helr逻辑笔记
《解密GRE阅读逻辑线 双线阅读法》读书笔记思维导图
0 6
Passage 6
0 5
Passage 5
0 1
Passage 7
0 2
Passage 8
0 3
Passage 9
0 4
Passage 10
0 6
Passage 12
0 5
Passage 11
0 1
Passage 13
0 2
Passage 14
0 3
Passage 15
0 4
Passage 16
0 6
Passage 18
0 5
Passage 17
0 1
Passage 1
0 2
Passage 2
0 3
Passage 3
0 4
Passage 4
0 6
Passage 6
0 5
Passage 5
0 1
Passage 7
0 2
Passage 8
0 3
Passage 9
0 4
Passage 10
0 6
0 6
Passage 18
0 5
Passage 17
附录 GRE阅读常用背景知识介绍
讲座主讲老师介绍
后记
谢谢观看
读书笔记
最 新
版
本
0 5
Passage 131
0 1
Passage 133
0 2
Passage 134
0 3
Passage 135
0 4
Passage 136
0 6
Passage 138
0 5
Passage 137
0 1
Passage 141
曼哈顿逻辑笔记
曼哈顿逻辑笔记
曼哈顿逻辑笔记主要涉及到曼哈顿距离和曼哈顿最小生成树。
曼哈顿距离是平面上两点之间的距离计算方式，具体为两点在横坐标和纵坐标上的差值的绝对值之和。
在曼哈顿空间中，点可以表示现实世界中的位置或状态，通过曼哈顿距离可以计算两个点之间的相对距离。
曼哈顿最小生成树是平面上若干个点，他们两两之间存在一条权为其dis的边，求这个图的最小生成树。
在计算过程中，可以利用曼哈顿距离的性质，将问题转化为在四个象限共分为八份中寻找最近点的问题，以降低计算的复杂度。
如需了解更多关于曼哈顿逻辑笔记的信息，建议查阅相关论坛或请教专业人士。
归纳逻辑笔记
归纳逻辑笔记一、归纳逻辑的概念- 定义：从个别性知识推出一般性结论的推理。
- 例如：观察到第一只天鹅是白色的，第二只天鹅是白色的……第n只天鹅是白色的，从而得出“所有天鹅都是白色的”这一结论（虽然这个结论后来被证明是不完全正确的，但这是归纳逻辑的一个典型例子）。
二、归纳推理的类型1. 完全归纳推理- 特点：对某类事物的全部对象都进行考察，从而得出关于该类事物的一般性结论。
- 公式：S1具有（或不具有）P属性，S2具有（或不具有）P属性，……Sn具有（或不具有）P属性，S1、S2、…S n是S类的全部对象，所以，所有S都具有（或不具有）P属性。
- 要求：必须考察该类事物的全部对象，每个对象的情况都要准确无误。
- 优点：结论具有必然性。
- 缺点：当研究对象数量庞大或者无限时，难以做到完全归纳。
例如要考察全世界所有天鹅的颜色，几乎不可能做到完全归纳。
- 重点：要明确完全归纳推理的适用范围有限，在对象可穷尽时才能使用。
2. 不完全归纳推理- 特点：只考察了某类事物的部分对象，就得出关于该类事物的一般性结论。
- 分类：- 简单枚举归纳推理- 定义：根据某类事物的部分对象具有（或不具有）某种属性，并且没有遇到反例，从而推出该类事物的所有对象都具有（或不具有）该属性的推理。
- 公式：S1具有（或不具有）P属性，S2具有（或不具有）P属性，……Sn具有（或不具有）P属性，S1、S2、…Sn是S类的部分对象，并且在考察中未遇到反例，所以，所有S都具有（或不具有）P属性。
- 优点：应用方便、广泛。
例如我们看到很多金属都能导电，如铜、铁、铝等，就得出“所有金属都能导电”的结论。
- 缺点：结论具有或然性，一旦发现反例，结论就会被推翻。
比如曾经认为“所有天鹅都是白色的”，后来发现黑天鹅后这个结论就被推翻了。
- 易错点：不能仅仅因为没有发现反例就轻易认定结论一定正确，要认识到其结论的不确定性。
- 科学归纳推理- 定义：根据某类事物中部分对象与某种属性之间的因果联系，从而推出该类事物的所有对象都具有该属性的推理。
钱永强《GRE逻辑推理》笔记精粹整理
钱永强《GRE逻辑推理》笔记精粹整理GRELogicalReasoningGRE逻辑推理题，俗称“单题”，是GRE逻辑考试的一个重要组成部分，也是中国考生最觉得头疼的部分，原因在于它要求的阅读能力较高。
整个题目由一个背景段落、一个问题和五个选项构成。
从某个角度而言，完全读不懂对于解题是毫无意义的，考生只有在大概领会到文中推理和问题方向的基础上，才能够正确解题。
下面从题型模式、问题内容、出题背景、解题原则、选项构成和解题步骤几个方面，介绍GRE逻辑推理题的出法、考法及解法的基本特点。
(1)题型简介：在最新的GRE计算机考试中，单题大约有11～14道，相对于笔试而言虽阅读量和题量有所减少，但由于在计算机屏幕上读题，不像笔试那样可以划出重点对象，所以对阅读能力提出了更高的要求。
希望考生重点加强英语阅读能力，这样才能更好地迎接GRE的挑战。
(2)GRE逻辑单题：每个section中的单题平均2分钟一题。
