Probabilistic logic
A.A. 2020/2021
Obiettivi formativi
The course aims at developing the logico-mathematical background to assess critically the logic and episte-mology of inductive reasoning, or "reasoning with data". In addition to making students familiar with the rel-evant elementary logical, probabilistic and statistical notions, it focusses on how the formalisation of induc-tive inference sheds crucial methodological light on the "datacentric" revolution, which is currently dotting the development of the natural and social sciences.
Risultati apprendimento attesi
Knowledge acquisition and understanding:
Students are expected to acquire a full understanding of the formal notions presented and master basic knowledge of the following topics:
- know the central concepts and reasoning tools of discrete mathematics
- know the central concepts in elementary probability theory
- know how to apply elementary logic to formalize probabilistic concepts
- understand the epistemological questions related to inductive reasoning
- understand the relevance of a proper the epistemology of inductive inference in the wider methodological discussion on "big data"
Skills acquisition and ability to apply knowledge:
Students are also expected to develop an ability to apply this basic knowledge to solve simple problems and to engage in further research within more advanced projects in specific applications of their interest. In particular at the end of the course, students will be able to
- read and evaluate the scientific literature on inductive reasoning
- apply the tools learnt to solve scientific, philosophical and practical problems
- appreciate the relevance of inductive logic in the current debate on the datacentric revolution in the methodology of the social sciences
Students are expected to acquire a full understanding of the formal notions presented and master basic knowledge of the following topics:
- know the central concepts and reasoning tools of discrete mathematics
- know the central concepts in elementary probability theory
- know how to apply elementary logic to formalize probabilistic concepts
- understand the epistemological questions related to inductive reasoning
- understand the relevance of a proper the epistemology of inductive inference in the wider methodological discussion on "big data"
Skills acquisition and ability to apply knowledge:
Students are also expected to develop an ability to apply this basic knowledge to solve simple problems and to engage in further research within more advanced projects in specific applications of their interest. In particular at the end of the course, students will be able to
- read and evaluate the scientific literature on inductive reasoning
- apply the tools learnt to solve scientific, philosophical and practical problems
- appreciate the relevance of inductive logic in the current debate on the datacentric revolution in the methodology of the social sciences
Periodo: Secondo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Secondo semestre
Durante la fase di didattica emergenziale, il programma viene mantenuto con le seguenti modifiche necessarie per una buona fruizione online del corso originariamente progettato per la didattica in presenza.
Ambienti on-line utilizzati:
Ariel: https://hhosnipl.ariel.ctu.unimi.it/
Teams: codice presente in Ariel.
Le lezioni si terranno in base agli scenari di rischio:
- massima gravità (zona rossa): le lezioni si terranno solo a distanza in modalità sincrona (in Teams)
- elevata gravità (zona arancione): le lezioni si terranno in modalità mista, parte in presenza e parte on line.
Le lezioni in presenza si terranno in modalità duale permettendo la partecipazione anche a studenti a distanza (collegate/i in in Teams). Le lezioni a distanza si terranno in modalità sincrona (in Teams)
- gravità (zona gialla): le lezioni si terranno con le medesime modalità della zona arancione e, se vi saranno le condizioni, verrà aumentato il numero di lezioni tenute in presenza.
Il calendario delle lezioni in presenza e gli aggiornamenti saranno pubblicati nel corso on line in Teams (il codice è accessibile dal sito Ariel del corso).
Le lezioni si terranno in base agli scenari di rischio:
- massima gravità (zona rossa): le lezioni si terranno solo a distanza in modalità sincrona (in Teams)
- elevata gravità (zona arancione): le lezioni si terranno in modalità mista, parte in presenza e parte on line.
Le lezioni in presenza si terranno in modalità duale permettendo la partecipazione anche alle/agli studenti a distanza (collegati in in Teams). Le lezioni a distanza si terranno in modalità sincrona (in Teams)
- gravità (zona gialla): le lezioni si terranno con le medesime modalità della zona arancione e, se vi saranno le condizioni, verrà aumentato il numero di lezioni tenute in presenza.
Il calendario delle lezioni in presenza e gli aggiornamenti saranno pubblicati nel corso on line in Teams (il codice è accessibile dal sito Ariel del corso).
Modalità di verifica dell'apprendimento e criteri di valutazione:
L'esame è scritto e viene svolto sulla piattaforma exam.net in tutti gli stati di emergenza (zona gialla, arancione e rossa), secondo le indicazioni fornite dall'Ateneo.
Le/gli studenti che intendono partecipare alle lezioni in presenza devono fare riferimento alle disposizioni dell'Ateneo:
https://www.unimi.it/it/studiare/frequentare-un-corso-di-laurea/seguire…
Le/gli studenti che intendono partecipare alle lezioni in Teams devono fare riferimento alle seguenti guide tecniche:
https://www.unimi.it/it/studiare/servizi-gli-studenti/servizi-tecnologi…
Per partecipare alle sessioni di esame le/gli studenti devono fare riferimento alle seguenti indicazioni
https://www.unimi.it/it/studiare/frequentare-un-corso-di-laurea/seguire…
Ambienti on-line utilizzati:
Ariel: https://hhosnipl.ariel.ctu.unimi.it/
Teams: codice presente in Ariel.
Le lezioni si terranno in base agli scenari di rischio:
- massima gravità (zona rossa): le lezioni si terranno solo a distanza in modalità sincrona (in Teams)
- elevata gravità (zona arancione): le lezioni si terranno in modalità mista, parte in presenza e parte on line.
