잘못된 일반화

Faulty generalization

잘못된 일반화는 현상의 하나 또는 몇 가지 사례에 기초하여 현상의 전체 또는 여러 사례에 대한 결론을 도출하는 비공식 오류이다.그것은 수학에서 [1]예시로 증명하는 것과 비슷하다.그것은 성급한 [2]결론의 예시이다.예를 들어, 한 명 또는 소수의 사람에 대해 알고 있는 것을 바탕으로 모든 사람 또는 그룹의 모든 구성원에 대해 일반화할 수 있습니다.

  • 만약 어떤 나라 X에서 온 무례한 사람을 만난다면, 사람들은 X나라의 대부분의 사람들이 무례하다고 의심할 것이다.
  • 흰 백조만 보면 모든 백조가 흰색이라고 의심할 수 있다.

보다 정확한 철학적 언어로 표현되는, 결함이 있는 귀납의 오류는 약한 전제 또는 충분하거나 편향되지 않은 [3]증거에 의해 정당화되지 않은 결론에 근거한다.관련 오류와 달리, 결함이 있는 유도의 오류에서 전제는 결론과 관련이 있지만 결론을 뒷받침하는 것은 약하기 때문에 잘못된 일반화가 발생한다.이 귀납적 오류의 본질은 암묵적 여백이나 [2]오류 하에서 불충분한 표본에 기초한 주장을 과대평가하는 데 있다.

논리

일반화에 문제가 있는 경우는, 많은 경우, 다음의 형식을 따릅니다.

샘플의 비율 Q에는 A 속성이 있습니다.
따라서 모집단의 비율 Q에는 A 속성이 있습니다.

이러한 일반화는 표본에 대한 전제(종종 대표적이지 않거나 편향된)에서 모집단 [3]자체에 대한 결론으로 진행된다.

잘못된 일반화는 한 사람 또는 한 그룹의 경험을 다른 사람에게 잘못 확장하는 사고방식이기도 합니다.

귀납적 오류

  • 섣부른 일반화는 한 가지 또는 아주 적은 예만 검토하거나 단일 사례를 연구하여 전체 사물이나 현상을 대표하도록 일반화하는 오류입니다.
  • 그 반대인 게으른 귀납은 귀납적 주장의 논리적 결론을 부정하는 오류이며, 가능성이 매우 높을 때 효과가 "우연일 뿐"이라고 일축한다.
  • 압도적 예외는 성급한 일반화와 관련이 있지만 반대쪽에서 작용한다.이것은 정확한 일반화이지만, 충분한 경우를 배제하는(예외와 같은) 자격에 태그가 붙어 있습니다.남은 것은 원래의 진술이 상정하도록 유도한 것보다 훨씬 덜 인상적입니다.
  • 대표적이지 않은 표본의 오류는 대표적이지 않거나 [4]편향된 표본을 사용하여 결론을 도출하는 오류입니다.
  • 오해의 소지가 있는 선명함은 감각에 호소하는 일종의 성급한 일반화이다.
  • 통계적 특별변론은 결과의 한 부분에서 데이터를 재분류하거나 재분류하는 방법을 찾으면서 관련 통계의 해석을 "메시지"할 때 발생하지만, 다른 [5]범주에 대해서는 동일한 정밀조사를 적용하지 않는다.
  • 이것은 구성 오류의 특별한 경우로 간주할 수 있다. 즉, 논의 중인 항목이 그룹이고, 오류는 항목의 일부에 대한 지식에서 파생될 수 있다.

성급한 일반화

"Over-Extension"은 여기서 리다이렉트 됩니다.언어 학습에서 흔히 볼 수 있는 오류는 초기 단어 사용 오류를 참조하십시오.

성급한 일반화는 잘못된 일반화의 비공식적 오류이며, 이는 불충분한[3] 증거에 기초한 귀납적 일반화에 도달하는 것을 포함한다. 즉, 기본적으로 모든 변수나 충분한 증거를 고려하지 않고 성급한 결론을 내린다.통계학에서는 전체 [1][6][7]모집단을 충분히 대표하지 못하는 소규모 표본집단의 통계조사와 관련하여 광범위한 결론을 내릴 수 있다.그것의 반대되는 오류는 게으름뱅이 유도라고 불리는데, 이것은 유도적 주장의 합리적인 결론을 부정하는 것으로 구성된다(예: "그것은 단지 우연이었다").

예

섣부른 일반화는 일반적으로 다음과 같은 패턴을 따릅니다.

  1. X는 A에 해당된다.
  2. X는 B에 해당된다.
  3. 따라서 X는 C, D, E 등에 해당됩니다.

예를 들어, 어떤 사람이 마을을 처음 여행하고 10명의 사람들을 보게 되면, 그들은 마을에 성인 거주자가 없다고 잘못 결론 내릴 수 있다.

또는 숫자선을 보고 숫자 1은 제곱수, 3은 소수, 5는 소수, 7은 소수, 9는 제곱수, 11은 소수, 13은 소수라는 것을 알 수 있습니다.이러한 관찰을 통해, 사람들은 모든 홀수가 소수이거나 제곱이라고 주장할 수 있지만, 실제로는 15가 그 주장을 반증하는 예이다.

대체 이름

이 오류는 다음과 같은 이름으로도 알려져 있습니다.

  • 블랙 스완 오류
  • 불법 일반화
  • 샘플 부족 오류
  • 특정 항목에서의 일반화
  • 속단하다
  • 포괄적 성명
  • 성급한 유도
  • 소수의 법칙
  • 대표성이 없는 샘플
  • 세쿤덤퀴드

하나의 예에서 만들어진 일반화를 언급할 때, "외로운 [8]사실의 오류" 또는 "예에 의한 입증 오류"라는 용어를 [9]사용할 수 있다.

결과를 편향시키기 위해 증거를 의도적으로 제외하는 경우, 선택 편향의 한 형태인 배제의 오류가 [10]관련된다고 한다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b "Hasty Generalization". logicallyfallacious.com. Retrieved 2019-12-05.
  2. ^ a b Dowden, Bradley. "Hasty Generalization". Internet Encyclopedia of Philosophy. Retrieved 2019-12-05.
  3. ^ a b c Nordquist, Richard. "Logical Fallacies: Examples of Hasty Generalizations". ThoughtCo. Retrieved 2019-12-05.
  4. ^ Dowden, Bradley. "Fallacies — Unrepresentative Sample". Internet Encyclopedia of Philosophy. Retrieved 2019-12-05.
  5. ^ Fischer, D. H. (1970), Historians' Fallacies: Toward A Logic of Historical Thought, Harper torchbooks (first ed.), New York: HarperCollins, pp. 110–113, ISBN 978-0-06-131545-9, OCLC 185446787
  6. ^ "Fallacy: Hasty Generalization (Nizkor Project)". Archived from the original on 2008-12-17. Retrieved 2008-10-01.
  7. ^ "Fallacy". www.ditext.com. Retrieved 2019-12-05.
  8. ^ Fischer, David Hackett (1970). Historians' Fallacies: Toward a Logic of Historical Thought. HarperCollins. pp. 109–110. ISBN 978-0-06-131545-9.
  9. ^ Marchant, Jamie. "Logical Fallacies". Archived from the original on 2012-06-30. Retrieved 2011-04-26.
  10. ^ "Unrepresentative Sample". Archived from the original on 2008-04-15. Retrieved 2008-09-01.