Réponse 1:

réellement

ne fait pas

«Déterminisme» et «Indéterminisme»

confondant existence et connaissance

"Imaginez, si vous voulez, trois portes (portes A, B et C). Vous savez à 100% qu'une barre d'or est derrière l'une des portes et que les ânes sont derrière les deux autres, vous n'avez juste aucune idée de quelle porte l'or ou les ânes sont derrière. Vous avez 1/3 de chance d'ouvrir la porte du lingot d'or si vous ne pouviez en choisir qu'un. Sarah, une autre personne, cependant, sait que la porte C a un âne, mais elle ne sait pas si le l'or est derrière A ou B. Contrairement à vous, elle a 50% de chances de choisir la porte de la barre d'or. Une autre personne, Billy, sait cependant que la porte A et la porte C ont l'âne, donc il sait à 100% que B a le lingot d'or (comme il sait qu'un lingot d'or se trouve derrière une des portes qui n'a pas d'âne). Les probabilités diffèrent non pas en fonction des probabilités «réelles» mais plutôt des connaissances que possède la personne. L'évaluation d'un 1 / La troisième probabilité ou la probabilité de 50% sont simplement dans la tête des individus (vous et Sarah) qui n'ont pas la pleine connaissance de Billy. t quelque chose qui en fait « exister » dans la réalité, autre que la pensée existant comme dans un cerveau. Le lingot d'or n'a pas vraiment 1 / 3ème chance d'être derrière une porte, en réalité il est à 100% derrière la porte B, comme Billy le sait. "

les causes


Réponse 2:

Un modèle mathématique déterministe est censé fournir une solution unique décrivant le résultat de certaines "expériences" avec des intrants appropriés. Un modèle probabiliste est plutôt censé donner une distribution des résultats possibles (c'est-à-dire qu'il décrit tous les résultats et donne une certaine mesure de la probabilité que chacun se produise).

 

Il convient de noter qu'un modèle probabiliste peut être très utile même pour une personne qui croit que l'univers entier est déterministe. Cet utilitaire résulte du fait que même un processus déterministe peut avoir tant de variables que tout modèle qui tente de les prendre en compte est trop lourd à manipuler. Par exemple, un tirage au sort pourrait être déterministe si l'on pouvait tout mesurer précisément sur le flip, la pièce, le sol, les courants d'air, les marées, l'emplacement précis sur terre, etc. En pratique, ce niveau de modélisation déterministe est impossible , donc des modèles stochastiques sont utilisés à la place. D'un autre côté, si l'on prend la mécanique quantique au sérieux, tout a un certain niveau de comportement non déterministe.

De même, les modèles déterministes peuvent être utilisés à bon escient même dans un processus du monde réel qui est clairement stochastique. Par exemple, l'équation thermique fonctionne très bien dans de nombreuses situations malgré le fait qu'elle ignore le mouvement "aléatoire" des atomes impliqués. Habituellement, dans ces scénarios, la distribution des réponses finales possibles est si fortement atteinte (c'est-à-dire a une si petite variance) qu'il n'est pas nécessaire de compliquer le modèle en le forçant à calculer la distribution plutôt qu'une seule valeur.


Réponse 3:

Pour connaître la différence entre le modèle probabiliste et le modèle déterministe, nous devons savoir ce qu'est un modèle, ou plus précisément ce qu'est un modèle mathématique.

Au départ, nous devrions être capables de faire la différence entre un phénomène observable et le modèle mathématique d'un phénomène observable. Nous n'avons bien sûr aucun contrôle sur ce que nous observons. Mais en développant un modèle mathématique pour un phénomène, nous pouvons ignorer (ne pas considérer) certains facteurs. Et pourquoi on peut faire ça? C'est parce que nous développons un certain modèle mathématique pour visualiser un phénomène de manière simpliste. Bien sûr, le succès du modèle dépend de la question de savoir si les facteurs ignorés sont vraiment sans importance pour l'étude du phénomène sous-jacent. De plus, il est très difficile de dire avec certitude si un modèle mathématique donné est adéquat ou non avant de tester certaines données d'observation. Donc, afin de déduire l'exactitude de notre modèle, nous devons tester le résultat du modèle avec les observations réelles dans différentes conditions.

Or, les modèles mathématiques peuvent être de deux types: a) modèles déterministes b) modèles non déterministes (ou également appelés modèles probabilistes ou stochastiques).

