[논문 리뷰] Partial Probability and Kleene Logic

Maurizio Negri|arXiv (Cornell University)|2013. 10. 23.

Advanced Algebra and Logic참고 문헌 2인용 수 3

한 줄 요약

이 논문은 값이 부여된 레이스와 DMF-대수를 사용하여 집합론적 접근과 언어학적 접근을 통합하며, 클리니의 삼가oz 논리 내에서 부분 확률을 도입한다. 사건 기반과 공식 기반 확률 간의 번역을 수립하고, 부분 사건에 대한 베이즈 정리의 약한 형태를 증명하며, 정보가 불완전한 상황에서의 불확실성에 대한 대수적 기반을 제공한다.

ABSTRACT

There are two main approach to probability, one of set-theoretic character where probability is the measure of a set, and another one of linguistic character where probability is the degree of confidence in a proposition. In this work we give an unified algebraic treatment of these approaches through the concept of valued lattice, obtaining as a by-product a translation between them. Then we introduce the concept of partial valuation for DMF-algebras (De Morgan algebras with a single fixed point for negation), giving an algebraic setting for probability of partial events. We introduce the concept of partial probability for propositions, substituting classical logic with Kleene's logic. In this case too we give a translation between set-theoretic and linguistic probability. Finally, we introduce the concept of conditional partial probability and prove a weak form of Bayes's Theorem.

연구 동기 및 목표

• 값이 부여된 레이스를 기반으로 한 대수적 구조를 통해 고전적 확률과 언어학적 확률 접근법을 통합하는 것.
• 부정의 고정점이 하나인 드 모르간 대수(단일 고정점이 있는 DMF-대수)를 사용하여 부분 사건으로의 확률 이론의 확장을 도모하는 것.
• 클리니의 삼가oz 논리로 대체되는 부분 확률을 위한 공식적 프레임워크를 개발하는 것.
• 고전적 및 부분 설정에서 사건 기반과 공식 기반 확률 간의 双방향 번역을 수립하는 것.
• 조건부 부분 확률을 형식화하고 부분 사건에 대한 베이즈 정리의 약한 형태를 증명하는 것.

제안 방법

• 확률의 일반적인 대수적 프레임워크로 값이 부여된 레이스를 사용하며, 모듈러 방정식 $ v(a \vee b) = v(a) + v(b) - v(a \wedge b) $ 를 만족시킨다.
• 부정이 1이 되고 $ v(1) = 1 $ 이며 $ v(a \wedge b) = 0 \Rightarrow v(a \vee b) = v(a) + v(b) $ 를 만족하는 부울 대수에서의 덧셈 함수로 부울 값 부여를 정의한다.
• 클리니 논리 연결사에 따라 작동하는 부분 값 부여를 DMF-대수에서 정의하며, 원소에 쌍 $ (x,y) \in [0,1]^2 $ 를 할당한다.
• 자유 DMF-대수에서 사고의 대수로의 준동형사상에 의해 $ \mathcal{G}_A $ 내의 부분 사건에서 문장 언어의 공식으로의 번역을 구성한다.
• 클리니 논리에 기반한 공리계를 만족하는 부분 확률 함수 $ \pi: F \to [0,1]^2 $ 를 정의하며, $ \pi(\neg \alpha) = \sigma(\pi(\alpha)) $ 를 포함한다. 여기서 $ \sigma(x,y) = (y,x) $ 이다.
• 표현 정리를 적용하여 부분 확률 함수 $ \pi(\alpha) = \overline{v}(|\alpha|) $ 를 구성한다. 여기서 $ \overline{v} $ 는 부분 사건에 대한 측도 $ \mu $ 로부터 유도된 부분 값 부여이다.

실험 결과

연구 질문

• RQ1 값이 부여된 레이스를 사용하여 집합론적 접근와 언어학적 접근를 대수적으로 어떻게 통합할 수 있는가?
• RQ2 부분 사건에 대한 추론에 적합한 논리적 프레임워크는 무엇이며, 고전적 논리와 어떻게 다를까?
• RQ3 부분 사건에 대한 확률 측도를 다가역 논리에서의 공식에 대한 확률 함수로 번역할 수 있는가?
• RQ4 부분 확률의 대수적 구조는 무엇이며, 고전적 확률 이론을 어떻게 확장하는가?
• RQ5 제안된 프레임워크 하에서 부분 사건에 대해 베이즈 정리의 약한 형태가 성립하는가?

주요 결과

• 클리니 논리 내의 공식에 대한 부분 확률 함수 $ \pi $ 는 문장 언어의 린덴바움 대수에서의 값 부여 $ \overline{v} $ 를 통해 정의되며, 고전적 확률을 일반화하는 공리계를 만족한다.
• 부분 사건 $ (X,Y) \in \mathcal{G}_A $ 에서 공식 $ \alpha \in \overline{\tau}(X,Y) $ 로의 번역은 $ \mu(X,Y) = \pi(\alpha) $ 를 보장하며, 일대다 대응을 수립한다.
• 논문은 $ \pi(\alpha \vee \beta) = \pi(\alpha) + \pi(\beta) - \pi(\alpha \wedge \beta) $ 를 증명하며, 부분 설정에서 확률의 모듈러 성질을 유지함을 보여준다.
• 부분 확률에서 $ \pi(\neg \alpha) = \sigma(\pi(\alpha)) $ 를 증명하며, 여기서 $ \sigma(x,y) = (y,x) $ 이다. 이는 클리니 논리의 대칭성을 반영한다.
• 조건부 부분 확률에 대해 약한 형태의 베이즈 정리를 도출하여, 고전적 베이지안 추론을 정보가 불완전하거나 중간 진리값을 가진 상황으로 확장한다.
• $ \overline{v} = \mu \circ \eta $ 의 구성에서 $ \eta $ 는 자유 DMF-대수에서 사고의 대수로의 준동형사상이며, 이는 부분 확률 함수가 측도 $ \mu $ 와 일관되게 잘 정의되어 있음을 보장한다.