O Poder do Raciocínio Bayesiano Para o Ateísmo

Autor: Richard Carrier

Tradução: Raphael Costa

Resumo:
O Teorema de Bayes é uma equação matemática simples que pode modelar todos os
argumentos empíricos. Consequentemente, uma vez compreendido, pode ser usado
para analisar, criticar ou melhorar qualquer argumento em questões de fato. Por
extensão, pode melhorar substancialmente um argumento geral para o ateísmo (aqui
significando a crença de que deuses sobrenaturais provavelmente não existem),
revelando que a apologética de Deus geralmente opera por meio da omissão de
evidências, e como todo argumento para a existência de um deus se torna um
argumento contra a existência de um deus, uma vez que você reintroduz todas as
evidências pertinentes que o argumento original omitiu. Essa revelação mostra ainda
que a apologética de Deus geralmente opera por meio da omissão de evidências. Este
artigo demonstra essas proposições, ilustrando sua aplicação com exemplos.

Introdução

O Teorema de Bayes (descoberto por Thomas Bayes antes de sua morte em 1761 e
desenvolvido por Pierre-Simon Laplace em 1774) é uma equação que modela todo
raciocínio empírico correto. Considere qualquer argumento para qualquer conclusão
sobre qualquer questão de fato, e o Teorema de Bayes descreve tudo o que está
acontecendo nele que decide quão provável essa conclusão realmente é.
Depois de entender isso, é como entender como funciona o motor de um carro: você
pode abrir o capô em qualquer argumento e ver o que há de errado com ele ou o que
seria necessário para consertá-lo e fazê-lo funcionar.
Isso mostrará se é um argumento que você está fazendo para os outros para persuadi-
los ou convencê-los de alguma questão de fato, ou um argumento que você está fazendo
para si mesmo ao desenvolver suas próprias conclusões e crenças, ou um argumento
que outra pessoa está fazendo ou fez e que você está sendo confrontado ou desafiado.
A maioria dos pensadores (especialmente ateus) estarão mais familiarizados com várias
formas de raciocínio direto, dedutivo e silogístico; por exemplo: “se p é q, e q é x, então
p é x,” ou “se q quando p, e não há q, então não há p,” etc.
Mas isso não tem nenhuma utilidade direta para responder a questões de fato. A lógica
dedutiva pode nos dizer qual deve ser o caso “se” algo mais for o caso; mas o que você
geralmente quer saber é se essa “outra coisa” é o caso.
E a lógica dedutiva não pode responder a essa pergunta - ou pelo menos, uma vez que
você desconstrua o silogismo complicado de que precisaria fazer isso, acabará
descobrindo exatamente o que Bayes e Laplace fizeram há centenas de anos.
O principal problema é que, com exceção dos fatos cartesianos básicos sobre a
experiência humana atual, todas as questões de fato só podem ser conhecidas como
uma probabilidade, e os silogismos dedutivos simples não induzem validamente uma
probabilidade. Mas um silogismo bayesiano sim.
Este artigo irá explicar o Teorema de Bayes nos termos mais simples possíveis e ilustrar
como ele pode ser usado para analisar argumentos em geral e, em seguida, mostrará
como esse conhecimento pode ser usado para transformar qualquer argumento para a
existência de um deus sobrenatural em um argumento contra a existência desse deus,
meramente reintroduzindo evidências que o argumento original deixou de fora,
ilustrando assim que todas as razões apresentadas para acreditar que tal deus existe
dependem da omissão de evidências.

Teorema de Bayes Resumido

O teorema de Bayes pode ser formulado matematicamente de muitas maneiras

diferentes, mas todas elas se reduzem umas às outras e, portanto, são intercambiáveis
com a tradução adequada.
Mas a fórmula mais facilmente compreensível para a maioria das pessoas depende da
capacidade mais natural do cérebro humano de compreender em termos de
“probabilidades” ou “frequências”, em que a chance de algo se tornar verdadeiro pode
ser, por exemplo, “2 para 1” ou “2 em 3” e semelhantes.
A expressão “2 para 1” significa a mesma coisa que “2 em 3” e se traduz em uma
probabilidade de aproximadamente 67%; da mesma forma, “1 para 99” significa “1 em
100” e se traduz em uma probabilidade de 1%, e “4 para 7.000” significa “4 em 7.004” e
se traduz em uma probabilidade de aproximadamente 0,057%, ou cerca de um décimo
sétimo de um por cento.
Humanos mais prontamente apreendem conceitos como “duas vezes mais provável” ou
“doze vezes menos provável” do que porcentagens decimais complexas como 66,67%
ou 8,33%. Quando representado em sua forma de probabilidades, o Teorema de Bayes
pode ser totalmente representado com a fórmula coloquial:

Probabilidades finais = probabilidades anteriores × probabilidades de evidência

Onde aqui, “Probabilidades finais” significa simplesmente as probabilidades de que sua

