Probability can mean long-run frequency, physical propensity, logical support, or rational degree of belief—and many disputes arise from switching interpretations midstream.
1The problem it solves
A number such as “30% chance” looks unambiguous until we ask what in the world the 30% refers to. Repeated frequencies fit repeatable events; propensity theories treat chance as a property of setups; logical interpretations treat probability as evidential relation; subjective Bayesians treat it as coherent credence. The interpretation determines what counts as evidence and what statements are meaningful.
2The idea
What a probability actually is: a long-run relative frequency, a physical propensity of a setup, a logical relation between propositions, or a rational agent's degree of belief.
3Origin & context
Major twentieth-century lines include frequentism associated with von Mises, propensity views associated with Popper and others, logical probability in Carnap, and subjective probability in Ramsey and de Finetti. Modern statistics inherits rather than eliminates these philosophical differences.
4Canonical example
“A 30% chance of rain tomorrow” — but tomorrow happens exactly once. Which interpretation makes that sentence meaningful?
5Objections & replies
Objection. Different interpretations are just semantics; the same probability calculus applies.
Reply. The calculus can be shared while the inferential meaning differs. A confidence interval, a physical chance, and a personal credence can use the same numbers but answer different questions and support different updates.
Objection. Subjective probabilities permit arbitrary personal beliefs.
Reply. Bayesian coherence constrains relationships among credences, and evidence drives updating, but priors still create latitude. Objective Bayes and calibration criteria are attempts to narrow that latitude.
6Don't confuse it with
Frequentist probability vs. frequentist inference
A frequency interpretation of probability is philosophical; frequentist statistical procedures add sampling rules, error rates, and long-run guarantees.
Chance vs. uncertainty
Chance may be treated as an objective feature of a process; uncertainty can describe an agent’s state of information even when the underlying event is fixed.
7Common mistakes
- Using “probability” in a memo without clarifying whether it is model frequency, physical risk, posterior credence, or decision weight.
- Interpreting a one-off forecast as a literal long-run frequency without specifying the reference class.
8In your work
The Bayesian-versus-frequentist fight in statistics IS this dispute. Recognising that converts an unresolvable methods argument into a philosophical one you can actually adjudicate.
9Check yourself
What does “there is a 30% chance this firm defaults next year” mean if the event occurs only once?
Show answer
The sentence needs an interpretation: perhaps a calibrated credence, a model-based frequency over a reference class, or a propensity-like risk. The number alone does not settle the ontology.
احتمال میتواند بسامدِ بلندمدت، گرایشِ فیزیکی، درجهٔ حمایتِ منطقی یا درجهٔ باورِ عقلانی باشد—و بسیاری از نزاعها از جابهجاییِ بیصدا میانِ این تفسیرها میآیند.
1مسئلهای که حل میکند
عددِ «۳۰٪ احتمال» روشن بهنظر میرسد تا بپرسیم ۳۰٪ دقیقاً ویژگیِ چیست. بسامد برای رویدادِ تکرارشونده مناسب است؛ گرایش احتمال را ویژگیِ دستگاه میداند؛ تفسیرِ منطقی آن را رابطهٔ شاهدی میبیند؛ بیزگرای ذهنی آن را درجهٔ باورِ منسجم میداند. تفسیر تعیین میکند چه چیزی شاهد است و چه جملهای معنا دارد.
2ایدهٔ اصلی
احتمال در واقع چیست: بسامدِ نسبیِ درازمدت، گرایشِ فیزیکیِ یک چیدمان، نسبتی منطقی میان گزارهها، یا درجهٔ باورِ یک عاملِ عقلانی.
3خاستگاه و زمینه
خطهای اصلیِ قرن بیستم شامل بسامدگراییِ فون میزس، گرایشهای فیزیکیِ پوپر و دیگران، احتمالِ منطقیِ کارنپ و احتمالِ ذهنیِ رمزی و دِفینتی است. آمارِ مدرن این اختلافها را حذف نکرده، بلکه به ارث برده است.
4مثالِ کلاسیک
«۳۰ درصد احتمالِ باران در فردا» — اما فردا فقط یک بار رخ میدهد. کدام تفسیر این جمله را معنادار میکند؟
5اعتراضها و پاسخها
اعتراض. تفسیرها فقط لفظاند؛ حسابِ احتمال برای همه یکی است.
پاسخ. حساب میتواند مشترک باشد اما معنای استنتاجی فرق میکند. فاصلهٔ اطمینان، شانسِ فیزیکی و باورِ شخصی میتوانند عددِ مشابه داشته باشند اما پرسشهای متفاوتی را پاسخ دهند.
اعتراض. احتمالِ ذهنی هر باورِ دلبخواهی را مجاز میکند.
پاسخ. انسجامِ بیزی روابطِ میانِ باورها را محدود میکند و شاهد بهروزرسانی را هدایت میکند، اما پیشینها آزادی میدهند. بیزگراییِ عینی و کالیبراسیون تلاش برای محدودکردنِ آناند.
6با اینها اشتباه نگیرید
تفسیرِ بسامدی و استنتاجِ بسامدگرا
اولی دیدگاهِ فلسفی دربارهٔ احتمال است؛ روشِ آماریِ بسامدگرا قواعدِ نمونهگیری، نرخِ خطا و تضمینِ بلندمدت را اضافه میکند.
شانس و عدمِقطعیت
شانس ممکن است ویژگیِ عینیِ فرایند باشد؛ عدمِقطعیت حالتِ اطلاعاتیِ عامل است حتی وقتی رویدادِ زیرین ثابت شده باشد.
7خطاهای رایج
- نوشتنِ «احتمال» بدون روشنکردنِ اینکه بسامدِ مدل، ریسکِ فیزیکی، باورِ پسین یا وزنِ تصمیم است.
- تفسیرِ پیشبینیِ یکباره بهعنوان بسامدِ بلندمدت بدون تعریفِ طبقهٔ مرجع.
8در کارِ شما
نزاعِ بیزی و بسامدگرا در آمار، دقیقاً همین اختلاف است. شناختِ این نکته، بحثِ روششناختیِ حلناشدنی را به بحثی فلسفی بدل میکند که واقعاً میتوان دربارهٔ آن داوری کرد.
9خودآزمایی
«۳۰٪ احتمال دارد این شرکت سالِ بعد نکول کند» چه معنایی دارد وقتی رویداد فقط یک بار رخ میدهد؟
نمایش پاسخ
جمله نیاز به تفسیر دارد: شاید باورِ کالیبرهشده، بسامدِ مدلمحور در یک طبقهٔ مرجع یا ریسکِ گرایشی. خودِ عدد هستیشناسی را تعیین نمیکند.