L’incertitude – ce que nous entendons

L'incertitude - ce que nous entendons

Ce site est à propos de l’utilisation des probabilités et des statistiques lorsqu’ils traitent avec l’incertitude, où nous utilisons «incertitude» d’une manière légèrement restreinte. Nous sommes seulement préoccupés par les situations dans lesquelles des individus ou la société sont incertains quant à ce qui est vrai. ce qui signifie que nous nous inquiétons que des choses qui peuvent, au moins en principe, être finalement découvert pour être vrai ou non.

Nous sommes donc heureux de traiter –

  • caractéristiques incertaines de la avenir. comme combien de temps vous allez vivre, le vainqueur de l’élection présidentielle américaine, signifie augmentation de la température mondiale d’ici 2100, et ainsi de suite
  • aspects incertains de la présent. tels que la prestation moyenne d’un médicament, ce que les cartes ont été traitées,
  • événements incertains dans la passé. par exemple, qui était Jack l’Eventreur.

Cela signifie que nous ne traitons pas avec des situations telles que

  • est-il un Dieu?
  • d’autres utilisations plus générales de «l’incertitude», comme étant certain que d’avoir du riz ou des nouilles.

Même quand il est utilisé dans ce sens un peu restreint, nous pouvons identifier différentes façons dont l’incertitude vient en toute tentative d’utiliser des modèles mathématiques et de probabilité de prédire ce qui va se passer. Le processus de modélisation peut être considéré comme englobant quatre principaux niveaux d’incertitude:

  1. L’incertitude quant à l’avenir spécifique, présent, ou des événements passés. Cette forme d’incertitude pourrait être caractérisé comme des cotes de paris ou «chance» et a une longue histoire.
  2. L’incertitude sur les paramètres dans les modèles: cette forme d’incertitude domine biostatistique, où les données et le jugement peuvent coexister (analyse bayésienne). Dans des domaines tels que la modélisation du climat, ce qui a trait à la valeur d’incertitude ou de «probabilité» (par exemple, à propos de la température moyenne augmente)
  3. L’incertitude quant à la structure de modèles: à savoir le degré de confiance dans la science sous-jacente. un modèle donné peut être considéré comme ayant une probabilité lorsque tous les modèles sont «mauvais»?
  4. L’incertitude quant à la pertinence des problèmes particuliers du processus de modélisation entier. Y a-t-il des possibilités qui ne sont même pas pris en considération? (Soi-disant «cygne noir» aberrants comme l’effondrement de l’Union soviétique ou 9/11 – événements extrêmes qui peuvent avoir été prévisible, mais non prévus). La loi de Cromwell se réfère au principe selon lequel aucun événement imaginables devraient avoir une probabilité nulle.

Vous pouvez également commander ici.

Read more

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

trois × trois =