[论文解读] From "plausibilities of plausibilities" to state-assignment methods. I. "Plausibilities of plausibilities": an approach through circumstances

PierGianLuca Porta Mana, A. Maansson+1 more|arXiv (Cornell University)|Jul 17, 2006

Philosophy and History of Science被引用 2

一句话总结

本文通过引入'情境'（circumstance）的概念，重新诠释了'概率的概率'，以统一经典与量子态赋值方法。借助概率论定理，证明命题可被唯一参数化为概率分布，且该参数化方式对命题自身概率的变化保持不变，从而为态赋值提供基础性框架。

ABSTRACT

This is the first part of a three-note study which starts from an analysis of "probabilities of probabilities" to arrive at old and new state-assignment methods in classical and quantum mechanics. In this note, probability-like parameters appearing in some statistical models, and their prior distributions, are reinterpreted through the notion of 'circumstance'. The idea is basically Laplace's and Jaynes', and rests on a theorem from probability theory which shows that a set of propositions can be uniquely parametrised by probability distributions. This parametrisation is invariant with respect to changes in the probabilities of the propositions themselves.

研究动机与目标

• 通过将'概率的概率'建立在'情境'概念基础上，解决其在概念上的模糊性。
• 通过共同的概率论基础，统一经典与量子态赋值方法。
• 通过不变参数化，为统计模型中的先验分布提供数学上严谨的重新诠释。
• 通过概率论定理形式化拉普拉斯与杰恩斯原则的应用，拓展其适用范围。
• 建立一个框架，使态赋值在底层命题概率发生变化时保持不变。

提出的方法

• 将统计模型中的概率似参数重新解释为'情境'的函数——即定义知识状态的上下文条件。
• 应用概率论中的基础定理，证明一组命题可被概率分布唯一参数化。
• 利用此参数化方法定义先验分布，使其在命题概率重新分配时保持不变。
• 证明该参数化独立于命题的实际概率，仅依赖于命题的结构及其逻辑关系。
• 引入形式化体系，使'情境'作为元层级变量，编码信息状态，实现一致的态赋值。
• 推导出该参数化在命题概率变换下保持不变，确保态赋值的一致性。

实验结果

研究问题

• RQ1 如何一致地重新诠释'概率的概率'，以避免统计建模中的循环性？
• RQ2 '情境'概念在统一经典与量子态赋值方法中起到何种作用？
• RQ3 命题通过概率分布进行参数化时，如何在命题概率变化下保持不变？
• RQ4 该框架如何将拉普拉斯与杰恩斯原则推广至更一般且形式化的设定？
• RQ5 能否通过命题的不变参数化构建统一的态赋值基础？

主要发现

• 本文确立了命题集合可被概率分布唯一参数化，且该参数化独立于命题被赋予的实际概率。
• 该参数化在命题概率变化下保持不变，确保在不同概率值下态赋值的一致性。
• 该框架为将先验分布解释为'情境'的函数提供了正式基础，解决了高阶概率模型中的模糊性问题。
• 该方法通过基于共同概率结构，统一了经典与量子态赋值方法。
• 将'情境'作为元层级变量，使先验信息在统计推断中得以一致处理。
• 支撑参数化的定理确保了态赋值过程在逻辑上一致，且独立于对命题的任意概率赋值。