• Wiki

Lixo no lixo fora

Penso, logo existo Lógica e retórica

Artigos principais

Falácia lógica Silogismo Argumento

Lógica geral

O argumento para a adega Credencialismo Lei de Littlewood Garfo de morton Analogias nazistas Uma única prova

Lógica ruim

Apelo à natureza Arquivos falaciosos Gish Gallop Processo ilícito Equivalência moral Direção errada

Lixo entra, lixo sai (GIGO) é um princípio antigo decomputadorprogramação e design de algoritmos. Significa que não importa quão boa seja sua lógica; se sua entrada for ruim, sua saída será um absurdo. Nofilosóficotermos, seu argumento pode serválido, mas não som .

Vamos examinar Aposta de pascal como um exemplo de como isso se aplica às táticas de debate:

1. Se você acredita em Deus e Deus existe, você será recompensado com a vida eterna emParaíso: portanto, um ganho infinito.
2. Se você não acredita em Deus e Deus existe, você será condenado a permanecer em Inferno para sempre: portanto, uma perda infinita.
3. Se você acredita em Deus e Deus não existe, você não será recompensado: portanto, uma perda finita.
4. Se você não acredita em Deus e Deus não existe, você não será recompensado, mas viveu sua própria vida: portanto, um ganho finito.

Uma análise puramente lógica das declarações como tais sugere que a melhor opção deve necessariamente ser acreditar em Deus. No entanto, pode-se facilmente argumentar que as premissas de Pascal estavam erradas. Pascal assume que apenas um tipo de fé (e, portanto, um Deus) importava . Pascal ignora a variedade de humano religiosoexperiências, invalidando imediatamente as próprias premissas e, portanto, tornando a conclusão lógica um lixo.

Fontes comuns de entrada de lixo incluem colhido a dedo ou dados elididos, refutados ' senso comum ', tamanhos de amostra pequenos (eanedotas), e diretomentiras, assim como equívoco sobre definições . As saídas de lixo são ocasionalmente correto , mas se chegaram lá pelo caminho errado, não têm muita utilidade.

Conteúdo

• 1 Advertência importante
• 3 Links externos

Advertência importante

temvários métodos estatísticosisso pode levar umcoleçãode dados não confiáveis ​​e 'corrigi-los' (ou pelo menos chegar mais perto da verdade). Existem algumas restrições para esses métodos, que provavelmente também vale a pena mencionar aqui, pois eles constituem outro problema:

1. O mais notável é que os dados ruins devem ser pelo menosum poucobom, relevante e baseado em algo real. É quase certo que você não obterá uma temperatura precisa de um gerador de números aleatórios ou de uma unidade de medida que mede a coisa errada; em outras palavras, esses métodos apenas expandem ligeiramente o domínio dos dados 'não lixo'.
2. Você tem que saber de antemão que a entrada não é confiável. Se você assumir que a entrada é melhor do que realmente é, terminará com uma saída de lixo de qualquer maneira.
3. Geralmente é necessário haver algo preciso para comparar. Podemos medir e comparar a temperatura dentro de um secador de roupa diretamente (embora seja caro), o que nos permite descobrir com relativa certeza o quão ruim são os sensores mais baratos que instalaremos no secador. Medindo a temperatura de estrelas distantes, que temos apenas previsões emuitométodos indiretos de medição, vai ter umMuito debarra de erro maior.
4. Esses métodos têm intervalos de erro; como nossas ferramentas são imprecisas e imprecisas, só podemos falar em termos de porcentagem de certeza (por exemplo, 'Há 95% de chance de o interior do secador estar entre 70 e 73 graus Celsius').