Le lezioni in presenza si terranno in modalità duale permettendo la partecipazione anche a studenti a distanza (collegate/i in in Teams). Le lezioni a distanza si terranno in modalità sincrona (in Teams)
- gravità (zona gialla): le lezioni si terranno con le medesime modalità della zona arancione e, se vi saranno le condizioni, verrà aumentato il numero di lezioni tenute in presenza.
Il calendario delle lezioni in presenza e gli aggiornamenti saranno pubblicati nel corso on line in Teams (il codice è accessibile dal sito Ariel del corso).
Le lezioni si terranno in base agli scenari di rischio:
- massima gravità (zona rossa): le lezioni si terranno solo a distanza in modalità sincrona (in Teams)
- elevata gravità (zona arancione): le lezioni si terranno in modalità mista, parte in presenza e parte on line.
Le lezioni in presenza si terranno in modalità duale permettendo la partecipazione anche alle/agli studenti a distanza (collegati in in Teams). Le lezioni a distanza si terranno in modalità sincrona (in Teams)
- gravità (zona gialla): le lezioni si terranno con le medesime modalità della zona arancione e, se vi saranno le condizioni, verrà aumentato il numero di lezioni tenute in presenza.
Il calendario delle lezioni in presenza e gli aggiornamenti saranno pubblicati nel corso on line in Teams (il codice è accessibile dal sito Ariel del corso).
Modalità di verifica dell'apprendimento e criteri di valutazione:
L'esame è scritto e viene svolto sulla piattaforma exam.net in tutti gli stati di emergenza (zona gialla, arancione e rossa), secondo le indicazioni fornite dall'Ateneo.
Le/gli studenti che intendono partecipare alle lezioni in presenza devono fare riferimento alle disposizioni dell'Ateneo:
https://www.unimi.it/it/studiare/frequentare-un-corso-di-laurea/seguire…
Le/gli studenti che intendono partecipare alle lezioni in Teams devono fare riferimento alle seguenti guide tecniche:
https://www.unimi.it/it/studiare/servizi-gli-studenti/servizi-tecnologi…
Per partecipare alle sessioni di esame le/gli studenti devono fare riferimento alle seguenti indicazioni
https://www.unimi.it/it/studiare/frequentare-un-corso-di-laurea/seguire…
Programma
1. Ragionare con i dati:
- Il significato dei dati
- Statistica descrittiva elementare
- Probabilità elementare
2. L'epistemologia del ragionamento sui dati: induzione
- Il problema di Hume
- Induzione e conoscenza
- Più dati oppure dato migliori?
3. La logica del ragionamento incerto
- Introduzione alla logica probabilistica
- Coerenza
- Probabilità condizionata in ambito logico
- Il significato dei dati
- Statistica descrittiva elementare
- Probabilità elementare
2. L'epistemologia del ragionamento sui dati: induzione
- Il problema di Hume
- Induzione e conoscenza
- Più dati oppure dato migliori?
3. La logica del ragionamento incerto
- Introduzione alla logica probabilistica
- Coerenza
- Probabilità condizionata in ambito logico
Prerequisiti
Logical Methods (LM)
Metodi didattici
Lezioni frontali, flipped ed esercizi. L'impostazione è basata sulla risoluzione dei problemi e l'apprendimento delle studentesse e degli studenti è incentrato sulla capacità di elaborare la soluzione di esercizi e problemi elementari.
Materiale di riferimento
Dispense e materiale reso disponibile dal docente
Modalità di verifica dell’apprendimento e criteri di valutazione
La valutazione dell'apprendimento avverrà attraverso un esame scritto alla fine del corso. Studentesse e studenti frequentanti potranno optare per esami parziali alla fine dei moduli didattici.
Il testo degli esami parziali e finale include domande aperte (30%), esercizi (50%) e domande a risposta multipla (20%). Queste proporzioni riflettono il loro contributo al voto finale. Le domande a risposta multipla e quelle aperte sono orientate alla verifica della comprensione dei concetti e delle definizioni insegnate nel corso, mentre gli esercizi sono progettati per valutare la capacità di risolvere i problemi.
L'esame da 6 CFU verterà sui primi 4 argomenti del corso (prime 40
ore). Quello da 9 CFU su tutti gli argomenti del corso (60 ore
complessive).
Il testo degli esami parziali e finale include domande aperte (30%), esercizi (50%) e domande a risposta multipla (20%). Queste proporzioni riflettono il loro contributo al voto finale. Le domande a risposta multipla e quelle aperte sono orientate alla verifica della comprensione dei concetti e delle definizioni insegnate nel corso, mentre gli esercizi sono progettati per valutare la capacità di risolvere i problemi.
L'esame da 6 CFU verterà sui primi 4 argomenti del corso (prime 40
ore). Quello da 9 CFU su tutti gli argomenti del corso (60 ore
complessive).
Moduli o unità didattiche
Unita' didattica A
M-FIL/02 - LOGICA E FILOSOFIA DELLA SCIENZA - CFU: 3
Lezioni: 20 ore
Unita' didattica B
M-FIL/02 - LOGICA E FILOSOFIA DELLA SCIENZA - CFU: 3
Lezioni: 20 ore
Unita' didattica C
M-FIL/02 - LOGICA E FILOSOFIA DELLA SCIENZA - CFU: 3
Lezioni: 20 ore
Siti didattici
Docente/i
Ricevimento:
Il ricevimento studenti è sospeso dal 29 luglio al 4 settembre 2021.
Piattaforma Teams previo appuntamento