第 1 章 :该推断不是演绎有效的。完全有可能前提为真,而乔塞是西班牙少数不是天主教徒的人。但是,前提一起对结论给出了很好的(尽管不是决定性的)支持理由。因此,该推断是归纳有效的。
第 2 章 :令
k k k 为“琼斯是个流氓”
f f f 为“琼斯是个傻瓜”
则推断符号化为:
k ∨ f k ¬ f \dfrac{k\lor f\quad k}{\neg f} ¬ f k ∨ f k 真值表检测结果为:
第一行,两个前提都为 T T T ,而结论为 F F F 。因此,该推断是无效的。
第 3 章 :令
x S xS x S 为“x x x 看见枪击”
x H xH x H 为“x x x 听见枪击”
令考虑中的对象为所有人。推断符号化为:
第 4 章 :令
令考虑中的对象为所有人。推断符号化为:
第 5 章 :令
则推理符号化为:
该推断是无效的。 考虑如下情形:
第 6 章 :令
则推断符号化为
第 7 章 :令
则推断符号化为:
第 8 章 :令
则推断符号化为:
该推断是无效的。考虑如下图示的情形组合:
第 9 章 :令
则推断符号化为:
第 10 章 :令
则推断形式化为:
第 11 章 :令
则:
据互逆概率之间的关系可得,
第 13 章 :将相关信息用表格表示如下:
计算期望值可得:
第 14 章 :我们当然可以对给定的输入运行程序。如果它确实终止,则或早或晚它会终止,那时我们就知道它终止(尽管我们可能无法提前知道要多久它才会终止)。但是,如果它不终止,我们将永远无法知道这一点。无论计算持续了多长时间,如果它没停,这可能是因为它永远不会终止,但也可能只是它还没到终止的时候。我们没办法知道究竟处于哪种情形。
∃ x ( x S ∨ x H ) ∃ x x S ∨ ∃ x x H \dfrac{\exists x(xS\lor xH)}{\exists x\ xS\lor \exists x\ xH} ∃ x x S ∨ ∃ x x H ∃ x ( x S ∨ x H ) 该推断是有效的。因为假设前提在某个情形为真,那就有某个对象 x x x 在该情形的论域中使得 x S ∨ x H xS\lor xH x S ∨ x H 为真。据 ∨ \lor ∨ 的真值条件,x S xS x S 为真或 x H xH x H 为真。在第 1 种情况下,有 ∃ x x S \exists x\ xS ∃ x x S ;在第 2 种情况下,有 ∃ x x H \exists x\ xH ∃ x x H 。因此无论哪种情况,∃ x x S ∨ x H \exists x\ xS\lor xH ∃ x x S ∨ x H 在该情形都为真。
∀ x x P ( ι x x R ) P \dfrac{\forall x\ xP}{(\iota x\ xR)P} ( ι x x R ) P ∀ x x P 该推断是无效的。考虑某个情形 s s s ,其中所有人都满足 P P P ,但没有人满足 R R R 。(也许比赛取消了!)那么前提在 s s s 为真。但摹状词 ι x x R \iota x\ xR ι x x R 不指称任何东西。因此,结论在 s s s 为假。
m ¬ ( m ∧ ¬ b ) b \dfrac{m\quad\neg(m\land\neg b)}{b} b m ¬ ( m ∧ ¬ b ) 则 ¬ b \neg b ¬ b 为 T T T (且不为 F F F );因此 m ∧ ¬ b m\land \neg b m ∧ ¬ b 为 T T T 和 F F F (两个合取项均为真,且其中一个为假);因此 ¬ ( m ∧ ¬ b ) \neg(m\land \neg b) ¬ ( m ∧ ¬ b ) 为 T T T 和 F F F 。在该情形下,两个前提均为 T T T ,而结论不为 T T T 。
¬ ◊ f ∧ ¬ ◊ b □ ( ¬ f ∧ ¬ b ) \dfrac{\neg\Diamond f\land\neg\Diamond b}{\Box(\neg f\land\neg b)} □ ( ¬ f ∧ ¬ b ) ¬ ◊ f ∧ ¬ ◊ b 该推断是有效的。因为假设前提在某个情形 s s s 为真,则两个合取项在该情形都为真。因此,没有关联情形 s ′ s' s ′ 使得 f f f 为真(第 1 个合取项)或 b b b 为真(第 2 个合取项)。即,在每个关联情形 s ′ s' s ′ ,¬ f ∧ ¬ b \neg f\land\neg b ¬ f ∧ ¬ b 均为真。因此,结论在 s s s 为真。
b → c c b \dfrac{b\to c\quad c}{b} b b → c c 该推断是无效的。 考虑某个情形 s s s ,它有一个关联情形 s ′ s' s ′ ,相关信息图示如下:
在每个 b b b 为真的情形,c c c 都为真。因此,b → c b\to c b → c 在 s s s 为真。这样,两个前提在 s s s 均为真,但结论在 s s s 不为真。
H r ∧ G r r \dfrac{\mathbf{H}r\land\mathbf{G}r}{r} r H r ∧ G r r r r 在 s 0 s_0 s 0 之前的所有时刻均为真,故 H r \mathbf{H}r H r 在 s 0 s_0 s 0 为真。r r r 在 s 0 s_0 s 0 之后的所有时刻均为真,故 G s \mathbf{G}s G s 在 s 0 s_0 s 0 为真。因此,H r ∧ G s \mathbf{H}r\land\mathbf{G}s H r ∧ G s 在 s 0 s_0 s 0 为真。但结论在 s 0 s_0 s 0 不为真。