afirmação ou conclusão seja verdadeira; as “Probabilidades anteriores” significam quais
seriam essas probabilidades, com base na experiência anterior e antes de considerar
evidências novas ou específicas neste caso específico; e as “Probabilidades de evidência”
referem-se à probabilidade relativa de que esta prova nova ou específica existisse tanto
em sua afirmação ser verdadeira ou sua afirmação ser falsa (neste caso, alguma outra
conclusão deve ser verdadeira).
Por exemplo, para as probabilidades anteriores, pode-se declarar quantas vezes
afirmações semelhantes se revelaram verdadeiras no passado. O que geralmente
acontece quando essas afirmações são feitas?
E aqui, pode-se levar em consideração a frequência de reivindicações anteriores sendo
verdadeiras, dada uma fonte ou circunstância específica (por exemplo, fontes e
circunstâncias “mais confiáveis” implicarão frequências mais altas de certos tipos de
reivindicações que se revelaram verdadeiras).
Diante de tudo isso, quantas vezes essas afirmações se revelaram verdadeiras? É “1 em
10” vezes? Ou “1 em 2” vezes? Ou “99 em 100” vezes? Declarado em termos de
probabilidades, “1 em 10” seria 1/9, uma vez que o 1 e o 9 devem contabilizar todas as
possibilidades, e 1 + 9 = 10. Consequentemente, “1 em 2” é 1/1, “99 de 100” é 99/1 e
assim por diante.
Muitos argumentos dependem de suposições explícitas ou implícitas em relação a essa
razão de “probabilidade anterior”. Na verdade, esta é sempre uma premissa declarada
ou implícita em todo argumento em matéria de fato.
É, portanto, importante verificar qual suposição sobre a proporção de “Probabilidades
anteriores” o apresentador de um argumento está fazendo (mesmo se esse
apresentador for você e você estiver apenas raciocinando consigo mesmo) e, em
seguida, examinar se essa suposição é válida, dado tudo o que a humanidade sabe até
hoje.
Tal como acontece com as premissas em qualquer outra forma de lógica, uma suposição
incorreta em relação às probabilidades anteriores terá de ser corrigida para produzir
uma conclusão sólida.
Então, para as probabilidades de evidência, alguém diria quanto mais (ou menos)
provável é toda a coleção de todas as evidências disponíveis para apresentar a favor ou
contra a afirmação ou conclusão que está sendo discutida, o que requer uma estimativa
de duas coisas: primeiro, qual a probabilidade de todas as evidências disponíveis se a
afirmação for verdadeira; e, em segundo lugar, qual a probabilidade de todas as mesmas
evidências se a alegação for falsa.
Essas duas probabilidades, então, estão em proporção entre si para estabelecer a força
com que o corpo total de evidências argumenta a favor ou contra a alegação. Todas
essas evidências são dez vezes mais prováveis se a afirmação for verdadeira do que se
for falsa? Ou duas vezes menos provável? Ou apenas um pouco menos provável? Ou
igualmente provável? Etc.
Alguém então escreveria isso como uma declaração de probabilidades relativas - as
probabilidades da evidência “com base no fato de a alegação ser verdadeira, em vez de
falsa”. Então, evidência que é dez vezes mais provável se a afirmação for verdadeira nos
daria uma probabilidade de evidência de 10/1, porque “10” é dez vezes “1”; se fosse
duas vezes menos provável, então seria 1/2, porque “2” é duas vezes um e, neste caso,
a evidência é duas vezes mais provável se a alegação for falsa do que se for verdadeira.
Da mesma forma, se alguém dissesse que as probabilidades nas evidências eram de
99/100, verdadeiro para falso, então estaríamos dizendo que as probabilidades relativas
eram 99/100, que é tão perto de 100/100 e, portanto, 1/1, que renderia pouca diferença
na prática.
Considerando que, se todas as evidências que temos são igualmente esperadas, quer a
afirmação ou conclusão seja verdadeira ou falsa, então as “probabilidades de evidência”
são de fato 1/1.

Apenas Três Números

Essa é toda a matemática de que você precisa para analisar um argumento. E isso
significa que todos os argumentos sobre questões de fato são sempre argumentos sobre
apenas três números: a probabilidade anterior de uma afirmação (como geralmente
afirmações como essa acabam sendo verdadeiras; quão típico é), a probabilidade da
evidência se essa afirmação for verdadeira, e a probabilidade dessa mesma evidência se
a alegação for falsa.
Mais comumente, os argumentos cercam as probabilidades de evidência: alguém está
afirmando que “a evidência” é muito mais provável com base no fato de sua alegação
ser verdadeira do que baseada em ser falsa que sua alegação “deve” ser verdadeira, ou
seja, as probabilidades finais devem ser tão boas que sua reivindicação deve ter uma
probabilidade alta o suficiente para acreditar que seja verdadeira.
E esta é apenas outra estimativa da “frequência usual” (com que frequência “esse tipo
de evidência” resulta “desse tipo de causa” e com que frequência sem ela).
Por exemplo, começando com probabilidades anteriores iguais - matematicamente, 1/1
ou um para um - alguém pode então alegar que a evidência para a qual está apontando
é vinte vezes mais provável de estar lá (20/1) se sua conclusão for correta do que se não
fosse (e “algo mais” fez com que todas as evidências existissem em seu lugar). O que
equivale a afirmar que apenas “um vigésimo das vezes” tais evidências ainda surgiriam
na ausência da causa alegada.
E uma vez que é indiscutível que 1/1 × 20/1 = 20/1 nas probabilidades finais, esse
argumento implicaria que a conclusão também é vinte vezes mais provável de ser
verdadeira do que falsa.
Tudo o que se precisa fazer é examinar se as premissas são bem fundamentadas. Essa
evidência é “vinte” vezes mais provável quando essa explicação é verdadeira do que
qualquer outra? As probabilidades anteriores são iguais?
Essa suposição sobre a probabilidade anterior é frequentemente uma premissa oculta.
Por exemplo, se alguém argumentar apenas com base na probabilidade relativa da
evidência, está implicitamente assumindo que as probabilidades anteriores são iguais –
que na ausência dessa evidência a alegação é “50/50” ou “tão provável” ser verdadeira
quanto falsa.
E se houver boas razões para duvidar de que tal afirmação tem chances totalmente
iguais de ser verdadeira antes de ser apresentada a evidência específica referenciada no
argumento - se um vasto banco de dados de evidências anteriores acumuladas pela
humanidade argumenta que essas probabilidades não “começam” iguais em qualquer
argumento hoje - então isso deve ser levado em consideração, e as Probabilidades
Prévias revisadas e incluídas no cálculo de quaisquer Probabilidades Finais.
Caso contrário, as probabilidades finais não serão uma conclusão produzida
corretamente, mas uma conclusão que depende de uma suposição insustentável, uma
suposição que essencialmente equivale a desconsiderar uma grande quantidade de
evidências pertinentes - deixando essa evidência “fora de consideração”, por assim
dizer.
Mas uma conclusão sólida não pode ser alcançada com evidências omitidas, mas
disponíveis. Essa evidência, portanto, deve ser reintroduzida, e o efeito dessa
reintrodução logicamente contabilizado.
Nesse caso, a evidência “anterior” é geralmente referida como “conhecimento prévio”
para distingui-la da seleção mais limitada de evidência apresentada especificamente
para argumentar a favor ou contra a conclusão, que é simplesmente chamada de
“evidência”. Mas, em um sentido mais amplo, tudo é evidência e tudo deve ser
considerado para se chegar a qualquer conclusão sólida. Uma conclusão sólida não pode
ser alcançada com evidências omitidas ainda disponíveis.
Imprecisão e Incerteza

Usar o raciocínio bayesiano dessa forma requer a compreensão de outros princípios

