Richard Carl Jeffrey (5 de agosto de 1926 - 9 de noviembre de 2002) fue un filósofo , lógico y teórico de la probabilidad estadounidense . Es mejor conocido por desarrollar y defender la filosofía del probabilismo radical y la heurística asociada de la cinemática de probabilidad , también conocida como condicionamiento de Jeffrey .
Nacido en Boston, Massachusetts , Jeffrey sirvió en la Marina de los Estados Unidos durante la Segunda Guerra Mundial . Como estudiante de posgrado, estudió con Rudolf Carnap y Carl Hempel . [2] Recibió su maestría en la Universidad de Chicago en 1952 y su doctorado. Se graduó en Princeton en 1957. Después de ocupar puestos académicos en el MIT , el City College de Nueva York , la Universidad de Stanford y la Universidad de Pensilvania , se unió a la facultad de Princeton en 1974 y se convirtió en profesor emérito allí en 1999. También fue profesor visitante. en la Universidad de California, Irvine . [3]
Jeffrey, que murió de cáncer de pulmón a la edad de 76 años, era conocido por su sentido del humor, que a menudo se manifestaba en su estilo de escritura desenfadado. En el prefacio de su Probabilidad subjetiva , publicada póstumamente , se refiere a sí mismo como "un viejo tonto y cariñoso que se muere por un exceso de Pall Mall ". [4]
Como filósofo, Jeffrey se especializó en epistemología y teoría de la decisión . Quizás sea mejor conocido por defender y desarrollar el enfoque bayesiano de la probabilidad.
Jeffrey también escribió, o coescribió, dos libros de texto de lógica muy utilizados e influyentes : Lógica formal: su alcance y límites , una introducción básica a la lógica, y Computabilidad y lógica , un texto más avanzado que trata, entre otras cosas, la famosa lógica negativa. Resultados de la lógica del siglo XX, como los teoremas de incompletitud de Gödel y el teorema de indefinibilidad de Tarski .
En estadística bayesiana , el teorema de Bayes proporciona una regla útil para actualizar una probabilidad cuando hay nuevos datos de frecuencia disponibles. En la estadística bayesiana, el teorema en sí juega un papel más limitado. El teorema de Bayes conecta probabilidades que se mantienen simultáneamente. No le dice al alumno cómo actualizar las probabilidades cuando haya nueva evidencia disponible con el tiempo. Esta sutileza fue señalada por primera vez en términos por Ian Hacking en 1967. [5]
Sin embargo, adaptar el teorema de Bayes y adoptarlo como regla de actualización es una tentación. Supongamos que un alumno forma probabilidades P old ( A & B ) = p y P old ( B ) = q . Si el alumno descubre posteriormente que B es verdadero, nada en los axiomas de probabilidad ni en los resultados derivados de ellos le dice cómo comportarse. Podría verse tentado a adoptar el teorema de Bayes por analogía y establecer su P nuevo ( A ) = P viejo ( A | B ) = p / q .
De hecho, ese paso, la regla de actualización de Bayes, puede justificarse, como necesario y suficiente, a través de un argumento dinámico de un libro holandés que es adicional a los argumentos utilizados para justificar los axiomas. Este argumento fue presentado por primera vez por David Lewis en la década de 1970, aunque nunca lo publicó. [6]
Eso funciona cuando los nuevos datos son ciertos. CI Lewis había argumentado que "si algo ha de ser probable, entonces algo debe ser seguro". [7] Debe haber, según Lewis, algunos hechos ciertos sobre los cuales las probabilidades estuvieran condicionadas . Sin embargo, el principio conocido como regla de Cromwell declara que nada, aparte de una ley lógica, puede ser seguro, si es que lo es. Jeffrey rechazó la máxima de Lewis y bromeó: "Todo son probabilidades". Llamó a esta posición probabilismo radical .
En este caso, la regla de Bayes no es capaz de capturar un mero cambio subjetivo en la probabilidad de algún hecho crítico. Es posible que las nuevas pruebas no se hayan anticipado o ni siquiera hayan sido capaces de articularse después del evento. Parece razonable, como posición de partida, adoptar la ley de probabilidad total y extenderla a la actualización de manera muy similar a como lo hizo el teorema de Bayes. [8]
Adoptar esta norma es suficiente para evitar un libro holandés, pero no es necesario. [9] Jeffrey defendió esto como una regla de actualización bajo el probabilismo radical y lo llamó cinemática de probabilidad. Otros lo han llamado condicionamiento de Jeffrey .
No es la única regla de actualización suficiente para el probabilismo radical. Se han defendido otros, incluido el principio de máxima entropía de ET Jaynes y el principio de reflexión de Brian Skyrms .
El condicionamiento de Jeffrey se puede generalizar desde particiones hasta eventos de condición arbitrarios dándole una semántica frecuentista. [10]