Ричард Карл Джеффри (5 августа 1926 — 9 ноября 2002) — американский философ , логик и теоретик вероятностей . Он наиболее известен разработкой и отстаиванием философии радикального вероятностного подхода и связанной с ним эвристики вероятностной кинематики , также известной как формирование условий Джеффри .
Родившийся в Бостоне, штат Массачусетс , Джеффри служил в ВМС США во время Второй мировой войны . В аспирантуре он учился у Рудольфа Карнапа и Карла Хемпеля . [2] Он получил степень магистра в Чикагском университете в 1952 году и докторскую степень. из Принстона в 1957 году. После того, как он занимал академические должности в Массачусетском технологическом институте , Городском колледже Нью-Йорка , Стэнфордском университете и Университете Пенсильвании , он поступил на факультет Принстона в 1974 году и стал почетным профессором.там в 1999 году. Он также был приглашенным профессором Калифорнийского университета в Ирвине . [3]
Джеффри, умерший от рака легких в возрасте 76 лет, был известен своим чувством юмора, которое часто проявлялось в его легком стиле письма. В предисловии к своей посмертно опубликованной « Субъективной вероятности» он называет себя «любящим глупым старым пердуном, умирающим от избытка Pall Malls ». [4]
Как философ Джеффри специализировался на эпистемологии и теории принятия решений . Он, пожалуй, наиболее известен защитой и развитием байесовского подхода к вероятности.
Джеффри также является автором или соавтором двух широко используемых и влиятельных учебников по логике : «Формальная логика: ее объем и пределы» , базовое введение в логику, и « Вычислимость и логика », более продвинутый текст, посвященный, среди прочего, знаменитому отрицательному анализу. результаты логики двадцатого века, такие как теоремы Гёделя о неполноте и теорема Тарского о неопределимости .
В байесовской статистике теорема Байеса предоставляет полезное правило для обновления вероятности, когда становятся доступными новые данные о частоте. В байесовской статистике сама теорема играет более ограниченную роль. Теорема Байеса связывает вероятности, которые имеют место одновременно. Он не говорит учащемуся, как обновлять вероятности, когда со временем становятся доступны новые данные. На эту тонкость впервые указал Ян Хакинг в 1967 году [5].