In het topic over hersenen en bewustzijn ontstond een discussie over de vraag of causaliteit nou wel of niet bestaat. Hier dan maar verder.
Oh voor de duidelijkheid: mijn standpunt is dus dat het onmogelijk vast te stellen is en derhalve ook geen impact kan hebben op modellen die wij van de werkelijkheid vormen.
Laatste post:
Neuh, ik heb niets tegen het gebruik van die term in het algemeen. Ik merk slechts op dat die twee modelmatig equivalent zijn.quote:Op zondag 4 augustus 2013 17:20 schreef deelnemer het volgende:
[..]
Dus als iemand en ander een stomp op zijn neus geeft (gebeurtenis A), en de ontvanger daarna een gebroken neusbeen heeft (gebeurtenis B), dan is het vergezocht om het eerste de oorzaak van het tweede te noemen? Er is slechts een correlatie tussen deze twee gebeurtenissen.
Dat is inderdaad wat ik bedoel.quote:
Hume stelt dat het causale verband zelf niet waarneembaar is, maar erin gelegd wordt. Er worden twee opeenvolgende gebeurtenissen (A en B) waargenomen, maar het oorzakelijke verband zelf niet. Dat is strikt genomen juist.
Ik zie eerlijk gezegd het probleem daarvan niet. Als je in modellen 'zeer waarschijnlijke causatie' vervangt door 'hoge mate van correlatie' dan verandert dat helemaal niets aan het model.quote:
Het bezwaar blijkt als men de wetenschap volledig probeert te zuiveren van dit overtollige idee. In een statistisch onderzoek naar het verband tussen roken en hartfalen, is het vervangen van het begrip oorzaak door correlatie misschien een verbetering. Maar in andere gevallen klinkt het vreemd in de oren. Je zou dus daadwerkelijk alle wetenschappelijke theorieen moeten gaan herformuleren en daarbij het begrip oorzaak, causaliteit en verwante begrippen moeten vermijden, en kijken of dat lukt.
Want blijkt dan? Ik heb al een aantal punten genoemd die problemen kunnen geven, maar jij weet op voorhand zeker dat dit altijd kan. Dat lijkt me in strijd met je eerdere opmerking over de beperkingen van inductie.
Zoals gezegd: causatie is een interpretatie van correlatie in waarnemingen. En ik heb helemaal niets tegen de aanname dat die interpretatie juist is, net zo min als ik iets heb tegen de aanname dat een solipsist ongelijk heeft en de aanname dat er geen goden bestaan.
Hoe dan ook, wat wij waarnemen *is* geen causatie. Wat wij waarnemen is correlatie in gebeurtenissen. Dat het causatie is is een interpretatie / aanname die zover ik kan zien geen enkele impact heeft op wetenschappelijke modellen.
quote:
Hoe dan ook, wat wij waarnemen *is* geen causatie. Wat wij waarnemen is correlatie in gebeurtenissen. Dat het causatie is is een interpretatie / aanname die zover ik kan zien geen enkele impact heeft op wetenschappelijke modellen.
quote:
[..]
Een theorie bestaat grotendeels onder water. Een natuurkundige theorie lijkt op een axiomatisch model, waarbij alleen enkele stellingen direct toetsbaar zijn. Jij praat over theorieen als simpele verbanden tussen direct waarneembare grootheden. De veronderstelde samenhang, die zich aan iedere waarneming onttrekt, wordt strikt deterministisch voorgesteld.
Dat is dan een modelmatige aanname. 1tje die natuurlijk prima werkt, maar op zich zegt dat niets over de werkelijkheid. Ook hier heeft - lijkt mij - het vervangen van determinisme door volledige correlatie in gebeurtenissen geen impact op uit dat model voortvloeiende voorspellingen ten aanzien van waarnemingen.quote:
[..]
Een theorie bestaat grotendeels onder water. Een natuurkundige theorie lijkt op een axiomatisch model, waarbij alleen enkele stellingen direct toetsbaar zijn. Jij praat over theorieen als simpele verbanden tussen direct waarneembare grootheden. De veronderstelde samenhang, die zich aan iedere waarneming ontrekt, wordt strikt deterministisch voorgesteld.
Correlatie bestaat alleen tussen waargenomen gebeurtenissen. Dus het model in zijn geheel valt daarbuiten. Het model is nodig om een samenhang te definieren die tussen waargenomen gebeurtenissen wordt verondersteld. Binnen het model zelf is de samenhang causaal.quote:
[..]
