归纳推理

核心观点

归纳推理把已观察到的规律延伸到尚未观察的事物；结论得到证据支持，却不由前提必然保证。

归纳推理从有限样本、重复模式或具体案例出发，提出范围更大的概括或预测。它增加了前提没有直接包含的信息，因此属于扩充性推理（ampliative reasoning）。

归纳结论是否可靠，主要取决于样本是否足够且有代表性、规律能否跨情境保持稳定，以及是否主动寻找反例和替代解释。

Connections

• 对照：演绎推理从一般前提推出由前提保证的结论；归纳推理则从具体证据提出仍可被修正的一般命题。
• 应用于：领域建模从具体业务场景中发现概念与规则，形成暂时可用的模型，再用新场景和反馈持续检验它。

⚠ Switch to EXCALIDRAW VIEW in the MORE OPTIONS menu of this document. ⚠ You can decompress Drawing data with the command palette: ‘Decompress current Excalidraw file’. For more info check in plugin settings under ‘Saving’

Excalidraw Data

Text Elements

样本填不满总体

代表性决定支持力度

?

有限样本

抽样

总体

≠ 全部

仍未知

样本支持概括，不等于覆盖总体

Embedded Files

385ef0cecfed44872a8dc5343931d5fd5273163d: Icon - 便签, 折角纸, 问题, 假设, 线索, 下一步, 临时材料, sticky note - ACNH.excalidraw

bcd97e552cc1ea7ad219245f64f824039d42f75c: Icon - 漏斗, 过滤器, 筛选, 提纯, 选择, 降噪, 已应用, filter - ACNH.excalidraw

fe434a10ed880a4f05f6332449dafe0f386fdaa4: Icon - 关系树, 层级图, 目录, 节点, 分支, 知识地图, hierarchy, relationship tree - Flaticon.excalidraw