或然性推理

在了解或然性推理之前，我们需要先了解什么是必要条件。

简单来说，必要条件是：没它一定得不出结论，但有它也不一定能得出结论。

举例：如果小明GMAT考到了750，那么“小明看得懂英语”就是一个必要条件。显然，如果他看不懂英语，那么一定考不到750；但如果我们只说“小明看得懂英语”，也不一定能得出“他能考到750”这样一个结论。

或然性推理，就是基于一些必要条件或者疑似必要条件，得出结论。

1. 基于疑似必要条件推理

在或然性推理中，有一些考题的前提P只是结论C的“疑似”必要条件。如：

P：房间里有物品

C：房子会着火

在这里，“房子会着火”真正的必要条件应该是“房间里有可燃物”。所以，如果我们想削弱上述推理，正确选项一定会指出疑似必要条件和真正必要条件之间的差距——比如，房间里的物品是不可燃的。

2. 基于真正必要条件推理

顾名思义，当前提P是结论C的真正必要条件时，我们可以削弱的方向有两个：

1). P也可能是其他事件的必要条件

比如，

P：地面潮湿

C：刚刚下雨了

削弱选项：刚刚有洒水车经过

显然，“地面潮湿”也是“洒水车经过”的必要条件，如此，一定程度上降低了“刚刚下雨了”这个事件成立的可能性。

2). C的另一些必要条件不存在

还是上述例子，削弱选项：空气中没有雨的味道

空气中有雨的味道是“下雨了”的另一个必要条件，如果这个条件不存在，那么一定程度上削弱了结论成立的可能性。

3. 两个经典推理模型

在或然性推理中，有两个经典的推理模型需要我们拎出来说一说。了解这两种模型有助于我们更快地做出部分考题。

1). 类比推理

定义：类比推理是根据两个或两类对象在某些属性上相同，推断出它们在另外的属性上（这一属性已为类比的一个对象所具有，另一个类比的对象那里尚未发现）也相同的一种推理。

例如：

P：小明和小李都是男生；小明喜欢篮球

C：小李也喜欢篮球。

这是一个很典型的基于疑似必要条件进行推理的模型。其中，“小李也喜欢篮球”这一结论其实就是结论自己的真正必要条件。所以我们在削弱的时候，直接指出小明和小李的不同点即可。

2). 从相关到因果推理

定义：从相关到因果的推理是一个基于两个事件的相关关系，推理出其中一个事件引起另一个事件的推理。

例如：

P：咖啡价格上升；咖啡销量下降

C：是价格的上升导致销量下降的。

这是一个很典型的基于真正必要条件进行推理的模型。很明显，如果价格和销量之间真的存在因果关系，那么当价格变化的时候销量一定会随之变化。

在削弱的时候，我们可以指出是其他原因导致销量下降的，或者价格销量有因果关系的另一些必要条件不存在，如“当价格下降的时候，销量没有变化”。