Dat is dan een modelmatige aanname. 1tje die natuurlijk prima werkt, maar op zich zegt dat niets over de werkelijkheid. Ook hier heeft - lijkt mij - het vervangen van determinisme door volledige correlatie in gebeurtenissen geen impact over uit dat model voortvloeiende voorspellingen ten aanzien van waarnemingen.
En dat is vanzelfsprekend prima, zeker als het model dientengevolge de werkelijkheid nauwkeurig beschrijft.quote:
Binnen het model zelf is de samenhang causaal.
Maar mijn oorspronkelijke uitspraak ging niet over het model. Het ging over de werkelijkheid die daarmee wordt beschreven. En dan zeg ik: sja, dat kun je niet weten. Net zo min als je kunt weten dat een solipsist ongelijk heeft.
En natuurlijk is dat gegeven op zichzelf niet interessant: die modellen beschrijven de waarnemingen nauwkeurig, ongeacht of je een aanname doet ten aanzien van 1 van beide.
Dan gaat het over de vraag of modellen alleen hulpmiddelen zijn, of een voorstelling van de werkelijkheid geven.quote:
[..]
En dat is vanzelfsprekend prima, zeker als het model dientengevolge de werkelijkheid nauwkeurig beschrijft.
Maar mijn oorspronkelijke uitspraak ging niet over het model. Het ging over de werkelijkheid die daarmee wordt beschreven. En dan zeg ik: sja, dat kun je niet weten. Net zo min als je kunt weten dat een solipsist ongelijk heeft.
En natuurlijk is dat gegeven op zichzelf niet interessant: die modellen beschrijven de waarnemingen nauwkeurig, ongeacht of je een aanname doet ten aanzien van 1 van beide.
Toen Copernicus het heliocentrisch model publiceerde, stond in het voorwoord (geschreven door iemand anders) dat het slechts een rekenmodel is, zonder claim dat het een voorstelling van de werkelijkheid is (die volgens de kerk geocentrisch was).
De vraag is nu of we in de wetenschap afstand willen nemen van het idee dat we een voorstelling van de werkelijkheid opbouwen. Als we wel een voorstelling opbouwen dan worden elementen uit het model op de werkelijkheid geprojecteerd. Is dat altijd onwenselijk of onredelijk?
Anders gezegd, waarnemingen zijn slechts 'de buitenkant' van de werkelijkheid, zoals deze voor ons waarneembaar is. Bijvoorbeeld, bewustzijn is geen waarneembare gebeurtenis en bestaat voor een externe waarnemer niet. Toch weet iedereen van zichzelf dat hij bewust is. Causaliteit zit in de werkelijkheid, zoals bewustzijn in ons zit.
Er is dus reden om voorstellingen te poneren en deze te toetsten op hun consequenties. Als er dan afwijkingen zijn tussen de consequenties van het model en de waarnemingen, dan is de voorstelling onjuist.
Zo is bijvoorbeeld duidelijk dat de wereld begrepen in termen van belangen, niet volledig harmonisch kan zijn. De belangen van een spreeuw harmonieren niet met die van de worm die hij als lunch ziet. Maar de voorstelling van een causale samenhang kan wel naadloos sluitend zijn.
[ Bericht 0% gewijzigd door deelnemer op 04-08-2013 21:56:12 ]
Ik heb sowieso het gevoel dat deze termen hier door verschillende mensen verschillend worden gebruikt. Maar of dit nu precies de kern van dit verschil van mening is ben ik nog niet echt uit.quote:
[..]
Ja maar dat is niet precies hoe de termen gebruikt worden, en dat is waarschijnlijk dus ook waar de verwarring / oneensheid vandaan komt.
Mwah, zwaartekracht lijkt me een (vermeend) causaal verband dat wel degelijk twee kanten op werkt. Of iets wel of niet causaal is en of iets wel of niet twee kanten uit werkt lijken me eigenlijk seperate vraagstukken.quote:
Statistisch gezien betekent een correlatie dat twee zaken samen toenemen of afnemen (als positief gecorreleerd) zonder expliciet te bekijken welke van die twee zaken oorzakelijk is. Statistisch gezien betekent een causaal verband ook een dergelijke relatie echter in dit geval dat een toename van A leidt tot een toename van B maar niet andersom.
Op zich vind ik het een aardig punt. Aan de andere kant zou jouw impuls om op die knop te drukken dezelfde oorzaak kunnen hebben als de oorzaak van het aangaan de lamp. In dat geval is het zelfs geen gemedieerd verband.quote:
Voor een causaal verband geldt hetzelfde. Stel dat er inderdaad een kabouter in je lichtknop zit die het licht aanzet. Formeel gezien heb je een gemedieerd verband. A leidt to C leidt tot B. Statistisch gezien heb je in deze situatie nog steeds een causaal verband. Een verhoging van A leidt tot een verhoging van B, maar niet andersom. Theoretisch gezien is dat verband echter niet relevant aangezien het licht aangaan niet door de knop maar de kabouter komt.
