实验设计啊，你必须得理解归纳逻辑

       不理解归纳逻辑，讲实验是很扯的一个事情。


注:  穆勒五法，必须得会啊，以前讲过 穆勒五法。

********************************************************************************

讲讲归纳逻辑


        简单地说，科学的目的是建立可靠且有用的知识。有用意味着我们要能拿这些知识来预测些什么东西，而不是只是告诉你些现有事物的解释；可靠意味着我们希望这些知识是真的，

所以怎么建立可靠的知识，是科学最核心的问题之一。

要得到些什么结论，我们不可避免地要借助逻辑的力量。粗糙地讲，我们研究用到的逻辑有两种，演绎推理和归纳。


演绎推理是从一些已知的结论得到另一些已知的结论的方法，最典型的莫过于三段论：

如果我们能保证大前提和小前提是对的，那么三段论可以保证我们得到正确的结论。一般而言，演绎推理基本上不太会出错，除非是用了错误的三段论，或者错误的前提。

然而，只有演绎推理通常是不够的。演绎推理只能让你从已知的结论出发，那么最基本的那些结论，只能从归纳中来。归纳是从一系列事物中提取共性的方法

房间里有3个小孩：小明，小红，小强。

小明有2颗糖。

小红有3颗糖。

小强有1颗糖。

=>房间里的孩子们都有糖。

这种推理模式，即是归纳。如果我们列举了一个集合里所有元素的性质，那么这样的归纳是完全的，这样归纳得到的结果，正确性是有保证的，也足以作为推理的前提。然而，问题就出在很多时候，元素个数太多，我们无法检测所有的元素，或者有时候元素个数是趋于无穷的，不可能一一检测完，这种时候，怎么归纳才合适？

这个时候只好采用不完全归纳，即只是挑几个元素检查一下，然后得出结论。

这种方法一般人总是会在有意无意之间使用，但很少有人能清醒地意识到，这种归纳是不可靠的。


**************************************************************************

解剖发现人的心脏长在左边。

=>所有人的心脏都长在左边。

等等，你可能已经发现了，这种推理方式，似乎正是科学很多分支都不断在做的。如果这不可靠，岂不是说明科学就是在胡扯？

当然，科学家在很早以前就发现了这个问题，所以我们用到的归纳法，和不完全归纳有一点不同，叫做科学归纳法。它的逻辑是这样的：

解剖了那么多人发现没有人的心脏长在右边。

=>所有人的心脏可能都长在左边。

就是说我们要意识到绝大多数的论断都是无法被证明的，你能找到的只能称之为支持性证据。我们将论断的正确性依托在做了大量实验却没有发现反例这一点上，但即使如此，我们也不敢说某个论断被证明了。因为逻辑上而言，你无法知道今后会不会出现反例推翻你的论断。

我们现在看到地球是圆的，会不会有一天突然发现它变方了？

我们现在发现人的心脏长在左边，是不是我们碰巧解刨的人的心脏都长在左边？

所以，怀疑从根本上贯彻于科学无处不在，也正因此，因为顶住了一次又一次地抽查，我们才有理由相信这些论断和理论是对的。

但事情还是没有那么简单。事实上，确实有人的心脏长在右边，但为什么我们还是看到很多地方在说“人的心脏长在左边”呢？这时我们需要特别小心，需要借助统计学的力量。我们继续打开人的胸腔，随机地打开，统计这些人的心脏的左右位置。这时候，人们发现这么多例子大约只有万分之一的人的心脏长在右边。于是我们得到了新的论断：

绝大多数（约99.99%）人的心脏长在左边。

当然，我们还是不能检查每个人的心脏，所以这个论断，会永远受到统计数字的检查。

当然，有时候我们并不从实验直接归纳得到结论，有时夹杂了一些其他的考虑，包括了很多不能直接测量的东西，才构建出完整的理论。但是，实验证伪这个机制是通用的。我们要求理论提供预测，要求它提供可验证的结论，然后不断地、无时无刻地使用实验来检查它。每一次使用理论都提供了一个检验理论的机会。虽然得到论断的方式不同，但保证它正确的逻辑是相似的：因为没有出过错，所以可能是对的。历史发展到现在，从牛顿力学到标准模型，每一个理论都有了充分的支持性依据，重要的是它们没有出错，所以这些成为了人类对世界认识的框架。

如果一个理论既没有证据支持，又没有证据反对，又怎么说呢？这时，这个理论或许说的是废话，或许是一种可能性。对与错都无从得知。所以，它不是可以令人言之凿凿的真实。