Dans un modèle déterministe, on suppose que le résultat réel (numérique ou non) est déterminé à partir des conditions dans lesquelles l'expérience est menée. Par exemple, si nous insérons une batterie dans un circuit simple, le modèle mathématique qui décrirait vraisemblablement le flux de courant observable serait I = E / R. Le modèle prédit la valeur de I dès que E et R sont fournis. Si l'expérience ci-dessus est menée plusieurs fois, chacune utilisant le même circuit, nous nous attendons probablement à la même valeur de I. Tout écart qui pourrait se produire sera très faible.

Dans un modèle non déterministe, les conditions dans lesquelles l'expérience est observée détermineront uniquement un comportement probabiliste du résultat observable. Par exemple, nous souhaitons déterminer la quantité de précipitations qui tombera à la suite d'un système de tempête particulier passant par une localité spécifiée. Des instruments sont disponibles avec lesquels nous enregistrons les précipitations qui se produisent. Les observations météorologiques peuvent nous fournir des informations considérables concernant le système de tempête qui approche, la pression barométrique en divers points, les changements de pression, l'origine et la direction de la tempête, etc. combien de précipitations tomberaient. Ce phénomène ne conduit pas à une approche déterministe, mais plutôt, un modèle probabiliste décrit le phénomène avec plus de précision.

Ainsi, dans un modèle déterministe, nous utilisons les considérations physiques pour prédire un résultat presque précis, tandis que dans un modèle non déterministe, nous utilisons ces considérations pour prédire davantage un résultat probable (distribution de probabilité).


Réponse 4:

Pour connaître la différence entre le modèle probabiliste et le modèle déterministe, nous devons savoir ce qu'est un modèle, ou plus précisément ce qu'est un modèle mathématique.

Au départ, nous devrions être capables de faire la différence entre un phénomène observable et le modèle mathématique d'un phénomène observable. Nous n'avons bien sûr aucun contrôle sur ce que nous observons. Mais en développant un modèle mathématique pour un phénomène, nous pouvons ignorer (ne pas considérer) certains facteurs. Et pourquoi on peut faire ça? C'est parce que nous développons un certain modèle mathématique pour visualiser un phénomène de manière simpliste. Bien sûr, le succès du modèle dépend de la question de savoir si les facteurs ignorés sont vraiment sans importance pour l'étude du phénomène sous-jacent. De plus, il est très difficile de dire avec certitude si un modèle mathématique donné est adéquat ou non avant de tester certaines données d'observation. Donc, afin de déduire l'exactitude de notre modèle, nous devons tester le résultat du modèle avec les observations réelles dans différentes conditions.

Or, les modèles mathématiques peuvent être de deux types: a) modèles déterministes b) modèles non déterministes (ou également appelés modèles probabilistes ou stochastiques).

Dans un modèle déterministe, on suppose que le résultat réel (numérique ou non) est déterminé à partir des conditions dans lesquelles l'expérience est menée. Par exemple, si nous insérons une batterie dans un circuit simple, le modèle mathématique qui décrirait vraisemblablement le flux de courant observable serait I = E / R. Le modèle prédit la valeur de I dès que E et R sont fournis. Si l'expérience ci-dessus est menée plusieurs fois, chacune utilisant le même circuit, nous nous attendons probablement à la même valeur de I. Tout écart qui pourrait se produire sera très faible.

Dans un modèle non déterministe, les conditions dans lesquelles l'expérience est observée détermineront uniquement un comportement probabiliste du résultat observable. Par exemple, nous souhaitons déterminer la quantité de précipitations qui tombera à la suite d'un système de tempête particulier passant par une localité spécifiée. Des instruments sont disponibles avec lesquels nous enregistrons les précipitations qui se produisent. Les observations météorologiques peuvent nous fournir des informations considérables concernant le système de tempête qui approche, la pression barométrique en divers points, les changements de pression, l'origine et la direction de la tempête, etc. combien de précipitations tomberaient. Ce phénomène ne conduit pas à une approche déterministe, mais plutôt, un modèle probabiliste décrit le phénomène avec plus de précision.

Ainsi, dans un modèle déterministe, nous utilisons les considérations physiques pour prédire un résultat presque précis, tandis que dans un modèle non déterministe, nous utilisons ces considérations pour prédire davantage un résultat probable (distribution de probabilité).