Dan is er toch nog steeds niets dat garandeert dat dat verband causaal is? Het enige dat je dan constateert is dat een verandering in B vooraf gaat aan een verandering A.quote:
Dus statistisch gezien kun je zowel correlaties als causale verbanden observeren en betekenen de twee iets anders. Bij een correlatie neem je veranderingen waar in A en B die samen optreden zonder een uitspraak te (kunnen) doen over welke verandering aan welke verandering vooraf gaat. Bij en causaal verband neem je een verandering in A waar die vooraf gaat in een verandering in B.
Modelmatig is het redelijk handig om te veronderstellen dat het 100% correlatie of causatie is (die zijn modelmatig equivalent), en dan eventueel te berekenen wat de maximale fout daarin is.quote:
Als je deze observaties wilt generaliseren en er een theorie van wil maken die de werkelijkheid beschijft en voorspelt, dus van een statistische interpretatie een stap omhoog wilt maken naar een formeel model, kom je met beide vormen van beschrijving in de problemen. Zowel bij een correlationeel verband als bij een causaal verband kun je nooit 100% zekerheid hebben of de relatie die je beschrijft ook daadwerkelijk de echte relatie is, of da er ergens een stapje mist in je model (zoals de kabouter in het causale voorbeeld, of temperatuur in het correlationele voorbeeld).
Die afhankelijkheid kun je dus nooit empirisch vaststellen. Het is altijd mogelijk dat die god die individueel elke aktie veroorzaakt bestaat, en dan hebben geen enkele twee gebeurtenissen in de voor ons waarneembare wereld een onderlinge afhankelijkheid.quote:
Het onderscheid is de richting van het verband. Statistisch gezien betekent een correlatie niets anders dan dat twee variabelen van elkaar afhankelijk zijn. Een causaal verband betekent dat de ene variabele van de andere afhankelijk is maar niet andersom.
Hoe zijn die twee verschillend qua waarneming? Als je het mij vraagt kun je de 1 niet onderscheiden van de ander. Ook als de correlatie unidirectioneel is betekent dat niet dat A de oorzaak is van B. 'C is de oorzaak van beide' blijft altijd een mogelijkheid onder de voorwaarde dat die oorzaak C gebeurtenissen A en B alleen in die volgorde laat plaatsvinden.quote:
Net zoals je statistische correlatie kunt observeren, kun je causale correlatie observeren.
Als je het mij vraagt is wat men causatie noemt niets anders dan een theoretische interpretatie van unidirectionele correlatie. Causatie als zodanig kan niet worden waargenomen, althans... ik zie niet hoe je dat zou kunnen waarnemen.quote:
Dat is wel de definitie die doorgaans gebruikt wordt. Misschien dat natuurkunde hier een uitzondering in is. Het lijkt mij alsof jij correlatie ziet als een statistisch construct, en causaliteit als een theoretisch construct. Van beide termen bestaan statistische en theoretische constructen en het verschil (de bewijsbaarheid) hangt niet af van correlatie vs causatie, maar van statistische interpretatie vs. (gegeneraliseerde) theoretische interpretatie.
Juist, dat is dus precies mijn punt.quote:
Maar je kunt nooit zeker weten dat je alle C's gestest hebt en je kunt nooit zeker weten of C wel echt de oorzaak is. Als gevolg kun je dus ook niet weten of de statistische relatie tussen A en B ook een theoretisch ware relatie is.
Klopt. Zoals je zegt... noch modellen gebaseerd op causaliteit noch modellen gebaseerd op correlatie verschaffen 100% zekerheid ten aanzien van toekomstige voorspellingen. Ik zou zeggen: die modellen zijn noodzakelijk identiek ten aanzien van hun voorspellingen.quote:
Ja maar dat is het probleem. Statistisch gezien praat je over dependence (correlatie) of een richtings-verband (causatie). Allebei zijn observeerbaar, maar allebei zijn nooit met 100% zekerheid om te zetten in een formele theorie.
