u n i v e r s i t y o f c o p e n h a g e n Slide 1/26

Relaterede dokumenter
Om sandhed, tro og viden

Matematikkens filosofi filosofisk matematik

MATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 4. fjerdedel

TØ-opgaver til uge 45

Om hypoteseprøvning (1)

Lad os som eksempel se på samtidigt kast med en terning og en mønt:

Kalkulus 2 - Grænseovergange, Kontinuitet og Følger

Tue Tjur: Hvad er tilfældighed?

Primtal - hvor mange, hvordan og hvorfor?

Eksamen 2014/2015 Mål- og integralteori

Reeksamen 2014/2015 Mål- og integralteori

Tro, Viden & Vished. Erik Ansvang.

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Elementær sandsynlighedsregning

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Den sproglige vending i filosofien

Aarhus Universitet 5. februar Meddelelse 2

Sandsynlighedsregning 10. forelæsning Bo Friis Nielsen

Elementær sandsynlighedsregning

Noget om en symmetrisk random walks tilbagevenden til udgangspunktet

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Matematisk modellering og numeriske metoder. Lektion 5

1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable

Billedbehandling og mønstergenkendelse: Lidt elementær statistik (version 1)

En statistikstuderendes bekendelser Søren Wengel Mogensen

Matematiske metoder - Opgavesæt

Undervisningsbeskrivelse

Naturfagenes egenart

MODELSÆT 2; MATEMATIK TIL LÆREREKSAMEN

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning

Program. Statistik og Sandsynlighedsregning. Eksempler. Sandsynlighedstæthed og sandsynlighedsmål

Skriftlig Eksamen Beregnelighed (DM517)

Skriftlig Eksamen Algoritmer og Datastrukturer (dads)

4 Oversigt over kapitel 4

Projekt 4.9 Bernouillis differentialligning

Landmålingens fejlteori - Lektion 2. Sandsynlighedsintervaller Estimation af µ Konfidensinterval for µ. Definition: Normalfordelingen

Formål & Mål. Ingeniør- og naturvidenskabelig. Metodelære. Kursusgang 1 Målsætning. Kursusindhold. Introduktion til Metodelære. Indhold Kursusgang 1

Kædebrøker. b 0 f.eks. 3 b 0 + a 1. f.eks b 1 7. a 1. b 1 + a f.eks f.eks. 3 + b 1 + a Notation: a 2 b 2 + an.

Undervisningsbeskrivelse

Kapitlet indledes med en beskrivelse af - og opgaver med - de tre former for sandsynlighed, som er omtalt i læseplanen for

MATEMATIK 11 Eksamensopgaver Juni 1995 Juni 2001, 3. fjerdedel

Landmålingens fejlteori - Lektion 2 - Transformation af stokastiske variable

University of Copenhagen. Notat om statistisk inferens Larsen, Martin Vinæs. Publication date: Document Version Peer-review version

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Definition. Definitioner

Rasmus Rønlev, ph.d.-stipendiat og cand.mag. i retorik Institut for Medier, Erkendelse og Formidling

MATEMATIK. Formål for faget

Partielle afledede og retningsafledede

Statistik. Peter Sørensen: Statistik og sandsynlighed Side 1

Matematikkens metoder illustreret med eksempler fra ligningernes historie. Jessica Carter Institut for Matematik og Datalogi, SDU 12.

Tema. Dagens tema: Indfør centrale statistiske begreber.

Sandsynlighedsregning

Momenter som deskriptive størrelser. Hvad vi mangler fra onsdag. Momenter for sandsynlighedsmål

Hvad vi mangler fra onsdag. Vi starter med at gennemgå slides fra onsdag.

Kursusindhold: X i : tilfældig værdi af ite eksperiment. Antag X i kun antager værdierne 1, 2,..., M.

DesignMat Den komplekse eksponentialfunktion og polynomier

Hvad skal vi lave i dag?

