五二小说网

手机浏览器扫描二维码访问

第二 社会科学中贝叶斯概率解释模型的引入（第3页）

也就是说，当概率是主观的时候，贝叶斯定理则支配人们应该如何合理地更新主观信念度。

二、B-P模型结构的确定及其运用

贝叶斯概率理论把贝叶斯定理作为行动者依据经验事实修正先验概率的模型，这一模型基于解释者的背景知识对特定事实以先验概率的形式给出概率解释，而先验概率并不是一成不变的，随着语境的变化以及行动者对经验事实的不断获取，先验概率会被贝叶斯定理这一概率演算法则不断修正、调整，从而“消除掉”

先验概率最初的差别，使得社会科学中的异质主体的先验概率的主观性和私人性得以客观化、公共化，起到很好地“从经验中学习”

的作用。

解决亨普尔概率解释模型之于社会科学困境的关键是：需要把解释者的背景知识或认知状态，以及解释者对相关要素的信念度引入社会科学解释的要素当中，即重新确立解释者作为解释主体的认识论地位。

在一定的解释过程中，解释者所具有的关于解释项与被解释项的相关因素的信念度是随着解释语境的变化而变化的，因此，解释者相关因素的信念度具有不完全性和不确定性的特点。

贝叶斯概率理论是基于贝叶斯定理发展起来用于解决统计问题的方法，能很好地解决解释者的不完全性和不确定性。

因此，根据贝叶斯概率理论的特征，我们可以为社会科学解释构建一个标准的心理学模型，“这样一种模型的基本原则包含了一种概率函数。

这种函数就是所谓的私人概率（personalprobability）函数，它特别适用于去把握行为者（Agent）对他所设想的各种命题的信念度”

[29]。

这一解释模型可以表述为：解释者据其背景知识对解释项赋予一个先验概率，随着语境的变化，解释者获取了新的经验证据，先验概率通过贝叶斯定理所确定的条件概率法则：

更新解释者的先验概率，来得到后验概率，从而在不同的语境情形下给出合理的概率解释。

其中条件概率法则的含义是：θ表示解释者对于一个命题或事件的不确定性，p（θ）称作θ的先验概率函数，p（yθ）表示解释者获得经验事实y之后θ的概率函数，即似然函数，p（θy）表示θ的后验概率。

下文将针对I-P模型的反例——青霉素对链球菌感染的治疗效果，来描述B-P模型的运用。

在这一反例中，首先解释者（一位医学专家）根据自己的背景知识（可以是他多年的行医经验）对解释项“服用青霉素能有效治疗链球菌感染”

这一命题赋予了较高的先验概率，康复率高达95%，因此约翰服用了青霉素而得到了康复。

另外，这位医学专家对于影响治疗效果的影响因素有着多年的研究，比如，患者合并其他感染、患者有自身的免疫反应等。

针对约翰服用了青霉素而没有康复这一事实，这位医学专家通过对约翰的病症做检查之后，得出约翰所感染的是一种具有抗药性的链球菌，有了这一经验证据，解释者对先前的先验概率做出修正，这一修正的逻辑法则即贝叶斯定理，从而得到一个关于约翰康复的后验概率，即康复率降到35%，也就是说，未康复的概率高达65%，从而对约翰虽然服用了青霉素而未能有效地康复做出了合理的解释。

由此我们发现，B-P模型的解释过程并未诉诸统计规律，它是基于解释者的背景知识或认知状态给出一个治疗效果的先验概率（95%），随着解释语境的改变，这一先验概率依据经验事实（通过检查发现约翰感染的是抗药性的链球菌），然后再通过贝叶斯定理进行对先验概率的修正，得到后验概率（35%）。

因此，B-P模型对于难以发现规律的社会现象也是极其适用的。

三、贝叶斯方法在社会科学中的可行性分析

事实上，B-P模型只是贝叶斯方法解决社会科学具体问题的一种个案形式。

实质上，贝叶斯方法在社会科学中的应用具有更为普遍的方法论意义。

贝叶斯方法是基于贝叶斯定理而发展起来的，用于系统地阐述和解决统计问题的方法，在社会科学的具体应用中，其方法论的优势主要体现在两个方面。

第一，解决了单个事件赋予概率值的问题。

传统社会科学的概率统计方法主要依赖于经典统计（也称频率学派或经典学派），其实质是一种经验主义的概率统计方法。

经验主义者将概率建立在无限可重复的事件序列之上，但社会事件大多数不具有可重复性，因此，经验主义概率对于单个事件是无意义的。

例如，“安德鲁·杰克逊当选为美国第八任总统的概率是多少”

这一社会事件仅仅是一次相关实验，不具有可重复性，从频率学派的观点来看，如果杰克逊当选，这个概率就是1，否则便为0。

这种回答似乎有悖于我们的日常经验，关于这个问题我们是想得知杰克逊当选为总统的可能性有多大，或者对“杰克逊是第八任总统”