Het boek waarom De nieuwe wetenschap van oorzaak en gevolg

Dit is geen review van het boek, maar van de vertaling.
Het viel mij op dat er nogal wat slordigheidsfouten in de vertaling zijn geslopen.
Dit komt het begrip van de toch al complexe materie niet ten goede.

Ik illustreer dit aan de hand van een paar voorbeelden. Dit is geen uitputtende lijst, en ik
heb ook niet systematisch naar fouten gezocht.

- In de inleiding wordt een paar keer "causale referentie" geschreven waar het "causale inferentie"
moet zijn.
- Op bladzijde 26 staat "... kunnen door empirische observatie bevestigd of weerlegd worden"
Dit moet zijn "... kunnen door empirische observatie bevestigd *noch* weerlegd worden"
- Een paar regels verder is er sprake van een kraai die een kraaiende haan had moeten zijn.
- In afbeelding 1.1 staat "Oorzaak van succes" waar "Kans op succes" had moeten staan.
- Op bladzijde 63 onderaan staat "... waardoor zijn geschiedenis..." Het gebruik van "waardoor" is hier
incorrect en duidt op een slecht begrip van de tekst.
- Op bladzijde 124 is er sprake van iets dat "virtueel zeker" is. Slecht vertaald Engels: in het Nederlands
zeg je natuurlijk "nagenoeg zeker".
- Op bladzijde 129 staat "P(S)|T" waar dit "P(S|T)" moet zijn.
- Op bladzijde 131 staat "onvoorwaardelijke waarschijnlijkheid" waar dit "voorwaardelijke waarschijnlijkheid" moet zijn.
- Op bladzijde 132 is er sprake van "... het praktische bezwaar ..., die ..."
- Op bladzijde 133 wordt het symbool "Z" voor ziekte geïntroduceerd, maar op de volgende bladzijde wordt het symbool "D" gebruikt.
- In het Nederlands heeft een breuk een teller en een noemer, maar de vertaler vond het nodig om "denominator" onvertaald te laten.
- Op bladzijde 140 wordt ineens de afkorting "MR" gebruikt, terwijl in het oorspronkelijke boek gewoon voluit "machine reasoning" staat.
- Op bladzijde 142 staat "... in het tweede geval ..." Dit moet zijn "... in het eerste geval ..."
- Op diezelfde bladzijde wordt de term "knooppunt" geïntroduceerd voor verschillende configuraties van knopen en pijlen, maar even later (blz 147) wordt "knooppunt" gebruikt als synoniem voor "knoop". Uiterst verwarrend natuurlijk.
- Op bladzijde 149 wordt binnen één zin "false" eerst vertaald als "fout" en daarna als "vals". Ik zou sowieso de meer gangbare term "onwaar" gebruiken.
- Op bladzijde 156 staat "... een van de enen fout is ..." Dit moet zijn "... beide enen fout zijn ..."

Ik hou hier maar op. Bespaar jezelf grote ergernis, en lees de Engelstalige versie.

Causaliteit ofwel de vraag waarom, daar gaat het in dit boek om. Onderzoeken leveren uitkomsten op die door onderzoekers verbanden worden genoemd. Als een sterk verband (correlatie) wordt gevonden krijgt een onderzoek meer aandacht. Maar causaliteit, wat veroorzaakt wat, is een onderwerp in de taboesfeer. Statistici benadrukken steevast dat een gevonden correlatie geen causaliteit betekent.

Judea Pearl, gelauwerd hoogleraar informatica, neemt hier geen genoegen mee. Mensen denken nu eenmaal in causale verbanden. Er is een verband tussen het moment van het kraaien van de haan en de opkomst van de zon, maar de zon komt ook op als de haan een keer niet kraait. Pearl presenteert zijn onderzoeken naar causale inferentie: Een methode om causaliteit zichtbaar te maken door middel van pijldiagrammen. De lezer wordt vervolgens meegenomen op een denkbeeldige ladder, vanaf kale onderzoekdata tot en met het bijzondere menselijke vermogen om ook niet gebeurde uitkomsten te beredeneren.

En passant geeft hij de geschiedenis van het onderwerp weer vanaf Aristoteles, langs een mij onbekende onderzoeker van cavia’s in de jaren ‘20 tot en met zijn eigen studenten waar hij trots over vertelt. De grote statisticus Fisher wordt hard aangepakt als deze weigert roken als oorzaak van longkanker te erkennen. Pearl gebruikt bij dit alles zijn diagrammen om relevante onderzoeksproblemen te beschrijven en op te lossen. Denk hier bij aan het rekening houden met onbekende factoren of met factoren die elkaar onderling beïnvloeden. Dat gedeelte wordt al snel abstract, maar hij schrijft er overtuigend over.