Mikroøkonomi Projektopgave: Valg Under Usikkerhed

Noter om komplekse tal

Taylorudvikling I. 1 Taylorpolynomier. Preben Alsholm 3. november Definition af Taylorpolynomium

Matematisk induktion

CIVILINGENIØREKSAMEN Side 1 af 18 sider. Skriftlig prøve, den: XY. december 200Z Kursus nr : (navn) (underskrift) (bord nr)

Undervisningsbeskrivelse

Projekt 7.9 Euklids algoritme, primtal og primiske tal

Sandsynlighedsregning: endeligt udfaldsrum (repetition)

Statistik i basketball

ANALYSE 1, 2014, Uge 5

TANKERNE BAG DE NYE VEJLEDENDE SÆT I MATEMATIK

Differentiation af sammensatte funktioner

Indhold. Litteratur 11

Undervisningsbeskrivelse

Produkt og marked - matematiske og statistiske metoder

Monotoniforhold Der gælder følgende sætninger om en differentiabel funktions monotoniforhold:

Funktionsterminologi

Gruppeteori. Michael Knudsen. 8. marts For at motivere indførelsen af gruppebegrebet begynder vi med et eksempel.

Nanostatistik: Stokastisk variabel

Noter til Perspektiver i Matematikken

Kvantitative Metoder 1 - Efterår Dagens program

Projekt 7.4. Rationale tal brøker og decimaltal

Matematik. Matematiske kompetencer

Funktionsterminologi

Banach-Tarski Paradokset

Individer er ikke selv ansvarlige for deres livsstilssygdomme

Kvantitative Metoder 1 - Forår 2007

Analyse af måledata II

Matematik og dam. hvordan matematik kan give overraskende resultater om et velkendt spil. Jonas Lindstrøm Jensen

Nanostatistik: Stokastisk variabel

Kvantitative Metoder 1 - Forår Dagens program

Hvad er svært ved beviser for gymnasieelever - og kan vi gøre noget ved det?

Binomialfordelingen. Binomialfordelingen. Binomialfordelingen

Matematisk modellering og numeriske metoder. Lektion 17

Taylors formel. Kapitel Klassiske sætninger i en dimension

Fra opgave til undersøgelse

Noter til Computerstøttet Beregning Taylors formel

Modellering. Matematisk undersøgelse af omverdenen. Matematisk modellering kan opfattes som en matematisk undersøgelse af vores omverden.

Køreplan Matematik 1 - FORÅR 2005

Pointen med Differentiation

Sandsynlighedsregning 3. forelæsning Bo Friis Nielsen

PeterSørensen.dk : Differentiation

Transkript:

Slide 1/26

Faculty of Science Om Sandhed, Tro og Viden i Naturvidenskaberne Flemming Topsøe, topsoe@math.ku.dk Institut for Matematiske Fag, Københavns Universitet Foredrag under Forskningens Døgn, 23-24 april, 2010 Slide 2/26

DEL I Vi filosoferer og indfører kompleksitet, entropi og divergens Slide 3/26

hvad vi lever af Vi indleder med en banalitet: Ligesom mennesket ikke lever af brød alene, lever vi i naturvidenskaberne ikke af formler alene ideer af almen karakter bærer også værket. Ideerne skal lede os det tekniske med formler og symbolsprog skal give ideerne konkret indhold og bane vejen for kvantitative overvejelser baseret på iagttagelse. Og hvad lever vi for? I naturvidenskaberne søger vi sandheden om den fysiske verden, vi er anbragt i. så vi vil filosofere over vores tema: Slide 4/26

verden og dig Det hele er verden, V. Situationer fra verden vedrører Naturen og Iagttager, dig! Naturen har ingen bevidsthed det har du! Naturen er ikke kreativ det er du! Naturen er bærer af sandheden, du søger sandheden, men er henvist til tro. Med erfaring kommer erkendelsen, viden. Viden er syntesen af udstrakt erfaring. Slide 5/26

interaktion (vekselvirkning) Konkrete størrelser (instanser) i en typisk situation: sandhed: x tro: y viden: z En lidt anden (?) fortolkning af viden (z): sådan opfatter du sandheden! (perception) Fundamental og kritisk antagelse: viden afledes af sandhed og tro tilsammen dvs. der findes en funktion, interaktoren Π, således at z = Π(x,y). absolut sandhed? virkelighed? erfaring, viden, erkendelse, perception? Slide 6/26

