hétfő, május 19

Előítélet és értelem – avagy Thomas Bayes jól megmondja

A divat nem mindig logikus. Az újabb politikailag korrekt divat az előítéletek elítéléséről sem az. Ettől még népszerű és elfogadott. A moonbat ostobaság belátásához nem kellene nehéztüzérség, de az érvelés öröme végett segítségül hívjuk Thomas Bayes-t is: Nemhogy a mindennapi következtetés, de a tudományos megismerés módszertana sem zárja ki az előítéletet. Az előítélet önmagában se nem jó, se nem rossz – hanem az emberi gondolkodás alapvető eszköze. Nincs is értelme az előítélet mint olyan ellen küzdeni - mint ahogy statikai problémák esetén sem a gravitáció ellen küzdünk. Inkább a valóban káros előítéletek kiváltó okait érdemes megszüntetni.

Az előítélet „a tényeken, vagy hibás vagy merev általánosításon alapuló előre kialakított vélemény”. Vegyünk egy példát: Kedves, túlzottan is barátságos, habzó szájú kutyával találkozunk. Előítéletes embertársaink veszettségre gyanakszanak és elkerülik a kutyát. Nem előítéletes társaink nyilván elutasítják ezt, hiszen lehet, hogy a blöki éppen szappant evett. Ebben az esetben az előítéletes magatartás, bár nem feltétlenül helytálló, valószínűleg racionálisabb. (És a példa az emberi előítélet kialakulásának evolúciós elméletébe is betekintést ad.)

Általánosabban: Se időnk, se energiánk minden helyzetet, minden embert a maga egyéniségében teljeskörűen megismerni. És ezért általánosítunk, könnyen hozzáférhető információt keresünk. Egy üzletet gyakran a külseje alapján ítélünk meg – ezért vannak olyan szép bankszékházak például. Hasonlóan a szakadt ruházat, az ápolatlan külső bizalmatlanságot kelt – ezért borotválkoznak és viselnek nyakkendőt az értékesítők és a hittérítők. Általában egyszerű az átváltás: Nagyon sok energia kideríteni, hogy a szakadt külső érző szívet takar – míg a tévedés ára nagyon nagy. Így aztán használjuk az előítéleteinket.

De nemcsak a mindennapi életben használunk előítéletet. Minden tudományos kutatás mögött van ki nem mondott premissza és elképzelés (igen: előítélet), amit aztán az adatok és az új információk tükrében módosítunk. A bayesi statisztika ezen egy lépéssel továbbmegy: formalizálja az előzetes elképzeléseinket és az új információk hatását. A hagyományos – frekventista – statisztika bayes-i szemmel nem más mint a teljesen információmentes prior eloszlás használata. A tiszta lap. Ami egyébként nem létezik, mert mindenkinek van képe az elvárt eredményről – csak Bayes követői ezt expliciten be is vallják - mások meg újraszámolják a regressziót meglepetés esetén. Azaz Bayes követői aktívan és tudományosan is használják előfeltevéseiket, akarom mondani előítéleteket.

Az előítélet az emberi megismerés általános eszköze – a mindennapokban és a tudományos életben egyaránt. Az előítélet elleni küzdeni tehát körülbelül olyan értelmes, mint a gravitáció ellen harcolni.

A gravitációs hasonlat arra is jó, hogy megértsük mi ellen érdemes valóban küzdeni. Ha egy híd összeomlik, a közvetlen ok a gravitáció. (Gravitáció nélkül milyen szépen ellebegett volna a híd...) De az összeomlásért a gonosz gravitációt hibáztatni és nem a statikai problémákat ostobaság, nem?

Hasonló ostobaság a valóban káros előítéletek kapcsán magát az előítélet hibáztatni. Bár kétségkívül politikailag korrekt.

Mert vannak káros és rossz előítéletek. Kultúránkban különösen nem szeretjük az emberekkel kapcsolatos előítéleteket. A politikailag korrekt rasszista vagy szexista papagájkodás – azaz a gravitációnak való hadüzenet – helyett azonban érdemes észrevenni a konstrukciós hibát a hídon. Azaz specifikusan azt vizsgálni, hogy mi a rossz az adott előítélettel és mit lehet tenni az előítéletet kiváltó okok ellen.

Vegyünk egy olyan példát, ahol az előítélet alanyai mi voltunk, magyarok. A határnyitás után Ausztriába látogató magyarok számára örök emlék a „magyar, ne lopj” tábla (és az árusító-személyzet megkülönböztetett figyelme). Rosszul esett? Rosszul bizony. De sajnos nem nehéz látni az általánosítás alapját. Jelen esetben a lopást. Ha néhány honfitársunk lopott és kár okozott, akkor ezzel nemcsak rájuk személy szerint, hanem mindannyiunkra rossz fény vetül – mert bizony az üzletben felismerték az összefüggést a magyar rendszámtábla és a leltárhiány között. És ez ellen az előítélet ellen csak úgy léphetünk fel valóban eredményesen, ha valahogy csökkentjük a hozzánk köthető lopások számát.