Interessant is ook hoe reeds bekende onderzoeksmethoden in deze wereld passen. Onderzoekers willen namelijk wel degelijk causaliteit aantonen, denk aan de effectiviteit van nieuwe geneesmiddelen of gevolgen van de opwarming van de aarde. Pearl beschrijft waarom de methode van gerandomiseerd onderzoek met een controlegroep zo krachtig kan zijn en hoe dit past in de causale diagrammen. Klassiekers als Monty Hall en Simpson’s paradox worden behandeld en uiteraard de relatie met Bayesiaanse statistiek. En het ultieme vergezicht is dat het inbrengen van causaliteit kunstmatige intelligentie een boost kan geven die het zo hard nodig heeft.

Tijdens mijn studie, dertig jaar geleden, maakte ik kennis met Pearl en schreef ik een scriptie naar aanleiding van zijn onderzoek over vooruitkijken in bordspellen. Hij viel op door zijn efficiënte en heldere schrijfstijl. Elke zin was raak. In dit boek krijgt hij veel meer pagina’s ruimte, daarbij geholpen door wetenschapsjournalist Dana Mackenzie. Het boek leest vlot en geeft inspiratie aan iedereen die zich voor zijn studie, werk of gewoon uit interesse met onderzoek bezig houdt. Het plaatst hedendaagse onderzoeken naast historische mijlpalen en geeft een beeld bij de worstelingen die onderzoekers vroeger en nu hebben gehad, alles ten dienste van de vooruitgang.

Met Het boek waarom slaat Maven Publishing weer de wetenschappelijke weg in. Hoewel de beginnende wetenschapslezer in de inleiding overspoeld dreigt te worden, weet Judea Pearl haarfijn uit te leggen hoe je oorzaak en gevolg vaststelt. De Ladder van Causatie, de doe-methode en Bayesiaanse netwerken komen voorbij. Aan de hand van tabellen en pijldiagrammen zullen lezers langzaam maar zeker deze wetenschap beter leren begrijpen. Een uitermate boeiend boek, ook al is wiskunde, natuurkunde en scheikunde misschien niet je beste vak. Het is leerzaam en interessant. Eentje die geen enkele liefhebber van wetenschap mag missen

Judea Pearl verdient met zijn Ladder van Causatie en de bijbehorende nieuwe wiskunde wat mij betreft een Nobelprijs. Ik heb het grote genoegen al met software te kunnen werken, die deze methodiek in de praktijk brengt. Ongelofelijk tot welke inzichten je zo kunt komen! Iets minder vind ik de vertaling van het boek. Vooral als het gaat om slordigheden bij het vertalen van de wiskundige formules. Desondanks een aanrader voor iedereen die nog steeds klassieke statistiek bedrijft.

Als je graag antwoorden op alle vragen weet,en interesse hebt in wetenschap is dit echt een boek wat je met grote interesse gaat lezen.
De Titel het boek waarom,maakt mij direct nieuwsgierig.Heb je ooit geprobeerd de puzzel van correlatie en causualiteit op te lossen,dit boek geeft daarover verlichtende antwoorden.De twee voorwoorden van Bas Haring en Judea pearl en de inleiding vond ik erg prettig om te lezen zodat je al een beetje een idee krijgt wat je van het boek kunt verwachten.
Judea Pearl legt in dit boek precies uit hoe je oorzaak en gevolg vaststelt
De Ladder van Causatie, de doe-methode en Bayesiaanse netwerken komen o.a. aan bod.
Pearl presenteert in dit boek de sleutel tot kunstmatige intelligentie en hiermee ook de essentie van het menselijk denken. Een aanrader voor iedereen die zich weleens afvraagt: Waarom?
Het is leerzaam en interessant,maar wel pittig,je moet echt de tijd nemen voor het boek.
Soms moest ik even terug om het nog eens te lezen ,om het precies te snappen,toch is het boek erg leesbaar geschreven dus laat je niet afschrikken. Tevens wordt er ook met tekeningen en herkenbare voorbeelden uitgelegd wat er bedoeld wordt!
De uitgebreide Bibliografie aan het eind van het boek is ook fijn.
Voor iedereen die interesse heeft in wetenschap en feiten is het boek zeker een aanrader

Schrik niet van de kaft, schrik niet van de inhoudsopgave. Ja, het gaat over Causaliteiten, Paradoxen en Interventies; je zou zomaar kunnen denken: "Brrr... Wiskunde, Statistiek, Kansberekening, niets voor mij." Daar kan ik je geruststellen, het boek is zeer leesbaar geschreven. Ja, er komen hier en daar wat formules tevoorschijn, maar daar hoef je niet van wakker te liggen. Zeker voor niet-Beta-mensen zeer leesbaar en begrijpelijk.