Op zich kan ik me prima vinden in die uitleg van causaliteit, als je die uitleg wilt hanteren. Maar is die dan niet net zoveel van toepassing op het voorbeeld dat ik gaf ten aanzien van de lampen en computer in mijn kamer? 'Lampen gaan aan' (A) wordt gevolgd door 'Computer gaat aan' (B). Het gebeurt altijd in die volgorde, nooit andersom. Is dan de conclusie dat A de oorzaak is van B? Volgens deze uitleg zou dat wel het geval zijn.quote:
het verschil is hoe de afhankelijkheid zich uit. Een correlatie betekent gewoon afhankelijkheid, een causaal verband betekent een directionele afhankelijkheid, toename in variabele 1 wordt gevolgd door een toename in afhankelijke 2.
quote:
Nee maar als je spreekt over een theoretisch verband, zou je wel voorspellen dat bij mij ook het aangaan van het licht gevolgd wordt door het aangaan van mij computer.
Maar goed, ik zou dat zelf dus geen causaal verband noemen. Maar dat is alleen omdat ik kennis heb van (C): de persoon die zowel de lampen aandoet als de computer. Het niet-bestaan van (C) kan nooit worden aangetoond, en daarmee kan een causaal verband nooit worden aangetoond. Het is een aanname die modelmatig prima werkt, maar daar blijft het wel bij.
Ik zou zeggen: beide.quote:
[..]
Dan gaat het over de vraag of modellen alleen hulpmiddelen zijn, of een voorstelling van de werkelijkheid geven.
Zolang we ons bewust zijn en blijven dat het een model van de werkelijkheid is, een voorstelling van de werkelijkheid, is er niets aan de hand. Zo'n model zegt echter niets a priori over de werkelijkheid. Het model is alleen valide zover die wordt bevestigd door die werkelijkheid. Verborgen aannames en/of interpretaties in die modellen die geen verschil maken voor de beschrijving van de werkelijkheid kunnen onmogelijk door zo'n model worden gevalideerd. Daaronder vallen ook causaliteit en zelfs het bestaan van die werkelijkheid.quote:
Toen Copernicus het heliocentrisch model publiceerde, stond in het voorwoord (geschreven door iemand anders) dat het slechts een rekenmodel is, zonder claim dat het een voorstelling van de werkelijkheid is (die volgens de kerk geocentrisch was).
De vraag is nu of we in de wetenschap afstand willen nemen van het idee dat we een voorstelling van de werkelijkheid opbouwen. Als we wel voorstelling opbouwen dan worden elementen uit het model op de werkelijkheid geprojecteerd. Is dat altijd onwenselijk of onredelijk?
Je kunt je hier natuurlijk afvragen of er wel zoiets als een directe waarneming is. Nemen wij ons eigen bewustzijn direct waar, of nemen wij de buitenkant waar van een enorm complex van processen die dat bewustzijn tot gevolg hebben? Dat laatste lijkt me nog redelijk plausibel.quote:
Anders gezegd, waarnemingen zijn slechts 'de buitenkant' van de werkelijkheid, zoals deze voor ons waarneembaar is. Bijvoorbeeld, bewustzijn is geen waarneembare gebeurtenis en bestaat voor een externe waarnemer niet. Toch weet iedereen van zichzelf dat hij bewust is. Causaliteit zit in de werkelijkheid, zoals bewustzijn in ons zit.
Dan moet dat verschil er natuurlijk wel zijn.quote:
Er is dus reden om voorstellingen te poneren en deze te toetsten op hun consequenties. Als er dan afwijkingen zijn tussen de consequenties van het model en de waarnemingen, dan is de voorstelling onjuist.
http://www.pitt.edu/~jdnorton/papers/003004.pdf
quote:My purpose in this paper is to take issue with this view of causation as the underlying principle of all natural processes. I have a negative and a positive thesis.
In the negative thesis I urge that the concepts of cause and effect are not the fundamental concepts of our science and that science is not governed by a law or principle of causality. This is not to say that causal talk is meaningless or useless—far from it. Such talk remains a most helpful way of conceiving the world, and I will shortly try to explain how that is possible. What I do deny is that the task of science is to find the particular expressions of some fundamental causal principle in the domain of each of the sciences.
...
In the positive thesis, I will urge that ordinary scientific theories can conform to a folk science of causation when they are restricted to appropriate, hospitable processes; and the way they do this exploits the generative power of reduction relations, a power usually used to recover older theories from newer ones in special cases.
This generative power is important and familiar. It allows Einstein's general theory of relativity to return gravity to us as a Newtonian force in our solar system, even though Einstein's theory assures us that gravity is fundamentally not a force at all. And it explains why, as long as no processes interchange heat and work, heat will behave like a conserved fluid, as caloric theorists urged. In both domains it can be heuristically enormously helpful to treat gravity as a force or heat as a fluid, and we can do so on the authority of our best sciences.