Eksempler på verdener Den klassiske verden V 1 er karakteriseret ved interaktoren Π 1 : Π 1 (x,y) = x, så her er z = x. Her kan sandheden erfares: det, du ser, er det, der er sandt. Et sort hul V 0 er karakteriseret ved interaktoren Π 0 : Π 0 (x,y) = y, så her er z = y. Med andre ord: det, du ser, er det, du tror. Blandinger (Tsallis verdener), f.eks V 3: 4 Slide 7/26 V 3 4, karakteriseret ved Π 3(x,y) = 3 4 4 x + 1 4 y. Andre muligheder...(der er mange, men ovenstående er nok de vigtigste)

eksempler på situationer Naturfænomener: vejret i morgen, hvor er askeskyen?... Fra fysikkens verden: tilstanden af en gas i et varmebad,... Sundhedssektoren: virker pillen? kommer der en epedemi?... Samfund, økonomi: kursernes udsving... Den religiøse sfære: forholdet mellem Vorherre og dig,... Personlige forhold: elsker hun mig?... Litteraturen: Daphne myten... Psykologi: udfyldning... Spil: hvor mange øjne? er terningen ægte?... Slide 8/26

Beskrivelse, besvær, kompleksitet Den, der kan beskrive verden, behersker verden! men beskrivelse koster i form af et besvær for dig og besværet afhænger både af sandheden og af din tro. Notation: Φ(x,y) er besværet, når sandheden er x, din tro y. Andet ord for besvær : kompleksitet. Vi kalder Φ for kompleksitetsfunktionen. Vi vedtager: Kompleksitetsfunktionen er ren hvis besværet er mindst når din tro matcher sandheden: Φ(x,y) Φ(x,x) med lighedstegn kun når y = x. I det følgende tænkes kun på rene kompleksitetsfunktioner. Slide 9/26

entropi og information Entropi (H) er uundgåeligt besvær! så: H(x) = Φ(x, x). MaxEnt: Med flere muligheder for x, vælger Naturen den mest ugunstige for dig, den, med størst entropi. (mere senere) Man kan også tænke positivt på besvær, på entropi: Ved information kan man undgå besvær. Informationsmængde måles ved sparet besvær. Specielt: Ved fuld information om x, er den vundne informationsmængde lig med entropien H(x). Slide 10/26

Divergens og den fundamentale ulighed Divergens (D) er et mål for hvor tæt y er på x og måles ved aktuelt besvær i forhold til minimalt besvær: D(x,y) = Φ(x,y) H(x). Anderledes udtrykt: der gælder følgende, linking identiteten: Φ(x,y) = H(x) + D(x,y). Da vi har valgt en ren kompleksitetsfunktion gælder: Informationsteoriens Fundamentale Ulighed (IFU) D(x,y) 0 med lighedstegn kun hvis y = x. Slide 11/26

mer om information, mer om MaxEnt Information er information om noget, for os om sandheden. Typisk: x P med P en mængde af mulige x er, en preparation. Jaynes maksimumentropiprincip, MaxEnt: Er x P det, der vides, er sandheden det x P med størst entropi ethvert andet x ville svare til at du vidste noget mere! Det, du ser, afhænger af det, du ved. I naturvidenskaberne er sandheden ikke absolut. Bland ikke tingene sammen. Her tales om viden, ikke tro. Fører til et nøglespørgsmål: Slide 12/26

... hvad k a n vi vide? Svaret er gemt i følgende opfattelse: Tro er en tendens til handling! - eller snarere et forvarsel herom. Tro kan transformeres til kontrol. Med kontrol kan Iagttager udføre eksperimenter. Et eksperiment kræver en præparation. Præparationerne fortæller, hvad Iagttager kan vide Typisk præparation: Mængden af x for hvilke Φ(x,y 0 ) har en bestemt værdi. (y 0 bør transformeres til tilsv. kontrol) Det, du kan vide, er det, du kan beskrive. Slide 13/26