gerais de raciocínio. Um deles é o argumento a fortiori, "da premissa mais forte". Aqui,
isso significa usar probabilidades estimadas que são muito maiores ou menores do que
o necessário, de forma que qualquer correção em direção a uma probabilidade mais
precisa apenas tornará a conclusão mais forte.
Portanto, não é necessário saber ou provar com precisão qualquer probabilidade em um
argumento bayesiano; tudo o que se precisa fazer é estabelecer qualquer probabilidade
de forma que todos os lados concordem que seja indiscutível com base no
conhecimento prévio disponível.
Por exemplo, não sei a probabilidade precisa de um meteorito destruir minha casa hoje.
Eu poderia determinar isso a partir do conhecimento prévio disponível (como dados
coletados pela NASA sobre a frequência de impactos destrutivos de meteoritos na
Terra).
Mas não preciso fazê-lo se puder prosseguir com qualquer probabilidade contra minha
conclusão esperada que, no entanto, já está obviamente correta. Se estou afirmando
que não preciso me preocupar com minha casa ser destruída por um meteorito hoje (e,
portanto, não preciso evacuá-la), e essa conclusão segue mesmo com uma
probabilidade muito maior de um impacto do que eu sei ser real, então minha conclusão
seguirá com uma certeza ainda maior, dada qualquer estimativa mais precisa dessas
probabilidades.
Por exemplo, é indiscutível que as chances reais de um meteorito destruir minha casa
hoje, sejam quais forem, são bem acima de uma em mil - porque se não fossem, eu teria
em meu próprio conhecimento pessoal centenas de amigos e conhecidos que perderam
suas casas em impactos de meteoritos (uma vez que uma taxa diária de uma em mil
significa que todas as casas serão destruídas, em média, a cada três anos ou mais).
Portanto, posso operar com a premissa de que “as probabilidades anteriores são
maiores que uma em mil”, e ainda saber que a conclusão (“não preciso evacuar minha
casa hoje”) está correta.
A utilidade do raciocínio a fortiori elimina qualquer objeção que se possa fazer à
impossibilidade ou inacessibilidade da precisão matemática em um argumento; e esta é
a maneira real como todo mundo normalmente argumenta - a maioria das pessoas está
operando a partir de afirmações ou suposições implícitas a fortiori sobre as
probabilidades prévias ou evidenciais, quase o tempo todo.
O fato de eles nunca articularem essas suposições em termos numéricos precisos não
faz diferença. No entanto, é isso que está acontecendo em suas cabeças.
E muitas vezes nem precisamos articular números; geralmente é suficiente saber que
alguma probabilidade é “mais” do que outra, ou “muito mais” e, de qualquer forma, a
fortiori, pode não importar “em quanto”.
Por exemplo, que alguma coleção de evidências seja evidência “para” nossa afirmação
ser verdadeira requer apenas que a probabilidade dessa evidência seja maior se nossa
afirmação for verdadeira do que em qualquer outra afirmação concorrente (ou qualquer
outra afirmação concorrente com a qual estamos comparando a nossa); não importa
“quanto” mais alto.
Isso só importaria na medida em que estivéssemos afirmando que essa evidência é
“muito boa” ou “muito forte” e semelhantes (ou o contrário, que é “muito fraca” ou
“não muito convincente” e semelhantes), mas essas asserções apenas implicam em
declarar que qualquer que seja essa diferença nas probabilidades, ela é, no entanto,
“grande” (ou, no caso inverso, “pequena”).
E assim como no exemplo do meteorito, essa afirmação pode ser conhecida como
verdadeira sem saber mais precisamente o “quão” grande ou pequena ela é.
Se alguma coleção de evidências é “muito improvável” em qualquer outra explicação
que não a nossa, e podemos apresentar evidências “fortes” disso (como por exemplo, a
completa ausência de casas frequentemente destruídas por meteoros em nossa
experiência pessoal e investigativa), nós não precisamos saber mais nada para apoiar
qualquer conclusão que se segue.
A lógica matemática não é, portanto, de forma alguma prejudicada pela imprecisão ou
incerteza. Pode-se simplesmente incluir qualquer imprecisão ou incerteza necessária na
matemática.

Aplicação geral:
Princípios Comuns de Raciocínio

Para ver como isso funciona em um aspecto geral, considere alguns tipos comuns de
argumentos - por exemplo, que “alegações extraordinárias requerem evidências
extraordinárias”.
Analisado com a ferramenta do Teorema de Bayes, pode-se modelar inteiramente o que
isso está dizendo: uma “afirmação extraordinária” significa qualquer afirmação com
probabilidades prévias “extraordinariamente baixas”.
Porque isso equivale a dizer que uma afirmação é “extremamente incomum”, e
“extremamente” é apenas um sinônimo de “extraordinariamente”, e “incomum” é
apenas um sinônimo de “pouco frequente”, e “pouco frequente” é apenas um sinônimo
de “improvável”, e “improvável” se traduz em “probabilidades baixas”.
O Teorema de Bayes então explica por que tais alegações requerem evidências
extraordinárias para acreditar nelas.
Se uma reivindicação começa com Probabilidades Prévias extraordinariamente baixas e
a “crença” de alguém requer pelo menos “Probabilidades Finais” minimamente
favoráveis (quaisquer probabilidades melhores do que probabilidades iguais, ou 1/1),
então apenas uma Probabilidade Evidencial extraordinariamente alta pode justificar a
crença.
Isso é válido independentemente da definição precisa dada a “extraordinário”, desde
que se mantenha a mesma definição em ambos os casos.
Por exemplo, se alguém definiu “probabilidades extraordinariamente baixas” como um
em um milhão (matematicamente, 1 / 1.000.000), então deve-se definir “probabilidades
extraordinariamente altas” como pelo menos um milhão para um (matematicamente
1.000.000 / 1).
Se uma reivindicação começa na proporção de um milhão para um, então é necessária
uma evidência de mais de um milhão para um a favor para superar esse obstáculo. A
demonstração segue:

1/1 = 1/1.000.000 × 1.000.000/1

É, portanto, indiscutível que quaisquer probabilidades evidentes abaixo do

extraordinário nunca podem justificar crença; isso sempre produziria uma probabilidade
final que favorecesse a afirmação ser falsa.
A crença é, portanto, apenas garantida na medida em que a evidência é ainda mais
extraordinária do que a própria afirmação é improvável.
É claro que a evidência “meramente” extraordinária (evidência que tem Probabilidades
de Evidência exatamente o inverso das Probabilidades Prévias) apenas garante
agnosticismo perfeitamente equívoco (uma crença de que a afirmação tem a mesma
probabilidade de ser falsa quanto verdadeira); mas a intenção por trás do aforismo é
que se deve ter pelo menos evidências tão extraordinárias para superar a conclusão de
que tal afirmação é provavelmente falsa.
A maioria das pessoas estabelece um padrão muito mais alto para a crença do que
meramente “mais provável do que não” (levando em conta a posição epistêmica de
“agnosticismo” no sentido particular de “o estado de ser insuficientemente certo”),
então a evidência não deve ser meramente tão extraordinária quanto uma alegação é
improvável, mas também suficientemente forte para garantir a confiança real na
verdade de uma afirmação - assim como com as afirmações comuns.
Por exemplo, se o limite de uma pessoa para a crença é que uma afirmação deve ter
pelo menos 99% de certeza de ser verdadeira para que ela “acredite” nela, e na medida
em que ela sabe que a alegação é tão provável de ser verdadeira quanto falsa (antes de
receber qualquer evidência específica a respeito), então essa pessoa precisa de
evidências que sejam pelo menos cem vezes mais prováveis se a alegação for verdadeira
do que se qualquer outra explicação concorrente da evidência fosse verdadeira.
Essa evidência, portanto, deve ter menos de 1% de chance de existir em qualquer outra
explicação; caso contrário, por seus próprios padrões, ela ainda pode aceitar que é
provável, mas ainda têm que reservar algumas dúvidas.
Mas quando uma afirmação é extraordinária, a evidência necessária também deve
atender a essa barreira extraordinária, e o Teorema de Bayes explica o porquê - ao
mesmo tempo que prova que não se pode “contornar” isso.
O mesmo se segue para o aforismo “ausência de evidência não é necessariamente
evidência de ausência”. Se esperarmos que a evidência em questão esteja ausente,
independentemente de uma alegação a respeito dela ser verdadeira, então as
probabilidades de evidência são iguais, 1/1.
Nesse caso, é provável que a evidência esteja faltando se a alegação for verdadeira ou
quando a alegação for falsa. Portanto, a ausência desta evidência não é evidência de
ausência.
Mas se não esperamos que essa evidência esteja faltando, então é mais improvável que
não a tenhamos encontrado e, portanto, mais improvável que a afirmação seja
verdadeira.
Por exemplo, se fosse cinco vezes mais provável que um determinado registro do
tribunal esteja faltando se uma reclamação sobre ele fosse falsa do que se fosse
verdadeira (em outras palavras, espera-se que esse documento esteja lá e que sua
ausência é incomum), então as probabilidades de evidência seriam de 1/5.
Se tivéssemos começado com Probabilidades Prévias iguais, terminaríamos com
Probabilidades Finais de 1/1 × 1/5 = 1/5. A afirmação tem, então, cinco vezes mais
probabilidade de ser falsa do que verdadeira. A ausência desta evidência é evidência de
ausência.
O Teorema de Bayes, portanto, explica por que, bem como quando, a ausência de
evidência é evidência de ausência, e quão forte essa ausência é como evidência: é
simplesmente uma função de quão inesperado - quão incomum - sua falta pode ser,
considerando tudo.
Da mesma forma, a Navalha de Ockham afirma que explicações mais simples tendem a
ser mais prováveis, o que decorre do fato de que as explicações com componentes em
excesso serem sempre mais improváveis do que as explicações (caso alguma esteja
disponível) que não requeiram esses componentes, ou quaisquer outros componentes
que sejam tão improváveis como aqueles.
Novamente, o Teorema de Bayes explica o porquê. Quando duas explicações funcionam
igualmente bem (por exemplo, elas explicam todas as mesmas observações), uma
explicação que tem mais componentes “adicionados a ela” será sempre menos
provável, devido à Lei da Probabilidade Total: a menos que as adições sejam totalmente
100% certas (ou seja, elas são logicamente necessárias; assim como elas não podem ser
logicamente falsas e, portanto, não têm probabilidade de serem falsas), cada uma delas
sempre terá alguma probabilidade menor que 100%, o que necessariamente reduz a
probabilidade total de sua conjunção (qualquer das duas probabilidades multiplicadas
sempre produz uma probabilidade menor do que ambas).
Portanto, uma teoria que seja idêntica de outra forma, mas não tenha esses elementos
adicionados, não pode deixar de ser mais provável. No entanto, na maioria das vezes, a
Navalha de Ockham é aplicada não a teorias idênticas (com apenas coisas adicionadas
ou retiradas), mas a outras bastante diferentes, que, no entanto, estão sendo
comparadas quanto à sua relativa complexidade, e é aí que entra o Teorema de Bayes.
Por exemplo, se as probabilidades de evidência forem contra uma alegação - digamos,
1/5 que acabamos de considerar antes, onde a evidência tem cinco vezes mais
probabilidades de ser como encontramos se a alegação for falsa do que se fosse
verdadeira - pode-se tentar mudar isso “adicionando” mais suposições à sua afirmação
(“ninjas invisíveis esconderam todas as evidências”).
Então, é claro, a evidência ausente é inteiramente esperada ("os ninjas conseguiram"),
então sua ausência agora é a esperada se a afirmação for falsa como se fosse verdadeira
(e, portanto, 1/1, em vez de 1 / 5, uma melhoria significativa na capacidade da teoria de
prever as evidências).
Mas, normalmente, para fazer isso, seria necessário adicionar suposições improváveis à
sua afirmação, como neste exemplo: alguém inventou um novo tipo de ninja, do qual
não há evidências; e esses ninjas simplesmente têm um motivo para esconder essa
evidência particular; e essa pessoa inventou seu notável sucesso ao fazê-lo - uma vez
que não se segue automaticamente que, se tentasse, teria sucesso.
Mesmo se cada uma dessas suposições fosse tão provavelmente verdadeira quanto
falsa (e, portanto, "50/50"), isso ainda significaria que sua afirmação requer um conjunto
de suposições que é muito improvável (a explicação dos “ninjas” requer três suposições,
cada uma não mais provável de ser verdadeira do que falsa, e 50% × 50% × 50% = 12,5%).
Se suas probabilidades anteriores eram iguais ("50/50", ou seja, 1/1), agora, ao adicionar
essas suposições, você deve multiplicar a probabilidade anterior de sua explicação pela
nova improbabilidade que você acabou de adicionar. Porque a mesma Lei da
Probabilidade Total ainda se aplica.
Então, quando pegamos esses 12,5% em nosso exemplo dos “ninjas”, pegamos uma
probabilidade anterior de 50% (de onde tínhamos começado) e agora devemos
multiplicá-la por uma chance de 12,5% de que todas as suposições que você adicionou
sejam verdadeiras. O que leva você à 6,25% (0,50 × 0,125 = 0,0625).
Quando você inclui o efeito disso nas probabilidades totais, as probabilidades anteriores
de sua teoria não são mais "50/50", mas 6,25 / 93,75, o que reduz para 1 / 15,6. Então,
você passou de 1/1 para 1/15. Agora é quinze vezes mais provável que alguma outra
coisa esteja causando a evidência do que aquilo que você está propondo. Você acabou
de tornar sua teoria menos provável, em sua tentativa equivocada de fazê-la se encaixar
melhor nas evidências do que realmente se encaixa.
Ao adicionar suas suposições não comprovadas, você fez uma afirmação que começou
com 50% de probabilidade e acabou com uma afirmação que mal tem 6% de
probabilidade; e você também não obteve nenhum aumento nisso a partir da
probabilidade de evidência. “Provavelmente” tornou-se, portanto, quinze vezes mais
provável de ser falso.
E uma vez que tudo que você “recebeu” por esse truque foi aumentar as probabilidades
de evidência de 1/5 para 1/1 (a evidência agora é tão provável em sua nova afirmação
reforçada de suposição ser verdadeira quanto falsa), você realmente passou de 1/1 ×
1/5 = 1/5, para probabilidades finais de 5 para 1 contra sua reivindicação (onde você
começou), para 1/15 x 1/1, para probabilidades finais de 15 para 1 contra sua
reivindicação.
Então, de fato, tudo o que você fez foi tornar a sua reclamação menos provável. Você
não a resgatou das evidências de forma alguma. “Suposições adicionadas” geralmente
tornam as teorias menos prováveis, não o contrário.
O exemplo acima mostra como o Teorema de Bayes explica a validade da Navalha de
Ockham, mesmo ao comparar teorias díspares: quanto mais suposições alguém teria
que adicionar para aumentar o sucesso preditivo de uma explicação ou afirmação,
necessariamente reduz a probabilidade geral de que a afirmação seja verdadeira.
Normalmente, quando essa tática é empregada apologeticamente ao invés de
racionalmente, este efeito de “adicionar suposições” na probabilidade geral é ignorado.
O Teorema de Bayes explica, portanto, por que fazer isso é logicamente inválido.
A única vez que a adição de premissas não tem esse efeito é quando há evidências
independentes abundantes de que as premissas são verdadeiras (de modo que sua
probabilidade é alta) ou quando sua adição aumenta as probabilidades de evidência
mais do que reduz as probabilidades anteriores.
Por exemplo, no que pode prever e explicar, a Tabela Periódica supera em muito o
modelo muito mais simples dos Quatro Elementos de Aristóteles em Probabilidades de
Evidência - muito mais do que sua complexidade diminuiria suas Probabilidades Prévias.
E é por isso que acreditamos no primeiro e não no último, embora seja muito menos
simples.
 Aplicação Específica: Naturalismo sem Deus

