それぞれの説明が必要とする仮定を数える

2つの説明が同じ事実に合うとき、それぞれがどれだけの未検証の仮定に依存しているかを数える。

Why it works

説明の中のそれぞれの仮定は、その説明が失敗しうる独立した場所です。5つの仮定を持つ説明には、連鎖が壊れうる5つの場所がある。2つの仮定を持つ説明には2つの場所がある。仮定を数えることは、確率の違いを具体的にします ― 独立した誤りは掛け算されるので、説明間のギャップは急速に広がります。

How to do it

1. 競合する説明を明示的な連鎖として書き出す。『これが真であるのはA、B、Cが成り立つ場合だ』
2. 各連鎖の未検証の仮定を数える。
3. どの仮定が現在の証拠で実際に検証可能かを問う。
4. 更新には開かれたままで、未検証のステップが少ない説明を選ぶ。

エビデンス

パーシモニー(倹約性)の選好は科学哲学(ソーバー、クワイン)において基礎的であり、ベイズ確率にも符号化されています。シンプルなモデルは、より少ない独立した賭けをするため、より高い事前確率を受け取ります。この形式化は統計的モデル選択(AIC、BIC が不必要なパラメータにペナルティを課す)において確立されています。ソーバーの『オッカムの剃刀たち』は、パーシモニーのいくつかの異なる正当化を区別し、仮定を数えることが特定の証拠条件の下でのみ弁護可能な事前確率であることを明確にしています。 (mechanistic)

パーシモニーは事前確率であり保証ではありません。自然は時に本当に複雑です。シンプルな説明も間違っている可能性があります。剃刀は出発点を導くもので、終着点ではありません。

出典

• Sober, Elliott (2015). Ockham's Razors: A User's Manual. Cambridge University Press.
• Schwarz, Gideon (1978). "Estimating the Dimension of a Model." The Annals of Statistics, 6(2), 461–464.
• Akaike, Hirotugu (1974). "A New Look at the Statistical Model Identification." IEEE Transactions on Automatic Control, 19(6), 716–723.

よくある間違い

証拠に関わらず、シンプルさを切り札として扱うこと ― 複雑に感じられるからという理由で、複雑だがよく裏付けられた説明を却下すること。