MaxEnt og robusthed MaxEnt finder udstrakt anvendelse for præparationer som netop beskrevet. Den tekniske behandling er typisk ganske let ved udnyttelse af et nyt begreb: y er robust for præparationen P såfremt Φ(x,y ) er uafhængig af x, sålænge x P. Sætning Hvis x,y opfylder følgende betingelser: y = x (perfekt match), x P, y robust for P, så er x det søgte MaxEnt-element. Slide 14/26 Bevis: Antag Φ(x,y ) = h for alle x P. Så er H(x ) = Φ(x,x ) = Φ(x,y ) = h og for hvert x P er H(x) H(x) + D(x,y ) = Φ(x,y ) = h. Derfor!

DEL II Vi ser på stokastiske modeller og bestemmer konkrete rene kompleksitetsfunktioner Slide 15/26

Verdener baseret på sandsynlighed Verdener, hvor situationer er bestemt ved sandsynligheder over et alfabet. Skematisk: (f.eks i V 1 er z i = x i og i V 3 4 Et konkret eksempel: A sandhed tro viden i x i y i z i er z i = 3 4 x i + 1 4 y i). A sandhed tro viden iv 1 viden i V 3 1 4 1 2 1 8 1 8 1 4 0.2500 0.2500 1 4 0.5000 0.4375 1 4 0.1250 0.1563 1 4 0.1250 0.1563 4 Slide 16/26

kompleksitetsfunktioner i stokastiske modeller A x y z besvær (pris, energi...) i x i y i z i = π(x i,y i ) φ(x i,y i ) = z i κ(y i ) = π(x i,y i )κ(y i ) Det totale besvær er Φ(x,y) = i A φ(x i,y i ), dvs. Φ(x,y) = i A π(x i,y i )κ(y i ). κ : [0, 1] [0, ], er deskriptoren, der til t (sandsynlighed, du tror, et udfald har), angiver dit besvær med at indkredse udfaldet. Sagt positivt: κ(t) er den pris, du er villig til at betale for at få information om at en hændelse med sandsynlighed t er indtruffet. Slide 17/26

om eksistens af rene kompleksitetsfunktioner PROBLEM: bestem κ, så Φ bliver en ren kompleksitetsfunktion! Sætning: For enhver verden V = V π er der masser af acceptable kompleksitetsfunktioner, nemlig svarende til forskellige valg af κ, men højst eet valg, der giver en ren kompleksitetsfunktion! Beviset er lidt omstændeligt. Jeg springer det over! Iøvrigt gælder, at forskellige verdener godt kan have samme rene kompleksitetsfunktion. Så: Selvom du kan beskrive verden, behøver du ikke kende verden! Slide 18/26

prisen på information i den klassiske verden I den klassiske verden ser det lidt enklere ud: A x y z besvær i x i y i z i = x i φ(x i,y i ) = z i κ(y i ) = x i κ(y i ) Kompleksitetsfunktionen er her Φ(x,y) = i A x iκ(y i ). Vi søger κ. Vi forventer, at κ er aftagende og at κ(1) = 0. Desuden vil vi sørge for at κ (1) = 1. Dette svarer blot til et valg af enhed. Vores valg giver naturlige enheder, nats. Havde vi valgt normeringen κ (1) = ln 1 2 0.6931, havde vi fået binære enheder (bits). Slide 19/26

Vi gætter en ren kpl.fkt. i klassiske verden V 1 Skal finde κ, så det for alle sandsynlighedsvektorer x og y gælder, at summen Φ(x,x) er summen Φ(x,y), se skema: A x y bidrag til Φ(x,x) bidrag til Φ(x,y) 1 x 1 y 1 x 1 κ(x 1 ) x 1 κ(y 1 ) 2 x 2 y 2 x 2 κ(x 2 ) x 2 κ(y 2 ) i x i y i x i κ(x i ) x i κ(y i ) sum 1 1 Φ(x, x) Φ(x, y) Et trick: Vis i stedet, at summen Φ(x,x) + 1 er summen Φ(x,y) + 1, se skemaet: Slide 20/26