De todas as cosmovisões e sistemas de crenças compatíveis com o ateísmo como

conclusão geral, o naturalismo ontológico atualmente desfruta das maiores
probabilidades finais (com base nas descobertas de todas as ciências até hoje). E se
alguma versão do ateísmo é mais provável do que o teísmo, então o ateísmo é mais
provável do que o teísmo.
Portanto, este artigo continuará com a suposição simplificadora de que o ateísmo
significa “naturalismo ontológico” (já que nenhuma outra variedade de ateísmo precisa
ser considerada aqui para garantir a conclusão de que o “ateísmo” é mais provável).

Argumento Básico para o Naturalismo

O argumento básico para o naturalismo é o seguinte: após séculos de indagações agora,

incontáveis vezes, até milhões, afirmações do tipo “Deus fez isso” ou “Isso requer Deus”
se revelaram falsas; ao passo que afirmações como “a natureza fez” ou “só requer a
natureza” se mostraram verdadeiras.
A evidência geral se acumulou em apenas uma direção: que as mentes requerem
maquinário físico (cérebros) e não podem existir ou funcionar sem corpo; poderes
sobrenaturais não existem; não há mágica ou milagre que já tenha sido verificado como
algo além de um produto de falsificação ou engano; e assim por diante.
Em outras palavras, a presunção do naturalismo não é, de fato, uma presunção: é uma
conclusão construída em ampla evidência e experiência. Se o mundo fosse o contrário –
se existissem poderes sobrenaturais, existissem deuses, existissem mentes
desencarnadas - provavelmente já deveríamos ter encontrado evidências disso agora.
O fato de não termos significa que provavelmente não haverá nenhuma, o que é
exatamente o que esperamos se essas coisas não existirem. E quaisquer desculpas que
alguém possa inventar para “explicar isso” apenas fazem sua afirmação menos provável,
não mais, de acordo com a Navalha de Ockham, conforme explicado.
Conclusões em contrário são agora Reivindicações Extraordinárias, carecendo mesmo
de evidência ordinária, muito menos extraordinária. Ao contrário, a profunda ausência
de evidências agora, depois de tão meticulosa e extensa investigação e observação ao
longo de centenas de anos, é em si extraordinariamente improvável - exatamente o
oposto do que é necessário para reivindicar o sobrenaturalismo, muito menos
especificamente o teísmo (como definido anteriormente).
Em termos bayesianos, as probabilidades prévias de teísmo são extraordinariamente
baixas. E isso não é por razões arbitrárias de presunção. É uma consequência de um
vasto corpo de evidências anteriores (o conhecimento prévio acumulado da
humanidade).
As “causas de Deus” não são apenas extraordinariamente raras na observação confiável;
elas estão completamente ausentes de uma observação confiável. Portanto, não são
explicações “usuais” em qualquer assunto de investigação.
Elas são, de fato, agora, a explicação menos provável que alguém poderia propor para
qualquer coisa.
Mesmo a “refutação” de que as “causas divinas” são evidentes na observação não
confiável (ocasiões em que testes reais não podem ser feitos quanto à sua
autenticidade) argumenta contra a existência de causas divinas e não a favor delas.
É improvável que essa disparidade existisse se os deuses existissem (causas divinas
“aparecendo” precisamente apenas em observações não confiáveis, e
convenientemente nunca em observações confiáveis), ao passo que essa disparidade é
exatamente o que esperamos observar se os deuses não existissem.
Portanto, esta mesma observação (a própria “refutação” do teísta) produz
probabilidades evidentes a favor do ateísmo contra o teísmo, e não o contrário.
Qualquer esforço para escapar dessa consequência lógica por “inventar desculpas” para
o porquê de deuses enganosamente garantirem exatamente esse resultado (fazendo
assim intencionalmente o mundo parecer exatamente como um mundo sem deuses)
viola a Navalha de Ockham ao exigir a adição de suposições improváveis (suposições
para cuja verdade não existe nenhuma evidência e, portanto, nenhuma evidência existe
para torná-las prováveis).
O que necessariamente reduz as probabilidades anteriores (como mostrado
anteriormente), embora ainda não produza quaisquer probabilidades de evidência
contra o ateísmo - porque mesmo tal desculpa só pode, na melhor das hipóteses,
conseguir isso se as evidências observadas forem igualmente prováveis no teísmo e no
ateísmo, não mais prováveis no teísmo do que no ateísmo, o que é necessário para
reverter essas adversidades.
Portanto, essa desculpa reduz a probabilidade geral do teísmo, tornando o ateísmo mais
provável - não menos. Acontece que esse mesmo raciocínio vira todos os argumentos a
favor de Deus contra si mesmo.
O Argumento Cosmológico