In uitgebreide voorbeelden uit het dagelijks leven neemt Pearl je mee in de wereld van wat hij "Causale inferentie" gedoopt heeft.... Oorzaak en gevolg, vragen over "wat als" en alle verkeerde aannames en gedachtefouten die je daarbij kunt maken. Logische valkuilen, waar je in kunt vallen. Een leuk uitgewerkt voorbeeld is het aannamebeleid van nieuwe studenten aan de Berkeley universiteit. Alle faculteiten hanteerden een positief aannamebeleid voor vrouwen en toch werden er op de gehele universiteit meer mannen dan vrouwen aangenomen. Hoe kan dat ? (Lees: De Berkeley-paradox voor het antwoord)

Zoals ik al in de titel schreef, een NIET TE MISSEN boek, je pikt het met zijn felgele kaft er zó uit in je boekenkast. Maar ook inhoudelijk niet te missen, netjes vertaald (waar ik me soms wel wat ergerde aan voor mij wat té letterlijk vertaalde zinnen, hetgeen lelijk Nederlands oplevert) en inhoudelijk absoluut de moeite waard om te lezen, zeker wanneer je wat huiverig bent voor alles wat met formele wiskunde te maken heeft.

Het Boek Waarom heeft een opvallende gele cover met de titel in grote zwarte letters voorop.
Het klinkt mij allemaal erg interessant in de oren,dus ik ben reuze benieuwd naar dit boek.
Eerst is er een voorwoord van Bas Haring en eentje van Judea Pearl,en daarna een inleiding die meteen al interessant is om te lezen.
Vervolgens diverse hoofdstukken zoals bijvoorbeeld : De ladder van causatie,Van bewijs naar oorzaken, en Van boekeniers naar proefkonijnen.
Het boek vertelt het verhaal van een wetenschap die de wijze heeft veranderd waarop we feiten van fictie onderscheiden,maar die toch onder de radar van het algemeen publiek is gebleven.
Onder andere valt er te lezen over :
Waarom duurde het zo lang voordat de wetenschap uitsluitsel kon geven over de vraag of roken longkanker veroorzaakt? Waarom is er zoveel controverse over de vraag of de mens de opwarming van de aarde veroorzaakt? Waarom zijn er in een
tijdperk van zelfrijdende auto’s en ruimtevaart nog steeds zoveel maatschappelijke vraagstukken waarin de wetenschap geen uitsluitsel biedt?
Volgens Judea Pearl komt dit doordat we al meer dan een eeuw verkeerd omgaan met causale verbanden, oftewel de vraag waarom iets gebeurt. Aan het eind van het boek staan uitgebreide noten ,bibliografie en register
Het boek is best moeilijk en je moet wel je hoofd erbij houden en tijd hebben om rustig te lezen.
Het is geen boek om snel even tussendoor te lezen. Maar voor iedereen die interesse heeft in de wetenschap,wiskunde etc,is het zeker interessant!

Het boek geeft een goed overzicht van complexe theoriën zoals het veronderstellen en testen van causale verbanden, Bayesiaanse netwerken, en hoe de (klassieke) statistiek hierin een rol speelt. Als statisticus is het fasinerend in deze tijd te lezen over Pearl's visie op causaliteit en de modellen waarin veronderstelde richting aan verbanden worden gemodelleerd. Verder is het boek een goed naslagwerk; de geschiedenis van de ontwikkelingen in 'de causale wetenschap' wordt beschreven, en dit wordt redelijk verhalend verteld met vele voorbeelden om de lezer mee te nemen in de gedachtegang. In de laatste twee hoofdstukken "op zoek naar een mechanisme" en het hoofdstuk over kunstmatige intelligentie, verondersteld Pearl dat zijn technieken, mits goed geleerd aan computers, ook de causale verbanden kunnen herkennen en zelf modelleren en dat het mbv de technieken voor hen zelfs mogelijk al zijn "een vrije wil" te hebben en ervaren.

Ondanks dat ik het niet met alles volledig eens ben, en het boek voldoende concentratie vraagt om de theorieën volledig te begrijpen, raad ik het voor iedere wetenschapper/onderzoeker van harte aan vanwege de stof tot nadenken en de interessante visie op causaliteit!

Geweldig boek, veel mensen zouden hier kennis van moeten nemen. Judea Pearl en Dana Mackenzie nemen je mee in de ontdekking en ontwikkeling van causale inferentie. Niet altijd gemakkelijke kost, je moet er de tijd voor nemen maar dan heb je wel iets ! Veel voorbeelden van echte problemen, bijv dit.: een cavia blijft 1 dag langer dan gemiddeld in de baarmoeder, het gemiddelde gewicht is na die ene dag 5,66 gram hoger. Mag je dan stellen dat 1 dag extra 5,66 gram veroorzaakt ? Nee, het is wiskundig aantoonbaar dat het langere verblijf gemiddeld 3,35 Gr per dag oplevert. Kortom, geweldig boek.

Wil je weten wat wetenschappers weten? En wanneer ze iets weten, en wanneer er nog niet zeker van zijn?
Dan moet je deze mee op vakantie nemen.
Het gaat over echt nadenken, dus niet altijd een heel simpel boek. Maar alles wordt rustig uitgelegd, dus gewoon lezen als in de wetenschap: stapje voor stapje en erover nadenken. Een fan kom je bij geweldige ontdekken.