Slide 21/26 A x y bidrag til Φ(x, x) + 1 bidrag til Φ(x, y) + 1 1 x 1 y 1 x 1 κ(x 1 ) + x 1 x 1 κ(y 1 ) + y 1 2 x 2 y 2 x 2 κ(x 2 ) + x 2 x 2 κ(y 2 ) + y 2 i x i y i x i κ(x i ) + x i x i κ(y i ) + y i sum 1 1 Φ(x,x) + 1 Φ(x,y) + 1 Satser på at dette endog gælder ledvist, dvs. at uligheden sκ(s) + s sκ(t) + t (1) gælder for alle 0 s 1 og alle 0 t 1. Hold først s fast. Højre-siden i (1) er en funktion af t med mindsteværdi for t = s; derfor er der stationært punkt for t = s, dvs. sκ (s) + 1 = 0. Dette gælder alle s og bestemmer dermed en differentialligning. Løsningen med κ(1) = 0 er funktionen κ(t) = ln 1 t.

... fortsat... Vi har gættet en κ-funktion og dermed en kompleksitetsfunktion! Men er det en ren kompleksitetsfunktion? Vi checker: Er eller: er eller: er sκ(s) + s sκ(t) + t? s ln 1 s + s s ln 1 t + t? s ln t s t s? JA! det følger af den velkendte ulighed lnx x 1! Vi konkluderer: I V 1 er κ : t ln 1 t den entydigt bestemte deskriptor, der fører til en ren kompleksitetsfunktion! Slide 22/26

DEL III Opgaver til de, der har lyst Slide 23/26

Opgave 1: Diskuter situationer, hvor de opstillede filosofiske betragtninger virker interessante, måske fordi de peger på forhold, du selv har iagttaget. Du bør forholde dig kritisk til de fremførte tanker. Der er masser af spørgsmål, man kan stille, f.eks. omkring begrebet virkelighed - findes virkeligheden og, i sammenhæng hermed, er der mening i et begreb som den absolutte sandhed? Hvordan passer begreberne sandhed, tro og viden ind i en religiøs kontekst? Er det det rene vås og misforstået videnskabelighed, hvis man prøver at fortolke begreberne i en anden sammenhæng end en rent videnskabelig? Og, lidt omvendt, kan forhold vi møder som almindelige mennesker hjælpe os, når vi søger efter modeller til forklaring af rent naturvidenskabelige forhold? Opgave 2: Bestem entropi og divergens i V 1. Slide 24/26

Slide 25/26 Opgave 3: Se på Tsallis verden V q med et q mellem 0 og 1 (0 < q < 1). Der er kun een ren-kompleksitetsfunktion i denne verden. Bestem den og opskriv en formel for den tilhørende entropi, den såkaldte Tsallis entropi. Vis, at blandt samtlige fordelinger over en endelig mængde, er ligefordelingen den med størst entropi. Vejledning: Gå frem helt som i V 1 og gæt dig frem. Tricket, vi så før, fører til differentialligningen sκ (s) + (1 q)κ(s) + 1 = 0. Du finder let en konstant-funktion κ 0 som løsning og så ses, at er κ en løsning, opfylder funktionen f = κ κ 0 en noget simplere differentialligning, som du kan løse. Husk så at pil den løsning ud, der opfylder κ(1) = 0. Du kan stille dig tilfreds med dette, men bør checke, at uligheden sκ(s) + s sκ(t) + t virkelig er opfyldt. Vedrørende sidste spørgsmål om ligefordelingen: Brug robusthed! Advarsel: Opgaven er ikke let! Vil du vide mere om Tsallis entropi, spørg evt. Google eller Wikipedia.

Mere information: se min hjemmeside (søg f.eks. på mit navn i GOOGLE) SLUT for nu TAK! Slide 26/26