El objetivo de una lógica probabilística
Enviado por marilosa • 20 de Octubre de 2014 • Trabajo • 1.038 Palabras (5 Páginas) • 371 Visitas
hjbverhgbewrhjgergwegEl objetivo de una lógica probabilística (o la lógica de probabilidad) debe combinar la capacidad de teoría de probabilidad para manejar la incertidumbre con la capacidad de lógica deductiva para explotar la estructura. El resultado es un formalismo más rico y más expresivo con una amplia gama de áreas posibles de aplicación. La lógica probable es una extensión natural de mesas de verdad tradicionales lógicas: los resultados que ellos definen son sacados por expresiones probables en cambio. La dificultad con lógicas probables es que ellos tienden a multiplicar las complejidades computacionales de sus componentes probables y lógicos.
Índice [ocultar]
1 Propuestas
2 Posibles áreas de aplicación
3 Véase también
4 Referencias
5 Bibliografía Adicional
6 Enlaces externos
Propuestas[editar]
Hay numerosas propuestas para lógicas probables:
El término "la lógica probabilística" primero fue usado por Nils Nilsson en un artículo científico de 1986, donde los valor de verdad— de sentencias son probabilidades.1 La generalización propuesta semántica induce la Vinculación probable lógico, que reduce a vinculación ordinario lógico cuando las probabilidades de todas las sentencias son 0 o 1. Esta generalización se aplica a cualquier sistema lógico para el cual la consistencia de un juego finito de sentencias puede ser establecida.
En la teoría de argumentación probabilística,2 3 las probabilidades directamente no son conectadas a sentencias lógicas. En cambio ello es asumido que un subconjunto particular la W de las variables la W complicada en las sentencias define un Espacio probabilístico sobre la correspondencia sub-σ-algebra.Esto induce dos medidas de probabilidad distintas en lo que concierne a la V, que llaman el grado de apoyo y grado de posibilidad, respectivamente. Los grados de apoyo pueden ser considerados como las probabilidades no aditivas de probabilidad, que generaliza los conceptos de vinculación ordinario lógico (para V=\{\}) y probabilidades clásicas posteriores (para V=W). Matemáticamente, esta vista es compatible con la teoría Dempster-Shafer.
La teoría de razonamiento fundado también define las probabilidad4 es no aditivas de probabilidad (o probabilidades epistémicas) como una noción general tanto para vinculación lógico (probabilidad) como para la probabilidad. La idea es de aumentar la [[lógica proposicional] estándar lógica por considerando a un operador epistémico la K' que representa el estado de conocimiento que un agente racional tiene sobre el mundo. Las probabilidades entonces son definidas sobre el pasar el universo epistémico K'p de todas las sentencias lógicas p, y es argumentado que esto es la mejor información disponible a un analista. De esta vista, la teoría Dempster-Shafer aparece ser una forma generalizada de razonamiento probable.
El formalismo aproximado que razona propuesto por la lógica difusa puede ser usado obtener una lógica en la cual los modelos son las distribuciones de probabilidad y las teorías son los sobres inferiores.5 En tal lógica la pregunta de la consistencia de la información disponible estrictamente es relacionada con el que de la coherencia de asignación parcial probable y por lo tanto con el fenómeno de Argumento de la succión financiera.
El concepto central en la teoría de lógica subjetiva]6 son opiniones sobre algunas variables lógicas complicadas en las sentencias dadas lógicas. Una opinión binomia se aplica a una proposición sola y es representada como una extensión de 3 dimensional de un valor de probabilidad solo para expresar varios grados de ignorancia sobre la verdad de la proposición. Para el cómputo de opiniones sacadas basadas en una estructura de opiniones de argumento, la teoría propone a operadores respectivos para vario connectives lógico, como p.ej. la multiplicación (AND), comultiplication (OR), la división (NAND) y la co-división (NOR) de opiniones7 así como la deducción condicional (MP) y la abducción (MT).8
Posibles áreas de aplicación[editar]
Teoría de la argumentación
Inteligencia artificial
Bioinformática
Teoría de juegos
Filosofía de la ciencia
Psicología
Estadística
Véase también[editar]
Inferencia bayesiana, Red bayesiana, Probabilidad bayesiana
teoría Dempster-Shafer
...