My positive thesis is that causes and causal principles are recovered from science in the same way and have the same status: they are heuristically useful notions, licensed by our best sciences, but we should not mistake them for the fundamental principles of nature. Indeed we may say that causes are real to the same degree that we are willing to say that caloric or gravitational forces are real.
Zeer heldere analyse!quote:Op zondag 4 augustus 2013 19:26 schreef Perrin het volgende:
Interessante filosofische analyse van causaliteit:
http://www.pitt.edu/~jdnorton/papers/003004.pdf
[..]
We zien de werkelijkheid zoals al werd gezegd alleen als afspiegeling van iets complexer.
Ik ook. De voorstelling is vruchtbaar (vatbaar voor nieuwe ideeen), de kwantificering maakt het toetsbaar.quote:
Je zult mij niet horen beweren dat de huidige modellen waar zijn. Maar de sceptische route is niet constructief. Wat causaliteit in causale modellen uitdrukt, is een verband tussen twee gebeurtenissen. Blijkbaar zijn deze gebeurtenissen gekoppeld. Hoewel je niet kunt zeggen waarom dat zo is. Correlatie legt de nadruk op het kwantificeren van dat verband, maar zegt niets over het verband zelf. Het begrip oorzaak sluit echter aan bij menselijk intuities, daar mensen zelf ook veroorzaken. Daar komt het idee vandaan dat de oorzaak aan het gevolg vooraf gaat.quote:Zolang we ons bewust zijn en blijven dat het een model van de werkelijkheid is, een voorstelling van de werkelijkheid, is er niets aan de hand. Zo'n model zegt echter niets a priori over de werkelijkheid. Het model is alleen valide zover die wordt bevestigd door die werkelijkheid. Verborgen aannames en/of interpretaties in die modellen die geen verschil maken voor de beschrijving van de werkelijkheid kunnen onmogelijk door zo'n model worden gevalideerd. Daaronder vallen ook causaliteit en zelfs het bestaan van die werkelijkheid.
Causaliteit brengt mensen ertoe te vermoeden dat twee gebeurtenissen op afstand elkaar niet direct kunnen beinvloeden. De lichtkegel in de speciale relativiteitstheorie scheidt de gebeurtenissen in de tijdruimte die elkaar niet kunnen beinvloeden. Daarmee krijgt het begrip causaliteit meer structuur.
Eenmaal vastgesteld dat dit hout snijdt, kun je het weer vertalen in correlaties. Net zoals het onderscheid tussen oorzaak en gevolg is ingegeven door het idee van veroorzaken en later vertaald kan worden in uni-directionele correlatie.
Dus achteraf kun je wel alles wegdenken dat je tot je ideeen heeft gebracht, maar niet toetsbaar zijn. Maar daarmee ondermijn je de constructieve kant van de wetenschap waar modellen worden ontwikkeld. Want daar stellen mensen zich er wel van alles bij voor, en nemen dat serieus.
Deze gewaarwording is volgens mij ook de resultante van een enorm complex proces, maar een ieder ervaart het alleen van zichzelf. Het is niet objectief vast te stellen en daarmee vergelijkbaar met andere subjectieve ervaringen, ook die welke minder algemeen gedeeld worden. Je kunt het dus allemaal wegredeneren, door hoge objectiviteitscriteria op te stellen.quote:Je kunt je hier natuurlijk afvragen of er wel zoiets als een directe waarneming is. Nemen wij ons eigen bewustzijn direct waar, of nemen wij de buitenkant waar van een enorm complex van processen die dat bewustzijn tot gevolg hebben? Dat laatste lijkt me nog redelijk plausibel.
Ik herhaal. Het speelt een rol bij de theorievorming. Dat maakt ook deel uit van de wetenschap. Theorievorming is onderbelicht in het wetenschappelijk model. Het is onderbelicht in de sceptische filosofie. Het is onderbelicht in New Atheism, daar het met sceptische overwegingen de waarheidsclaims van gelovigen bestrijd. Hume is ook een filosoof uit de sceptische traditie, die bestaande overtuigingen ondermijnde, waaronder causaliteit.quote:Dan moet dat verschil er natuurlijk wel zijn.
Descartes is bekent van zijn sceptische twijfel. Dat was buitengewoon geschikt om ieder idee van kennis van tafel te vegen. Maar daarna stond hij met lege handen. Wat Descartes van tafel wilde vegen, was de filosofie van Aristoteles, zodat hij met een schone lei kon beginnen, met alleen heldere en duidelijke ideeen. Newton's idee van een zwaartekracht op afstand was echter net zo bizar, als de metafysica van Aristoteles. Toch is het heel nuttig geweest voor de ontwikkeling van de natuurkunde. En later is zwaartekracht door Einstein vervangen door de kromming van de tijdruimte.