Considere o chamado Argumento Cosmológico. Por exemplo, “O que começa a existir

deve sempre ter uma causa; o universo começou a existir; portanto, o universo deve ter
uma causa; mas sem um universo, apenas uma causa divina pode existir; portanto, um
deus criou o universo.”
Este argumento requer três premissas não mais prováveis de serem verdadeiras do que
falsas (“tudo que começa requer uma causa”; “Há um começo para tudo que existe”; e
“apenas causas divinas podem existir à parte de 'um universo'”).
Essas suposições são possivelmente ainda menos prováveis de serem verdadeiras do
que falsas: muitos modelos cosmológicos importantes não envolvem nenhum começo
no tempo, mas uma vez que as causas, por definição, precedem os efeitos no tempo,
não parece plausível que se possa esperar que o próprio tempo tenha uma causa.
E com base em tudo o que sabemos sobre quais causas são necessárias para produzir
pensamento e ação, é implausível que uma mente desencarnada com poderes
sobrenaturais pudesse existir e ser anterior até mesmo ao tempo.
Mas mesmo se colocarmos essas preocupações de lado e definirmos essas três
suposições em exatamente 50% de probabilidade cada (cada uma “tão provavelmente
verdadeira quanto não”), então as probabilidades anteriores de “um deus causou o
universo” não podem ser melhores do que, novamente, 50% (probabilidade inicial) ×
50% (primeira hipótese) × 50% (segunda hipótese) × 50% (terceira hipótese) = 6,25%. O
que nos leva novamente a apenas 1/15 de probabilidade da existência de um deus.
Assim, o Argumento Cosmológico, quando sujeito à aplicação correta da lógica, é um
argumento para o ateísmo: mesmo que a evidência restante seja igualmente provável
sobre o ateísmo e o teísmo (para uma probabilidade de evidência de 1/1), terminamos
com 1 / 15 x 1/1 = 1/15, uma probabilidade final contra a existência de deus de quinze
para um: um deus é a explicação menos provável para o nosso universo, não a mais.
A resposta a esse enigma é recorrer a alguma tentativa de apresentar evidências que
são consideradas improváveis, a menos que um deus esteja envolvido (e, com sorte,
improvável o suficiente para superar quaisquer probabilidades anteriores contra isso).
A maior parte da apologética consiste em tais argumentos, e estes são tão bayesianos
quanto quaisquer outros argumentos: o teísta alega alguma evidência que é “menos
provável” no ateísmo do que no teísmo e, portanto, o teísmo é mais provável do que o
ateísmo.
A sua própria lógica requer um cálculo bayesiano: esta disparidade nas probabilidades
(a “expectativa” ou “previsibilidade”) das evidências citadas (as probabilidades de
evidência) deve de alguma forma produzir uma disparidade nas probabilidades das
conclusões (as probabilidades finais).
Apenas o Teorema de Bayes explica como se faria isso. O tipo de argumento que se
descobre exige que as probabilidades anteriores sejam iguais. O resto da apologética
consiste em resistir às consequências de argumentos contrários (como no que diz
respeito à baixa probabilidade prévia de causas divinas, como acabamos de analisar; ou
em relação a evidências contrárias apresentadas, como no caso do Argumento do Mal,
a ser examinado em breve).

O Argumento do Ajuste Fino

O exemplo mais óbvio de “evidência que se afirma ser improvável”, após os críticos
despacharem o Argumento Cosmológico, é o Argumento do Ajuste Fino, que afirma que
um universo só pode produzir vida capaz de contemplar essas questões se suas
“constantes físicas” fundamentais forem tão “afinadas” que desafiam qualquer
explicação, exceto design intencional.
Este é um argumento bayesiano. Existem duas hipóteses concorrentes: a qualidade de
produção de vida deste universo é uma coincidência feliz, ou então foi projetada de
forma inteligente.
O teísta propõe que, uma vez que a hipótese de “Deus” prediz a observação (“ajuste
fino”) com quase 100% de certeza, enquanto a hipótese da “sorte” requer uma
ocorrência extraordinariamente improvável, a disparidade nessas duas hipóteses ( as
probabilidades de evidência) é extraordinariamente a favor de “Deus”.
Portanto, se as probabilidades anteriores são 1/1, as probabilidades finais sobre a
existência de “Deus” são enormes e o ateísmo é refutado.
Isso está correto quanto à lógica disso, e o Teorema de Bayes explica por que, mas está
incorreto quanto às suas premissas. As evidências estão sendo deixadas de fora; e
quando são reintroduzidas, a conclusão inverte. O Teorema de Bayes, mais uma vez,
explica por quê.
Para testar duas hipóteses uma contra a outra, deve-se avaliar todas as evidências
pertinentes e tudo que cada hipótese prevê. Nesse caso, a hipótese da “sorte” requer
um evento extraordinariamente improvável: biogênese, ou seja, que uma molécula
autorreplicante seria montada aleatoriamente no universo por acaso, acidente.
A única maneira que pode ser provável é se houver um número extraordinário de
eventos aleatórios de mistura molecular - como a loteria: qualquer ganho único é
improvável, mas há tantos bilhetes comprados que as chances de que a loteria seja
ganha são essencialmente 100%. E assim observamos: loterias são ganhas
rotineiramente.
E na cosmologia, a única maneira de isso acontecer é se o universo for
extraordinariamente antigo, extraordinariamente grande, extraordinariamente cheio
de misturas moleculares aleatórias e, ainda assim, extraordinariamente desprovido de
lugares hospitaleiros para a vida (uma vez que um universo acidentalmente montado os
produziria, também, apenas por acaso acidental).
Mas isso é surpreendente na hipótese do “Deus”; ainda assim, é 100% esperado no
ateísmo - na verdade, este é o único tipo de universo que poderíamos observar no
ateísmo, porque sem deuses, apenas esses universos poderiam produzir observadores
com qualquer probabilidade crível.
Isso significa que quase todos os universos sem Deus observados serão
extraordinariamente grandes, extraordinariamente antigos, extraordinariamente
cheios de material e extraordinariamente inóspitos à vida.
Por exemplo, quase todo este universo é um vácuo letal cheio de radiação; e quase tudo
o que há nele, exceto isso, consiste em estrelas e buracos negros, que são
absolutamente letais para a vida; e depois disso estão quase todas as rochas mortas e
atmosferas letais.
Na verdade, quase nada neste universo é um lugar adequado para a vida surgir e evoluir.
Isso é exatamente o que se espera ver - na verdade, com toda probabilidade, o que se
veria - sobre o ateísmo.
Mas não é de forma alguma o que se espera ver no teísmo. Então, por que um deus faria
o universo parecer exatamente como um universo sem deus nele?
Qualquer resposta que alguém dê a essa pergunta permanece como uma suposição não
comprovada à qual se atribui uma improbabilidade, uma improbabilidade que comuta
até sua conclusão, como demonstrado anteriormente. A Navalha de Ockham ataca
novamente.
O ajuste fino é, portanto, uma propriedade que todos os universos ateus terão (é
impossível ter ateus a não ser em um universo finamente ajustado - uma vez que
universos que não podem produzir observadores nunca serão observados), o que
significa que a probabilidade de observarmos um ajuste fino na hipótese de “sorte” é de
100%.
Visto que o teísmo nunca pode tornar essa evidência “mais” provável do que 100%, o
ajuste fino nunca pode ser uma evidência para o teísmo.
As evidências que os teístas estão omitindo (o vasto tamanho, idade, conteúdo e
letalidade do universo) reduzem a probabilidade deste universo ser observado na
hipótese do “deus” abaixo de sua probabilidade no ateísmo.
Deus não precisa de ajustes finos - ele pode fazer os universos funcionarem sem eles - e
sem qualquer tamanho, idade, conteúdo ou letalidade absurdos. Apenas universos sem
Deus exigem isso. O ajuste fino é, portanto, uma evidência do ateísmo.
A única resposta disponível é conceder o ponto, e insistir que isso apenas move a
questão de volta para as probabilidades anteriores, onde os ateus têm que assumir um
evento extraordinariamente sortudo: o único universo que surgiu aleatoriamente, por
acaso é um dos tipos mais raros - aquele que produziria observadores.
Mas logicamente, isso não fornece uma refutação real porque as probabilidades no
argumento bayesiano estão sempre em proporção. O que importa não é o quão
improvável algo é, mas o quanto mais ou menos provável é do que qualquer outra coisa.
E aqui a hipótese contrária do teísta repousa essencialmente sobre a mesma
improbabilidade: que por acaso tivemos uma sorte incrível de haver um deus - uma
mente superpoderosa e desencarnada do maior gênio em conhecimento e, portanto, da
maior complexidade informacional, a mais improvável das entidades - que por acaso
também quis criar um universo bagunçado, mortal, absurdamente grande, antigo e
cheio de lixo que acabaria por produzir aleatoriamente algumas pessoas nele, um
universo que se pareceria, estranhamente, exatamente como um universo teria de ser
se não existisse nenhum deus.
As coisas parecem ser um fracasso neste ponto: o ateu não se baseia em nenhum
acidente maior aqui do que o teísta. Deus ou universo bem ajustado - nenhum é mais
provável do que o outro.
Indiscutivelmente, o ateu está até propondo um acidente muito mais provável. Embora
não seja necessário demonstrar isso aqui, pois mesmo em igualdade de oportunidades
o ponto está garantido; no entanto, há dois aspectos em que esse é o caso.
Primeiro, uma mente infinita acarreta complexidade especificada infinita, bem como
fatos improváveis de sorte como “mentes desencarnadas são possíveis”. De todas as
“coisas” que você pode obter por acaso, um deus infinitamente complexo é o menos
provável, ainda mais se requer uma física improvável e conveniente.
Em contraste, o mero ajuste fino de algumas constantes físicas pode produzir um
universo gerador de observadores com uma probabilidade finita muito menor. Em
segundo lugar, o ajuste fino é mais provável no ateísmo do que no teísmo, pelo mesmo
raciocínio aplicado à biogênese.
Onde o ateísmo acarreta biogênese, é mais provável de ser observado se houver uma
enorme quantidade de mistura molecular (portanto, esperamos, e eis que há um
universo muito antigo, grande e desordenado).
O ateísmo também acarreta o ajuste fino sendo mais provável de ser observado se existe
um multiverso, isto é, se nosso universo for apenas um dos incontáveis universos
configurados aleatoriamente.
Esta é a loteria novamente: se houver incontáveis universos gerados aleatoriamente, a
probabilidade de um universo como o nosso se aproxima de 100%, não importa o quão
bem ajustado ele seja.
O ateísmo, portanto, prediz que é provável que acumularíamos evidências que
sustentam a existência de um multiverso; e eis que a ciência cosmológica está
convergindo exatamente para essa conclusão: multiversos são o resultado inevitável de
um número extremamente pequeno de fatos físicos simples; fatos que as observações
atualmente tornam prováveis.
Este é um resultado inesperado sobre o teísmo (logo, improvável), mas um resultado
altamente esperado sobre o ateísmo (logo, provável), que é outra disparidade
envolvendo uma probabilidade de evidência a favor do ateísmo, não do teísmo.
Por todas as razões descritas acima, o ajuste fino é uma evidência mais forte de um
multiverso do que de um deus. O primeiro decorre inevitavelmente de alguns fatos
simples agora conhecidos como prováveis; o outro não.

