对常识的强调在您阅读或进行实证研究时非常有帮助。例如,与许多批评Card 和 Krueger 最低工资研究的人不同,我从未愤怒地将他们的工作斥为不诚实的诡计。我的反应很简单,他们可能错了,因为他们的结论违背了常识。哪种可能性更大?工资上涨时雇主不会减少购买劳动力?还是计量经济学在这个领域并不那么可靠?我选择后者。当然,根据贝叶斯规则,C-K 的研究让我不像以前那么自信了。但也不是太多。(有关精确的计算,请参见此处,第 81-3 页)。

附言:科罗拉多大学的哲学家迈克尔·休默比里德本人更出色地捍卫了常识哲学。想了解一下,可以看看这里、 这里和这里。没错,有时候续集比原作更精彩。

An Inquiry into the Human Mind on the Principles of Common Sense

该文章最先出现在Econlib上。

升级至付费
https%3A%2F%2Fsubstack.com%2Ficon%2FLuci喜欢
https%3A%2F%2Fsubstack.com%2Ficon%2FLuci评论
https%3A%2F%2Fsubstack.com%2Ficon%2FNote重新堆叠

© 2025布莱恩·卡普兰
布莱恩·卡普兰(Bryan Caplan),MSN 1D3,乔治梅森大学
弗吉尼亚州费尔法克斯 22030
取消订阅

获取应用程序 动笔

open?token=eyJtIjoiPDIwMjUwNTIzMDMxNzE1LeJxEkEuu8yAMRldTZn9kCI9kwFoiA25_dBOowLTK

原文: https://www.inoreader.com/article/3a9c6e773d97f630

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Bits about Money
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • Elad Gil
  • Ellie Huxtable
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • Henrique Dias
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mostly metrics
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme