¿Cuál es la diferencia entre modelos probabilísticos y deterministas?

El probabilismo es un modelo epistémico, donde el determinismo es un modelo óntico. Abordan cosas diferentes. Uno aborda lo que podemos o no podemos saber sobre algo, y el otro aborda lo que existe.

El determinismo solo significa que cada evento tiene una causa (ya sea una causa local o una causa no local, como postulan algunos modelos deterministas de mecánica cuántica). Probabilismo significa que no tenemos o no podemos tener toda la información para evaluar los detalles de un evento, por lo que tenemos que evaluar una probabilidad. Por ejemplo, si tiramos un dado, no tenemos todos los detalles específicos de la forma en que se lanzó el dado, el peso del dado, la superficie del dado y la superficie de donde cae el dado, la gravedad gravitacional específica la fuerza, la presión del aire, y así sucesivamente, para descubrir en qué aterrizará causalmente. Nuestro (falta de) conocimiento significa que solo podemos evaluar una “probabilidad” de una probabilidad de 1 en 6 para cada número (probabilismo), incluso si causalmente aterrizará en un 4 (determinismo).

En otras palabras, el probabilismo no necesariamente implica que cada una de las opciones (1 a 6) sean realmente posibles, solo que nuestra falta de conocimiento de la única posibilidad (si es determinista) significa que debemos asignar una probabilidad (un rango de probabilidades resultados).

Es importante señalar que el probabilismo y el determinismo no son mutuamente excluyentes. Un sistema puede ser completamente determinista, pero podríamos solo evaluar una probabilidad para un evento dentro del sistema determinista.

En otras palabras, el probabilismo no implica indeterminismo, al menos por cómo se usan los términos determinismo / indeterminismo en física y filosofía. Aquí hay un artículo que puede aclarar algunos de estos malentendidos y diferentes usos de las palabras: “determinismo” e “indeterminismo”.

Volviendo al probabilismo, aquí hay un ejemplo de otro artículo que escribí acerca de personas que confunden erróneamente la existencia con el conocimiento del probabilismo:

“Imagina, si quieres, tres puertas (puertas A, B y C). Sabes con 100% de hecho que una barra de oro está detrás de una de las puertas y los burros están detrás de las otras dos, simplemente no tienes idea de qué puerta el oro o los burros están detrás. Tienes una probabilidad de 1/3 de abrir la puerta de la barra de oro si solo pudieras elegir uno. Sarah, otra persona, sin embargo, sabe que la puerta C tiene un burro, pero ella no sabe si el oro está detrás de A o B. A diferencia de usted, ella tiene un 50% de posibilidades de elegir la puerta de la barra de oro. Sin embargo, otra persona, Billy, sabe que la puerta A y la puerta C tienen el burro, por lo que sabe al 100% que B tiene el barra de oro (como él sabe, una barra de oro está detrás de una de las puertas que no tiene burro).

Las probabilidades difieren en función no de que las probabilidades sean “reales” sino más bien del conocimiento que posee la persona. La evaluación de una probabilidad de 1/3 o 50% de probabilidad está simplemente en la cabeza de las personas (usted y Sarah) que no tienen el conocimiento completo que Billy tiene.
Las probabilidades no son algo que realmente “exista” en la realidad, aparte de existir como un pensamiento en el cerebro. La barra de oro no tiene una probabilidad de 1/3 de estar detrás de ninguna puerta, en realidad está 100% detrás de la puerta B, como Billy sabe “.

De hecho, yo diría que el probabilismo y el indeterminismo tienen algunos problemas de compatibilidad, como para evaluar una probabilidad, que parece implicar que se canaliza causalmente. Pero ese es otro tema. Lo importante a entender es que el probabilismo se trata de “conocimiento” o falta de él (epistémico) y el determinismo se trata de causas “existentes” (óntico) … y es importante no confundir al epistémico como siendo óntico.

Luego. 🙂

Para conocer la diferencia entre el modelo probabilístico y determinista, debemos saber qué son los modelos, o más específicamente, qué es un modelo matemático.

Al principio, deberíamos ser capaces de diferenciar con precisión entre un fenómeno observable y el modelo matemático de un fenómeno observable. Por supuesto, no tenemos control sobre lo que observamos. Pero al desarrollar un modelo matemático para un fenómeno, podemos ignorar (no considerar) ciertos factores. ¿Y por qué podemos hacer eso? Es porque desarrollamos un cierto modelo matemático para visualizar un fenómeno de una manera simplista. Por supuesto, el éxito del modelo depende de si los factores ignorados son realmente o no importantes para el estudio del fenómeno subyacente. Además, es muy difícil establecer con certeza si un modelo matemático dado es adecuado o no antes de probar algunos datos de observación. Entonces, para deducir la corrección de nuestro modelo, tenemos que probar el resultado del modelo con las observaciones reales en diferentes condiciones.

Ahora, los modelos matemáticos pueden ser de dos tipos, a) modelos deterministas b) modelos no deterministas (o también conocidos como modelos probabilísticos o estocásticos).

En un modelo determinista se supone que el resultado real (ya sea numérico o de otro tipo) se determina a partir de las condiciones bajo las cuales se lleva a cabo el experimento. Por ejemplo, si insertamos una batería en un circuito simple, el modelo matemático que presumiblemente describiría el flujo de corriente observable sería I = E / R. El modelo predice el valor de I tan pronto como se proporcionan E y R. Si el experimento anterior se realiza varias veces, cada una utilizando el mismo circuito, presumiblemente esperaríamos el mismo valor de I. Cualquier desviación que pueda ocurrir será muy pequeña.

En un modelo no determinista, las condiciones bajo las cuales se observa el experimento solo determinarán un comportamiento probabilístico del resultado observable. Por ejemplo, deseamos determinar cuánta precipitación caerá como resultado de un sistema de tormenta particular que pasa por una localidad específica. Hay instrumentos disponibles con los que registramos la precipitación que ocurre. Las observaciones meteorológicas pueden brindarnos información considerable sobre el sistema de tormentas que se aproxima, la presión barométrica en varios puntos, los cambios en la presión, el origen y la dirección de la tormenta, etc. Pero esta información, por muy valiosa que sea, simplemente no permite establecer con mucha precisión cuánta precipitación caería. Este fenómeno no conduce a un enfoque determinista, sino que un modelo probabilístico describe el fenómeno con mayor precisión.

Entonces, en un modelo determinista, usamos las consideraciones físicas para predecir un resultado casi exacto, mientras que en un modelo no determinista usamos esas consideraciones para predecir más un resultado probable (distribución de probabilidad).

Los modelos probabilísticos requieren medidas para la construcción. Los modelos deterministas requieren causa y efecto y, en la mayoría de los casos, son necesarios para la construcción de los modelos probabilísticos (estadísticos).

Los modelos de causa y efecto dependen del tiempo de viaje de la información, mientras que los modelos estadísticos dependen de la medición que se haya tomado (información anterior), sin la inclusión de la transmisión de información. Estas distinciones a menudo se pasan por alto en los modelos teóricos que conducen a interpretaciones erróneas.

La inclusión del tiempo de transmisión en los modelos permite la noción de libre albedrío (un nombre inapropiado), porque el resultado de los incidentes está siendo decidido por la madre naturaleza en diferentes posiciones y tiempos.

El determinismo es el adjetivo del determinismo, que es una doctrina filosófica de que todo estado de cosas, incluidos todos los eventos, actos y decisiones humanos, es la consecuencia inevitable de los estados o eventos antecedentes .

La probabilidad se deriva de la probabilidad que en general se basa en la aleatoriedad en la ocurrencia de eventos.

Entonces, la diferencia es que los modelos deterministas sugieren que existen causas conocidas de eventos, mientras que los modelos probabilísticos se basan únicamente en la probabilidad pura.

El artículo Modelos y pensamientos deterministas y probabilísticos esboza la diferencia. El determinismo supone una causa y un efecto directos: la misma causa, con la misma fuerza, produce el mismo efecto con la misma magnitud. El modelo probabilístico, también llamado modelo estocástico, supone que la misma causa puede producir diferentes efectos cada vez, y produce un rango de efectos producidos por la misma causa.

Aquí hay un gran artículo que descifra las diferencias entre el seguimiento de identificación de dispositivo determinista y probabilístico. Debería ayudar a responder su pregunta.

Seguimiento determinista frente a probabilístico de dispositivos cruzados