p W ∧ ¬ c W ¬ p = c \dfrac{pW\land\neg cW}{\neg p=c} ¬ p = c p W ∧ ¬ c W 该推断是有效的。考虑任何前提为真的情形,则在该情形下,p p p 指称的任何对象都具有 W W W 表达的性质,而 c c c 指称的任何对象都不具有该性质。因此,据莱布尼茨律,p p p 和 c c c 指称不同的对象(假定没有什么可以既真又假!)。即,¬ p = c \neg p=c ¬ p = c 为真。
c ¬ c ∨ b b \dfrac{c\quad \neg c\lor b}{b} b c ¬ c ∨ b 该推断是无效的。 考虑某个 c c c 和 b b b 具有如下真值的情形:
则 ¬ c \neg c ¬ c 的真值为 0.5 0.5 0.5 (1 − 0.5 1-0.5 1 − 0.5 ),因而 ¬ c ∨ b \neg c\lor b ¬ c ∨ b 的真值也为 0.5 0.5 0.5 (max ( 0.5 , 0.2 ) \max(0.5,0.2) max ( 0.5 , 0.2 ) )。这样两个前提都是可接受的(≥ 0.5 \geq 0.5 ≥ 0.5 ),但结论不是可接受的。
推断是有效的。因为有 3 个高且富有的人,其中 2 个是快乐的,故 p r ( h ∣ t ∧ w ) = 2 / 3 pr(h|t\land w)=2/3 p r ( h ∣ t ∧ w ) = 2/3 ;其中 1 个是不快乐的,故 p r ( ¬ h ∣ t ∧ w ) = 1 / 3 pr(\neg h|t\land w)=1/3 p r ( ¬ h ∣ t ∧ w ) = 1/3 。因此,p r ( h ∣ t ∧ w ) > p r ( ¬ h ∣ t ∧ w ) pr(h|t\land w) > pr(\neg h|t\land w) p r ( h ∣ t ∧ w ) > p r ( ¬ h ∣ t ∧ w ) 。
第 12 章 :第 1 问:考虑一个 100 人的具有该症状的典型样本,则 90 人得 A A A 病,10 人得 B B B 病。由于检查的正确率是 9/10,检查结果会告诉我们 90 个得 A A A 病的人中有 81 个得 A A A 病、9 人得 B B B 病;10 个得 B B B 病的人中有 9 9 9 人得 B B B 病、1 人得 A A A 病。因此,总共有 18 人检查结果为 B B B 病,因此一个随机抽中的人检查结果为 B B B 病的概率为 18/100。
第 2 问:令 r r r 为随机抽中的具有该症状的人,且令
b b b 为“r r r 得 B B B 病” t t t 为“r r r 的检查结果为 B B B 病”
p r ( t ∣ b ) = 9 / 10 pr(t|b)=9/10 p r ( t ∣ b ) = 9/10 ,因为检查的正确率为 90%;
p r ( b ) = 1 / 10 pr(b)=1/10 p r ( b ) = 1/10 ,因为 10 人中有 1 人得 B B B 病;
p r ( t ) = 18 / 100 pr(t)=18/100 p r ( t ) = 18/100 ,据第 1 问。
p r ( b ∣ t ) = p r ( t ∣ b ) × p r ( b ) / p r ( t ) = 9 10 × 1 10 ÷ 18 100 = 1 / 2 pr(b|t)=pr(t|b)\times pr(b)/pr(t)=\frac{9}{10}\times \frac{1}{10}\div\frac{18}{100}=1/2 p r ( b ∣ t ) = p r ( t ∣ b ) × p r ( b ) / p r ( t ) = 10 9 × 10 1 ÷ 100 18 = 1/2 E ( t ) = 0.05 × ( − 390 ) + 0.95 × ( − 90 ) = − 105 E ( ¬ t ) = 0.05 × ( − 1500 ) + 0.95 × 0 = − 75 \begin{aligned}
E(t) &= 0.05\times(-390)+0.95\times(-90)=-105 \\
E(\neg t) & = 0.05\times(-1500)+0.95\times 0=-75
\end{aligned} E ( t ) E ( ¬ t ) = 0.05 × ( − 390 ) + 0.95 × ( − 90 ) = − 105 = 0.05 × ( − 1500 ) + 0.95 × 0 = − 75 由于 E ( ¬ t ) > E ( t ) E(\neg t) > E(t) E ( ¬ t ) > E ( t ) ,因此你应该不买保险。
第 15 章 :没有。如果 n n n 是语句 ¬ ∃ x P r o v ( x , n ) \neg\exists xProv(x,n) ¬∃ x P ro v ( x , n ) 的编码,则由于逻辑具有排中律,该理论能证明 ∃ x P r o v e ( x , n ) ∨ ¬ ∃ x P r o v ( x , n ) \exists xProve(x,n)\lor\neg\exists xProv(x,n) ∃ x P ro v e ( x , n ) ∨ ¬∃ x P ro v ( x , n ) 。但哥德尔定理表明 ¬ ∃ x P r o v ( x , n ) \neg\exists xProv(x,n) ¬∃ x P ro v ( x , n ) 无法被证明,尽管它是真的。
0.05 \ − 390 0.05\backslash -390 0.05\ − 390
0.95 \ − 90 0.95\backslash -90 0.95\ − 90
0.05 \ − 1500 0.05\backslash -1500 0.05\ − 1500
0.95 \ 0 0.95\backslash 0 0.95\0