Falácias 4

Continuando nossa relação de falácias, apresentamos:

Falácias Indutivas

O raciocínio indutivo consiste em inferir das propriedades de uma amostra para as propriedades de um elemento não pertencente à amostra ou para as propriedades da população como um todo.

Suponha, por exemplo, que temos uma lata com 1.000 feijões. Alguns são pretos e outros são brancos. Suponha agora que retirámos da lata uma amostra de 100 feijões e que 50 eram brancos e outros 50 eram pretos. Então podemos inferir indutivamente que metade dos feijões da lata (500 feijões) são pretos e que a outra metade é branca.

Todo o raciocínio indutivo depende da similitude entre a amostra e a população. Quanto maior for a semelhança entre a amostra e a população como um todo, maior fiabilidade terá a inferência indutiva. Por outro lado, se a amostra tiver diferenças relevantes face à população, então a inferência indutiva não será fiável.

Nenhuma inferência indutiva é perfeita. Isto significa que qualquer inferência indutiva pode vir a falhar. Mesmo que as premissas sejam verdadeiras, a conclusão pode ser falsa. Apesar disso, uma boa inferência indutiva dá-nos uma razão para crermos que a conclusão é verdadeira.

As seguintes falácias indutivas são descritas nesta seção:

Generalização Precipitada
Amostra Limitada
Falsa Analogia
Indução Preguiçosa
Falácia da Exclusão

Generalização Precipitada

Definição:

A amostra é demasiado limitada e é usada apenas para apoiar uma conclusão tendenciosa.
Exemplos:
(i) Fred, o Australiano, roubou a minha carteira. Portanto, os Australianos são ladrões. (Claro que não devemosjulgar os Australianos na base de um exemplo)
(ii) Perguntei a seis dos meus amigos o que eles pensavam das novas restrições ao consumo e eles concordaram em que se trata de uma boa ideia. Portanto as novas restrições são populares.
Prova:
Identifique as dimensões da amostra e a população em questão.Depois mostre que a amostra é insuficiente. Note: uma prova formal requer cálculo matemático porque está em jogo a teoria das probabilidades. Mas em muitas situações podemos confiar no bom senso.
Referências:
Barker: 189, Cedarblom e Paulsen: 372, Davis: 103

Amostra Limitada

Definição:

Há diferenças relevantes entre a amostra usada na inferência indutiva e a população como um todo
Exemplos:
(i) Para vermos como os Canadianos vão votar na próxima eleição sondámos uma centena de pessoas em Calgary. Isto mostra, sem dúvida, que o Partido Reformador vai limpar as eleições. (As pessoas de Calgary tendem a ser mais conservadoras e, portanto, mais propensas a votar Reformador do que as outras pessoas no resto do país).
(ii) As maçãs do topo da caixa parecem boas. Todas as maçãs desta caixa devem ser boas. (As maçãs com bicho, claro, estão em camadas mais fundas...)
Prova:
Mostre que há diferenças relevantes entre a amostra e a população como um todo. Depois, argumente que por a amostra ser diferente, a conclusão é provavelmente diferente.
Referências:
Barker: 188, Cedarblom e Paulsen: 226, Davis: 106

Falsa Analogia

Definição:

Numa analogia mostra-se, primeiro, que dois objectos, A e B, são simelhantes em algumas das suas propriedades, R, S, T. Conclui-se, depois, que como A tem a propriedade P, então B também deve ter a propriedade P. A analogia falha quando os dois objectos, A e B, diferem de tal modo que isso possa afetar o fato de ambos terem a propriedade P. Diz-se, neste caso, que a analogia esqueceu diferenças relevantes.
Exemplos:
(i) Os empregados são como pregos. Temos de martelar a cabeça dos pregos para estes desempenharem a sua função. O mesmo deve acontecer aos empregados.
(ii) O Governo é como o negócio. Assim, como o negócio deve ser sensível, em primeiro lugar, ao balanço final, também o governo o deve ser. (Mas os objetivos do governo e dos negócios são completamente diferentes; assim provavelmente têm de encontrar critérios diferentes)
Prova:
Identifique os dois objectos ou eventos que estão a ser comparados e a propriedade que se diz que ambos possuem. Mostre que os dois objectos diferem de tal modo que a analogia se torna insuficiente.
Referências:
Barker: 192, Cedarblom e Paulsen: 257, Davis: 84

Indução Preguiçosa

Definição:

A conclusão apropriada de um argumento indutivo é negada apesar dos dados.
Exemplos:
(i) Hugo teve doze acidentes nos últimos 6 meses. No entanto, ele continua a dizer que se trata de coincidência e não de culpa sua. (Indutivamente, as provas apontam irresistivelmente para a culpa de Hugo. Este exemplo foi retirado de Barker, p. 189)
(ii) Sondagens e mais sondagens mostram que o N.D.P. ganhará menos de 10 lugares no Parlamento. Apesar disso o líder do Partido insiste em que o Partido está a fazer melhor do que as sondagens sugerem. (De fato o N.D.P. só obteve 9 lugares)
Prova:
Acima de tudo pode insistir na força da inferência.
Referências:
Barker: 189

Omissão de Provas

Definição:

Dados importantes, que arruinariam um argumento indutivo, são excluídos. A exigência de que toda a informação relevante e disponível seja incluída num argumento indutivo, é chamada "princípio da evidência total".
Exemplos:
(i) Jones é Albertano, e a maioria dos Albertanos vota Tori, portanto Jones provavelmente votará Tory. (A informação deixada de fora é que Jones vive em Edmonton e a maioria dos Edmontanos vota Liberal ou N.D.P.)
(ii) Muito provavelmente os Leafs vão ganhar este jogo porque ganharam nove dos últimos dez jogos. (Oito das vitórias dos Leafs foram obtidas sobre equipas de escalões secundários, na fase de preparação, e agora vão defrontar uma equipe de primeiro plano)
Prova:
Exponha os dados em falta e mostre que eles mudam a conclusão do argumento indutivo. Note que não basta mostrar que nem todas as provas foram incluídas -- é preciso mostrar que as provas em falta justificam outra conclusão.
Referências:
Davis: 115