Het verschil tussen causaliteit en correlatie is gering. Het bestaat alleen uit intuities over de aard van het verband, die vooral een rol spelen in theorievorming achter de schermen, waar veel mensen gemotiveerd worden door de hoop de werkelijkheid te kunnen begrijpen en verklaren. Scherpslijperij en scepticisme zijn makkelijk, maar onvruchtbaar.
[ Bericht 0% gewijzigd door deelnemer op 04-08-2013 23:54:26 ]
In de ontwikkeling van de klassieke mechanica speelde statistiek geen rol van betekenis.quote:
[ Bericht 6% gewijzigd door deelnemer op 05-08-2013 01:47:07 ]
Nee, misschien heeft de duivel mij bezetenquote:Op zondag 4 augustus 2013 23:44 schreef Triggershot het volgende:
Het is toch duidelijk dat ik nu reageer.
Bedoel je met "reageer" een correlatie tussen lezen en typen?quote:
Het is toch duidelijk dat ik nu reageer.
[ Bericht 6% gewijzigd door deelnemer op 05-08-2013 02:00:40 ]
Ik weet niet of het de kern is van het probleem, ik denk (als ik je goed begrijp) dat het niet een antwoord is op jouw probleem omdat dat probleem nog niet opgelost is. Maar om dichter bij de kern van het probleem te komen en er over te discussieren is het denk ik wel vruchtbaar om er zo expliciet mogelijk over te zijn.quote:
[..]
Ik heb sowieso het gevoel dat deze termen hier door verschillende mensen verschillend worden gebruikt. Maar of dit nu precies de kern van dit verschil van mening is ben ik nog niet echt uit.
[..]
Hoe bedoel je twee kanten op werkend? Als er iets niet aan het vallen is bestaat daar op dat moment geen zwaartekracht?quote:Mwah, zwaartekracht lijkt me een (vermeend) causaal verband dat wel degelijk twee kanten op werkt. Of iets wel of niet causaal is en of iets wel of niet twee kanten uit werkt lijken me eigenlijk seperate vraagstukken.
Niet bij nagedacht, maar dat klopt. Dat probeer je dus ook systematisch uit te sluiten, maar kun je nooit 100% zeker weten.quote:Op zich vind ik het een aardig punt. Aan de andere kant zou jouw impuls om op die knop te drukken dezelfde oorzaak kunnen hebben als de oorzaak van het aangaan de lamp. In dat geval is het zelfs geen gemedieerd verband.
Dat is op statistisch niveau de definitie van een causaal verband, dat verandering A en B aan elkaar gecorreleerd zijn, met als extra constraint dat A aan B vooral gaat.quote:Dan is er toch nog steeds niets dat garandeert dat dat verband causaal is? Het enige dat je dan constateert is dat een verandering in B vooraf gaat aan een verandering A.
Modelmatig zijn ze (de statistische versie dan) niet helemaal equivalent. Een correlatie tussen A en B leidt tot andere voorspellingen dan een causaal verband van A naar B.quote:Modelmatig is het redelijk handig om te veronderstellen dat het 100% correlatie of causatie is (die zijn modelmatig equivalent), en dan eventueel te berekenen wat de maximale fout daarin is.
Voor sommige modellen zal het handig zijn ze op 100% te stellen maar voor heel veel modellen ook niet.
Je kunt risico op criminaliteit vrij goed voorspellen op basis van een aantal context en biologische omstandigheden. Als je die allemaal op een correlatie van 1 zou zetten zou je model niets meer kunnen voorspellen, juist door de juiste gewichten aan de correlaties toe te kennen kom je bij de meest accurate voorspelling terecht.
Nog pragmatischer, stel je voor dat je broeken maakt. Het is essentieel dat je genoeg verschillende maten maakt zodat mensen die willen je broeken kunnen kopen, maar je wilt niet te veel broeken maken die niemand koopt. Er bestaat een duidelijke correlatie tussen lengte en buikomtrek. Kleinere mensen hebben over het algemeen een smallere omtrek dan langere mensen, maar als je je broeken zou maken met een 1 op 1 correlatie tussen lengte en buikomtrek zou je er weinig van verkopen.
Statistisch wel, theoretisch nietquote:Die afhankelijkheid kun je dus nooit empirisch vaststellen. Het is altijd mogelijk dat die god die individueel elke aktie veroorzaakt bestaat, en dan hebben geen enkele twee gebeurtenissen in de voor ons waarneembare wereld een onderlinge afhankelijkheid.