Az előítélet megbélyegzése, mégha tényleg káros is, önmagában nem elég, hanem bizony annak az alapját is meg kell szüntetni. A káros előítéletek elleni küzdelem csak akkor ér valamit, ha közben lépések történnek a kiváltó alap megszűntetésére is. Különben az előítélet megmarad, legfeljebb a hozzákapcsolódó szókincs változik. Aminek igazán semmi értelme sincs.

Címkék: , ,


[+/-] A teljes bejegyzés megjelenítése ill. összecsukása

7 megjegyzés:

Anonymous Névtelen írta...

"hagyományos – frekventista – statisztika bayes-i szemmel nem más mint a teljesen információmentes prior eloszlás használata"

Jaj Tory, amúgy jó ez a post, de ezzel szíven döftél. A frekventista statisztika (Neyman-Pearson axiómák, etc) nem egyszerűen bayesi statisztika speciális priorral, hanem más kérdést tesz fel ("ha ez lenne a paraméter, mekkora a valószínűsége, hogy az adat megjelenik") mint a bayesi statisztika ("ha láttuk az adatot, mit tudunk mondani a paraméterről"). A frekventista statisztika figyelmen kívül hagyja a likelihood-elvet, s ezért hülyeség. Na ennyit a statisztikaelméletről :-)

Érdekes tudományszociológiai adalék pl, hogy a bayesi statisztikáról sokan nem is tudnak (pl magyar egyetemek statisztika tanszékei, ami szomorú).

Döntéselméletileg megmutatható, hogy minden "racionális" (pontosan nem megyek most bele) haszonmaximalizáló döntéshozó bayesi alapon dolgozik, így van neki priorja. Azaz aki racionális, az szükségképpen rendelkezik valamiféle "előítélettel" (ami persze nem fedi azt, amit a köznyelv ez alatt ért, hiszen minden valószínűségeloszlás lehet prior).

5/19/2008  
Blogger Tory írta...

Roark: Az világos, hogy a bayes-i kérdés iránya más. Azt hiszem a standard példa: golyók és urnák kapcsán a bayesi kérdés, hogy a kihúzott golyók alapján milyen golyók vannak az urnában - szemben a frekventista statisztika "mit húzunk, ha ilyen golyók vannak az urnában?" kérdésével.

De. (Mert persze van, de...)

Bayes-i módszereket is lehet használni, ha mondjuk egy paraméter vagy valószínűség érdekel. Linkeltem is egy példát. És ebben az esetben a flat prior ugyanazt az eredményt adja mint a frekventista megközelítés.

Ez így korrekt?

A mondat erre utalt, de jó lenne tisztázni, hogy rendben van-e. Ha nem: repül, ez mondjuk a lényegen nem változtat.

5/19/2008  
Anonymous Névtelen írta...

Tory, vannak esetek amikor bizonyos priorok formailag azt adják mint a frekventista megközelítés (pl a legismertebb az egyszerű lineáris regresszió, OLS). A képlet ugyanaz, de az értelmezés más.

A flat priorral az a baj, hogy nem "kitüntetett" a többi prior között. Legyen van egy x változód, és végy egy flat priort. Utána transzformáld át egy másik változóba, és írd így fel a modellt: ami az egyikben flat, a másikban már nem az (pl ami varianciában flat, szórásban nem, etc, ez folytonos eloszlásokra igaz, diszkrétek transzformáció után is flat-ek maradnak). Ebben az az érdekes, hogy erősíti az írásod mondanivalóját: az "előítéletmentes", flat priort nem kell isteníteni, mindenki formálja meg a saját megfigyelései, tapasztalatai, gondolatai alapján a priort, ne valami PC-maszlaghoz ragaszkodjon a valóság ellenében.

Ja és nagyon örülök, hogy ilyesmikről írsz. Jó ha valaki mögégondol azoknak a mantráknak, amiket naponta hall az ember de sok alapjuk nincs.

5/20/2008  
Blogger tölgy írta...

tory,
ez úgy 200-250 éves felismerés.
Isten hozott! :)

5/20/2008  
Anonymous Névtelen írta...

Hihi.

(Jól van egyébként, bevallom, sokszor nagyon is frekventista vagyok, már ami a statisztikát illeti, üssetek. :D )

5/20/2008  
Blogger gabrilo írta...

"Az előítélet megbélyegzése, mégha tényleg káros is, önmagában nem elég, hanem bizony annak az alapját is meg kell szüntetni."

Azaz, töröljem a blogomat?:-DDD

Amúgy köszönöm a postot, Tory:)

5/20/2008  
Blogger Tory írta...

Roark: Jaj, de jó. Ezt a kitüntetett priort be kellett volna írni - de a közérthetőség áldozatul eshet ennek.

Tölgy: Jobb későn mint soha:) Nem lehet mindenki a legélesebb kés a fiókban. Márcsak statisztikailag sem:)))

Miklós: Lehet változni?

Gabrilo: Azért ne töröld:)))

5/24/2008  

Megjegyzés küldése

Feliratkozás Megjegyzések küldése [Atom]

<< Főoldal