일정한 조건 아래에서 어떤 현상의 발생, 또는 지식이나 인식에 관한 확실성의 정도를 말한다. 라틴어 ‘probabilis'(probable)에서 온 말로서, 개연성의 이론은 통상적인 귀납적 방법에 존속될 수 없는 현상들을 다룰 수 있는 방법을 제공한다. 세상에는 아무리 애써 찾아 보아도 그 선행적인 요소가 극단적으로 복잡해서 관찰만으로는 적절하게 이해될 수 없는 경우, 또는 아무리 분석해 보아도 문제된 결과가 기인되는 인과적인 요소들이 밝혀질 수 없는 현상들이 있다. 예를 든다면 주사위를 던질 때마다 매번 그 결과가 다르다든지, 주식시장이나 금전시장에 있어서의 양등이나 하락도 우리가 미리 결정할 수 있는 능력한계를 벗어나서 무한정으로 복잡한 세력들의 여러 가지 변동조건에 전적으로 좌우되곤 한다. 이러한 현상들은 귀납적 탐구의 방법으로는 다룰 수 없는 난문제들을 제공해 주는데, 관찰만으로는 이 문제의 해결을 위한 충분한 자료가 주어지지 않는다. 설사 그렇게 하여도 우리의 계산과 결정의 방법들이 그런 다양한 경우나 복잡한 성격의 것을 해결할 만한 적합한 방법은 되지 못한다.
그러므로 개연성이란 그것이 많거나 적거나 간에 어떤 특정한 경우들에 관한 추론의 정당성을 말한다. 이리하여 계수적 귀납법에 있어서의 개연성이란 아직은 예외가 발견되지 않은 어떤 관찰의 결과로써 확증된 명제의 보편과 직결된다. 만일 종전의 관찰을 통해서, 말하자면, 그 사건이 일곱 번 일어났고 세 번 실패했다면, 수자적으로 표현된 사건발생의 개연성은 역시 10분의 7이다. 그러나 우리가 실제적인 행동에 있어서의 사건의 개연성을 측정할 때는 좀처럼 수자적으로 표현하지는 않고, 오히려 다소간이라는 말로 우리의 관찰을 분류한다. 우리가 관찰한 어떤 경우에는 어떤 사건이 발생빈도와 실패빈도가 같거나, 다른 경우에는 실패빈도보다 발생빈도가 훨씬 많다거나, 훨씬 덜 하다거나 이렇게 말한다. 문제된 진정한 원인은 여러 가지 다양한 세력들의 상호관계이기 때문이다. 그렇기 때문에 개연성 비율을 확정하려면, 즉 불변적인 비율로 표현되는 인과적인 특성의 출현관계를 탐구하기 위하여는 많은 숫자나 통계적인 평균을 취급함이 필요하다.
[참고문헌] I. Todhunter, A History of the Mathematical Theory of Probability from the Time of Pascal to That of Laplace, London 1865, repr. New York 1949 / W. Kneale, Probability and Induction, New York 1949 / H.E. Kyburg and H.E. Smokler, eds., Studies in Subjective Probability, New York 1964.