Dat is het verschil tussen een statistische observatie in een steekproef, en de generaliseerde claim in de populatie. De eerste kun je zowel voor correlaties als voor causale verbanden aantonen (in dit geval leidt A tot B, misschien via C misschien vanwege C dat maakt niet uit, in dit sample leidt een verandering in A vervolgens tot een verandering in B). Op populatieniveau (dus A is gecorreleerd met B, of causaal: dus A leidt to B) is het altijd onmogelijk om zoiets met absolute zekerheid te kunnen claimen, er kan namelijk altijd een C zijn geweest.quote:Hoe zijn die twee verschillend qua waarneming? Als je het mij vraagt kun je de 1 niet onderscheiden van de ander. Ook als de correlatie unidirectioneel is betekent dat niet dat A de oorzaak is van B. 'C is de oorzaak van beide' blijft altijd een mogelijkheid onder de voorwaarde dat die oorzaak C gebeurtenissen A en B alleen in die volgorde laat plaatsvinden.
Nog erger; causatie is statistisch gezien niets anders dan een unidirectionele correlatie. De theoretische interpretatie van het statistische verband (of dat nu correlationeel is of causaal) is het sausje er overheen. En het probleem van niet met 100% zekerheid kunnen bewijzen is geen probleem in het statistische verband, maar een probleem in de interpretatie van het verband, van het sausje.quote:Als je het mij vraagt is wat men causatie noemt niets anders dan een theoretische interpretatie van unidirectionele correlatie. Causatie als zodanig kan niet worden waargenomen, althans... ik zie niet hoe je dat zou kunnen waarnemen.
Maar dat is dus een probleem met de stap van statischtisch verband naar de interpretatie van het verband. Niet met het verband an sich.quote:Juist, dat is dus precies mijn punt.
Dat ligt heel erg aan het onderwerp van het model, maar kan grote verschillen opleveren. Zo bestaat er bijvoorbeeld het volgende (causale) verband:quote:Klopt. Zoals je zegt... noch modellen gebaseerd op causaliteit noch modellen gebaseerd op correlatie verschaffen 100% zekerheid ten aanzien van toekomstige voorspellingen. Ik zou zeggen: die modellen zijn noodzakelijk identiek ten aanzien van hun voorspellingen.
Mensen met status lopen sneller.
Causaal is het zo dat hoe meer status iemand ervaart, hoe sneller de persoon gemiddeld loopt. Als je dit alleen correlationeel weer geeft zou je dus om meer status te krijgen, sneller moeten lopen, maar dat is natuurlijk niet juist. Het causale verband zorgt er dus voor dat je voorspellingen beter worden.
Daar kom je dus bij het interpretie probleem aan, wat betekent dit statistisch everband voor onze kennis over de werkelijkheid. Hier zou het superduidelijk zijn dat die twee helemaal niet echt een causaal verband hebben maar het gevolg zijn van actie C. Dat probeer je in onderzoek natuurlijk altijd zoveel mogelijk uit te sluiten, maar dat kun je nooit zeker weten.quote:Op zich kan ik me prima vinden in die uitleg van causaliteit, als je die uitleg wilt hanteren. Maar is die dan niet net zoveel van toepassing op het voorbeeld dat ik gaf ten aanzien van de lampen en computer in mijn kamer? 'Lampen gaan aan' (A) wordt gevolgd door 'Computer gaat aan' (B). Het gebeurt altijd in die volgorde, nooit andersom. Is dan de conclusie dat A de oorzaak is van B? Volgens deze uitleg zou dat wel het geval zijn.
Ik denk dat ik in die situatie zou zeggen dat er een causaal verbnd geobserveerd is, maar dat dit causale verband inhoudsloos is aangezien het een schijnverband is, veroorzaakt (waarschijnlijk
) door een andere, niet meegenomen, variabele.Klopt daarom is het een statistisch verband dat theoretisch gezien nietszeggend is. En het is dat stapje, van observatie naar generalisatie, waar je je "zekerheid" kwijtraakt.quote:
Maar goed, ik zou dat zelf dus geen causaal verband noemen. Maar dat is alleen omdat ik kennis heb van (C): de persoon die zowel de lampen aandoet als de computer. Het niet-bestaan van (C) kan nooit worden aangetoond, en daarmee kan een causaal verband nooit worden aangetoond. Het is een aanname die modelmatig prima werkt, maar daar blijft het wel bij.