Todos os Outros Argumentos

Todo argumento a favor de Deus tem o mesmo resultado. Além de sempre ser
considerado insalubre com base em alguma falácia equivocada, o Argumento
Ontológico, na verdade, apenas se reduz a testar hipóteses concorrentes quanto ao que
é mais provavelmente o substrato necessário de tudo; e na medida em que tal coisa é
necessária, a evidência observacional suporta mais fortemente substratos simples sem
Deus (por exemplo, espaço-tempo) do que os extremamente complexos,
ontologicamente sem base (por exemplo, superespíritos sem corpo).
Novamente, o argumento prossegue apenas com a omissão de evidências, neste caso
de alternativas mais simples que atendem a todos os requisitos necessários.
Por exemplo, você não pode ter nada mais fundamental do que o espaço-tempo: o que
“nunca existe” e “em lugar nenhum existe” não existe; logo, tudo precisa de um lugar e
um tempo para existir; exceto lugares e tempos: o espaço-tempo é, portanto, a única
entidade conhecida capaz de ser autoexistente. Por que, então, precisamos de outra? A
navalha de Ockham ataca.
O argumento da experiência religiosa (“Eu experimento meu deus; portanto, meu deus
existe”) similarmente opera pela omissão de evidências: todas as experiências religiosas
contrárias, através do espaço e do tempo.
Quando colocamos essa evidência de volta, descobrimos que geralmente há duas
hipóteses concorrentes: que a experiência religiosa é um produto da psicologia e da
cultura humana (e, portanto, irá variar de acordo com o conhecimento humano e a
mudança cultural) ou o contato ou comunicação real com um deus (e assim terá
permanecido consistente em todo o globo ao longo de dezenas de milhares de anos).
A hipótese psicocultural prevê que os deuses “contatados” serão muito diferentes em
todo o seu conteúdo (moral, existencial, teológico), que muitas experiências religiosas
até mesmo não terão deuses (taoísmo, budismo, cientologia) e que todos mudarão ao
longo da história e culturas.
A hipótese do “deus” não prevê que seja esse o caso. A evidência total é, portanto, 100%
esperada se não houver deus; mas menos de 100% esperada, se houver. A experiência
religiosa é, portanto, evidência para ateísmo, e não para o teísmo.
Da mesma forma, o Argumento da Consciência (que o pensamento seria dependente de
um cérebro complexo, vulnerável, falível e desperdiçador de recursos é necessário se
não houver deus, mas quase inexplicável se houver).
O Argumento dos Milagres (como já foi observado a respeito da disparidade
convenientemente perfeita entre os bancos de dados de observação confiáveis e não
confiáveis, que é exatamente o que esperamos do ateísmo, mas não do teísmo).
O Argumento Moral (que a moral evoluiria ao longo do tempo para atender cada vez
mais às necessidades sociais humanas por meio da inovação humana, julgamento e erro,
é exatamente o que esperamos do ateísmo, mas não o que esperamos observar do
teísmo, que mais cedo prediz uma moral perfeita comunicada desde o início, bem como
um universo governado por leis morais, em vez de uma física amoral totalmente
indiferente).
O Argumento do Significado (que os humanos são mortais e somente têm encontrado
significado diverso em suas vidas por conta própria, é o que esperamos do ateísmo, e
não do teísmo), e assim por diante.
Mesmo o Argumento do Mal é realmente uma reversão de qualquer Argumento do
Design (do qual o Argumento do Ajuste Fino é apenas uma instância), porque consiste
em reintroduzir evidências omitidas sobre o design do mundo e, em seguida, aplicar a
Navalha de Ockham ao resultado geral.
Em todos os casos, o teísta está apresentando um argumento bayesiano (alguma
“evidência” que eles afirmam ser mais provável se um deus existir implica que a
existência de um deus é mais provável) e, em todos os casos, reintroduzindo a evidência
que o teísta tenha deixado de fora produz a conclusão oposta. Este é o poder de uma
análise bayesiana de argumentos lógicos.
 Conclusão

