Algorithmic Randomness and Probabilistic Laws
Jeffrey A. Barrett and Eddy Keming Chen
我们将最近关于复杂性和随机性的想法应用于法律和机会的哲学。 我们开发两种使用算法随机性来表征概率性自然定律的方法。 第一个是生成机会*定律,采用非标准的机会概念。 第二,概率*约束定律,强加每个物理可能的世界必须满足的相对频率和随机性约束。 约束概念消除了对非胡阿尼法律的统一管理帐户的主要障碍,法律通过限制物理可能性来管理;它还为休谟最佳系统帐户(大坏虫和零拟合问题)的熟悉问题提供了独立的动机解决方案。 在这两种方法上,概率定律与相应的可能世界紧密地联系在一起:传统概率法允许的一些历史现在被排除在物理上是不可能的。 因此,该框架避免了一种经验不足,同时揭示了通常被忽视的其他经验不足。
We apply recent ideas about complexity and randomness to the philosophy of laws and chances. We develop two ways to use algorithmic randomness to characterize probabilistic laws of nature. The first, a generative chance* law, employs a nonstandard notion of chance. The second, a probabilistic* constraining law, impose relative frequency and randomness constraints that every physically possible world must satisfy. The constraining notion removes a major obstacle to a unified governing account of ...