Vergelijk metingen en waarneming met het invoeren en weergeven van gegevens. Daartussen zit logica. In bedrijven noemen dat de business logica en deze kun je vergelijken met een theorie / model. Programmeurs weten hoe de business logica geprogrammeerd is, en zijn te vergelijken met wetenschappers die theorieen ontwikkelen. De testers en gebruikers weten dat niet, maar zien wel wanneer de uitkomst niet klopt. Te vergelijken met het toetsen van een theorie.
De vraag is nu of je kunt doen alsof de interne computer en zijn software niet bestaat. De gebruiker en tester zien alleen de invoer en uitvoer. Daartussen bestaan bepaalde correlaties. Hoe deze tot stand komen, is iets dat je erbij fantaseert. De programmeurs kennen de software en weten wat je eventueel zou moeten aanpassen, als het niet goed werkt. Ze spreken in termen van logische operaties waarvan de gebruiker geen weet heeft.
Wetenschappers doen hetzelfde als programmeurs. Zij hebben modellen die de interne werking voorstelt. Als een theorie niet klopt, dan weten ze wat je eventueel zou kunnen aanpassen om het te verbeteren. De interne logica van de theorie maakt gebruikt van causaliteit, die zelf onzichtbaar is, maar in de theorie expliciet wordt geformuleerd.
Het verschil is dat een programmeur de programma's direct kan lezen. Theorieen en causaliteit zijn hypothetisch. Maar je kunt ze niet schrappen en alleen naar de input- out relaties kijken (correlaties). In de psychologie heeft dat wel geprobeerd. Behavioristen schrapte iedere voorstelling van de interne werking van de menselijke psyche (een black box), en keken alleen naar stimuli en responses. Daar kon men uiteindelijk toch niet mee uit de voeten. Je moet een interne structuur veronderstellen en deze modelleren (bijvoorbeeld een intern geheugen).
Of het model klopt is een tweede. Dat geldt ook voor causaliteit zelf. Overigens is een 100% uni-directionele correlatie een moeizame parafrasering van het begrip causaliteit. Een lagere correlatie van 100% in je modellen betekent dat je niet meer kunt nagaan of je model klopt. Je introduceert dan een fudge factor die je kunt instellen om het aantal verkeerde voorspellingen te accommoderen. Je verklaring is ook niet meer compleet, er zit ruis / toeval in.
Kortom: je weet niet of causaliteit bestaat, maar je kunt het evenmin zomaar schappen. Je kunt het wel hernoemen, maar "what's in a name ..."
[ Bericht 2% gewijzigd door deelnemer op 05-08-2013 17:07:08 ]
Neem biljarten als voorbeeld. De bal die als eerste begint te rollen, botst later op een andere bal en beide worden daardoor beïnvloed. Is nu de bal die begon met rollen de oorzaak van de botsing, of de bal die eigenwijs bleef liggen?
Bij oorzaak en gevolg denken we al snel dat de oorzaak actief is. Maar niet alleen veroorzaakt de oorzaak het gevolg, maar in dezelfde beweging reageert het gevolg op de oorzaak. Dus ook het gevolg is actief. Op het punt van contact is er een vorm van wederzijdse beïnvloeding (actie is reactie). Dezelfde botsing kan ook in omgekeerde richting plaatsvinden, waarbij oorzaak en gevolg verwisseld zijn. Of beter, er is geen oorzaak en gevolg, er is alleen een interactiepunt.
In een interactie wordt niets veroorzaakt, het is een gebeurtenis net als ieder ander moment. Het onderscheid tussen oorzaak en gevolg bestaat alleen uit de volgorde van de gebeurtenissen in de tijd, slechts een andere term voor ‘de richting van de tijd’. Denken in termen van oorzaak en gevolg voert de richting van de tijd terug op de bouwsteen van het proces. Maar de bouwsteen heeft geen richting: actie is reactie.
De tijdsrichting is een eigenschap van het collectief en hangt samen met structuurveranderingen in de loop van het proces (bijvoorbeeld heeft vastleggen van een herinnering in je geheugen). In de statische mechanica wordt de richting van de tijd gedefinieerd in termen van de collectieve beweging van orde naar chaos (van een sigaret naar een peuk, as en rook).
[ Bericht 0% gewijzigd door deelnemer op 06-08-2013 19:23:28 ]
-Logica en wiskunde zijn op zich uitingen van causaliteit en terzelfder tijde van finaliteit .
-Als 2+3 gelijk zijn aan 5, dan zijn 2 en 3 de oorzaken van 5 ; ook in de meetkunde geldt deze causaliteit, waar de opbouw van stellingen tot een geldige conclusie leiden .
-Causaliteit is dus net zoals ruimte en tijd een a priori gegeven zowel in de kosmos als in onze of in 'de' geest .