Uma compreensão decente do Teorema de Bayes pode equipar alguém para identificar
quando um argumento para qualquer conclusão de fato é logicamente sólido ou não, e
por quê. Isso se estende até mesmo a princípios gerais, como “alegações extraordinárias
exigem evidências extraordinárias”, argumentos do silêncio e a Navalha de Ockham.
E trazido à tona em argumentos para “Deus”, ele desvenda cada um: o raciocínio
bayesiano explica por que “dar desculpas” para “explicar” todas as evidências que
tornam um deus improvável é logicamente inválido (ao revelar as premissas ocultas
sobre a probabilidade que tais tentativas exigem ignorar); e como reintroduzir todas as
evidências que os teístas deixam de fora de qualquer argumento reverte esse mesmo
argumento em um caso sólido contra qualquer probabilidade respeitável da existência
de um deus.
Isso torna o raciocínio bayesiano uma ferramenta poderosa na filosofia da religião, como
já provou ser em muitos outros campos.

BIBLIOGRAFIA

Bashour, Bana, and Hans Muller, eds. Contemporary Philosophical Naturalism and Its
Implications. New York: Routledge, 2014.
Bovens, Luc, and Stephan Hartmann. Bayesian Epistemology. Oxford: Oxford
University Press, 2004.
Carrier, Richard. “Christianity’s Success Was Not Incredible.” In The End of
Christianity, edited by John Loftus, 53–74. Amherst, New York: Prometheus,
2011.
———. “Neither Life Nor the Universe Appear Intelligently Designed.” In The End of
Christianity, edited by John Loftus, 279–304. Amherst, New York:
Prometheus, 2011.
———. Proving History: Bayes’s Theorem and the Quest for the Historical Jesus.
Amherst, New York: Prometheus, 2012.
———. Sense and Goodness Without God: A Defense of Metaphysical Naturalism.
Bloomington, Indiana: AuthorHouse, 2005.
———. “Why the Resurrection is Unbelievable.” In The Christian Delusion: Why
Faith Fails, edited by John Loftus, 291–315. Amherst, New York:
Prometheus, 2010.
Carroll, Sean. The Big Picture: On the Origins of Life, Meaning, and the Universe Itself.
New York: Dutton, 2017.
———. From Eternity to Here: The Quest for the Ultimate Theory of Time. London:
Oneworld.
Clark, Kelly James. The Blackwell Companion to Naturalism. Hoboken, New Jersey:
Wiley-Blackwell, 2015.
Davies, Paul. “Multiverse Cosmological Models.” Modern Physics Letters A 19, no. 10
(2004): 727–43.
Dennett, Daniel. Breaking the Spell: Religion as a Natural Phenomenon. New York:
Penguin, 2007.
Fodor, James. Unreasonable Faith: How William Lane Craig Overstates the Case for
Christianity. United States: Hypatia Press, 2018.
Howard-Snyder, Daniel. The Evidential Argument from Evil. Bloomington: Indiana
University Press, 1996.
Hunter, Douglas. Political-Military Applications of Bayesian Analysis: Methodological
Issues. Nashville, Tennessee: Westview, 1984.
Ikeda, Michael, and Bill Jefferys. “The Anthropic Principle Does Not Support
Supernaturalism.” In The Improbability of God, edited by Michael Martin and
Paul Draper. Translated by Ricki Monnier, 150–66. Amherst, New York:
Prometheus, 2006.
Jaynes, E.T. Probability Theory: The Logic of Science. NY: Cambridge University
Press, 2003.
Koterski, Joseph, and Graham Oppy, eds. Theism and Atheism: Opposing Arguments
in Philosophy. Farmington Hills, Michigan: Macmillan, 2019.
Levitin, Daniel. A Field Guide to Lies: Critical Thinking with Statistics and the
Scientific Method. New York: Dutton, 2019.
Mcgrayne, Sharon Bertsch. The Theory That Would Not Die: How Bayes’ Rule Cracked
the Enigma Code, Hunted down Russian Submarines, and Emerged
Triumphant. New Haven: Yale University Press, 2011.
Murray, Malcolm. The Atheist’s Primer. Peterborough, Ontario: Broadview, 2010.
Pearce, Jonathan. Did God Create the Universe from Nothing? Countering William
Lane Craig’s Kalam Cosmological Argument. United Kingdom: Onus, 2016.
Silver, Nate. The Signal and the Noise: Why So Many Predictions Fail—but Some
Don’t. New York: Penguin, 2020.
Sober, Elliott. “The Design Argument.” In A Companion to Philosophy of Religion,
edited by Charles Taliaferro and Paul Draper. Translated by Philip Quinn,
117–48. Hoboken, New Jersey: Wiley-Blackwell, 2004.
Stenger, Victor. Has Science Found God? The Latest Results in the Search for Purpose
in the Universe. Amherst, New York: Prometheus, 2002.
Sterba, James. Is a Good God Logically Possible? New York: Palgrave Macmillan,
2019.
Stewart, Robert, ed. God and Cosmology: William Lane Craig and Sean Carroll in
Dialogue. Minneapolis: Fortress, 2016.
Trakakis, Nick. The God Beyond Belief: In Defence of William Rowe's Evidential
Argument from Evil. Dordrecht: Springer, 2007.
Tucker, Aviezer. Our Knowledge of the Past: A Philosophy of Historiography.
Cambridge: Cambridge University, 2004.
Weber, Patrick, Karin Binder, and Stefan Krauss. “Why Can Only 24% Solve
Bayesian Reasoning Problems in Natural Frequencies: Frequency Phobia in
Spite of Probability Blindness.” Frontiers in Psychology 9 (2018): 18–33.
Zenker, Frank. Bayesian Argumentation: The Practical Side of Probability. London:
Dordrecht, 2013.