(3)逻辑单题所考查的逻辑推理方向：主要考查理解、分析和评价论述能力。
考题可能测试认识某一短语或句子在论述中所扮演的角色，找出论述的观点，找出论述所基于的假设，得出结论，形成假说，找出论述的方法，评价论述，反对论述以及分析论据。
综合而言，考题从下列三方面提出问题：A.论述建立：这一类问题可以问你这样一些问题，诸如论述的基本结构，正确地得到结论，基于的假设，能很好地提供论据的解释性假说，相似论述之间的类似之处。
B.论述评价：这一类问题可以让你分析一个给定的论述并且找出可能的支持，或反对给定论述的因素，在论述过程中所犯的推理错误，论述着手的方法。
C.形成并且评价行动计划：这一类问题可以问你诸如不同行动计划的相似性、有效性或者效率；可能加强或削弱拟议行动计划成功前景的因素，行动计划所基于的假设。
以上三方面概括了GRE逻辑单题的所有问题方向，但在近几年的考题中，有些问题方向已很少涉及。
下面会介绍一些重点的考查方向。
马尔可夫逻辑的基本原理(Ⅲ)
马尔可夫逻辑的基本原理马尔可夫逻辑，又称为ML，是一种用于建模概率逻辑关系的数学方法。
它是基于马尔可夫链的，马尔可夫链是一种随机过程，具有无记忆性的特点。
在马尔可夫逻辑中，我们可以利用马尔可夫链的性质来描述概率逻辑关系，从而进行推理和预测。
马尔可夫逻辑的基本原理是建立在马尔可夫链的基础上的。
马尔可夫链是一种随机过程，它具有马尔可夫性质，即在给定当前状态的情况下，未来的状态只与当前状态有关，而与过去的状态无关。
这一性质使得马尔可夫链具有无记忆性，即未来的状态只受当前状态的影响，而与历史状态无关。
在马尔可夫逻辑中，我们可以利用马尔可夫链来描述概率逻辑关系。
具体来说，我们可以将逻辑命题表示为不同状态的转移概率。
例如，如果我们想要描述一个对象在给定条件下的行为，我们可以将这个行为表示为从一个状态到另一个状态的转移概率。
这样，我们就可以利用马尔可夫链的性质来进行推理和预测。
马尔可夫逻辑在实际应用中有着广泛的应用。
例如，在自然语言处理领域，马尔可夫逻辑可以用来建模语言中的逻辑关系，从而进行自然语言理解和文本生成。
在机器学习领域，马尔可夫逻辑可以用来建立模型，进行分类和预测。
在金融领域，马尔可夫逻辑可以用来进行风险管理和预测股票价格。
除了以上提到的应用外，马尔可夫逻辑还可以在许多其他领域中发挥作用。
例如，在生物学领域，马尔可夫逻辑可以用来建模生物分子的相互作用，从而进行药物研发和疾病预测。
在环境科学领域，马尔可夫逻辑可以用来建立环境模型，进行气候变化预测和环境保护决策。
总的来说，马尔可夫逻辑是一种用于建模概率逻辑关系的数学方法。
它基于马尔可夫链的性质，具有无记忆性的特点。
在实际应用中，马尔可夫逻辑可以用来进行推理和预测，在许多领域中都有着广泛的应用前景。
随着技术的不断发展，马尔可夫逻辑在未来将会有着更加广泛的应用。
vreilog笔记
总线是运算部件之间数据流通的公共通道。
在硬件逻辑构成的运算电路中只要电路的规模允许，我们可以比较自由地来确定总线的位宽，因此可以大大提高数据流通的速度。
适当的总线位宽，配合适当并行度的运算逻辑和步骤，就能显著地提高专用信号处理逻辑电路的运算能力。
各运算部件和数据寄存器组可以通过带控制端的三态门与总线的连接。
通过对控制端电平的控制来确定在某一时间片段内，总线归哪两个或哪几个部件使用（任何时间片段只能有一个部件发送，但可以有一个或几个接受）。
用Verilog描述总线和总线操作是非常简单的。
下面是一个简单的与总线有借口的模块是如何对总线进行操作的例子：module SampleOfBus ( DataBus, link_bus, write);inout [11:0] DataBus; //12位宽的总线双向端口input link_bus; //向总线输出数据的控制电平reg [11:0] outsigs; //模块内12位宽数据寄存器assign DataBus = (link_bus) ? outsigs : 12'hzzz;//当link_bus为高电平时通过总线把储存在outsigs的计算结果输出always @( posedge write) //每当write信号上跳沿时begin //接受总线上数据并乘以outsigs <=DataBus*5; //把计算结果存入outsigs endendmodule问题：(1)always里面必须是寄存器型，所以mc要改成寄存器型（2）assign必须是用网线型，所以可以改用mc部分赋值的方法给端口（3）case语句里面含有无关量“x" 要用casex，否则case里面永远不能匹配(4)输入输出端口像你样写，S被理解成8位的输入，同理，gs,es被理解成3位输出（5）always后的敏感变量列表中要加上smodule en(incode,outcode,s,gs,es);wire对应于连续赋值，如assign,只用一次reg对应于过程赋值，如always，initial具体就是将一条机器指令编写成一段微程序。
计算机逻辑结构与基础：21逻辑代数的基本知识
第二章逻辑函数与门网络2.1逻辑代数/布尔代数的基本知识logic Algebra / Boolean Algebra 二值逻辑：真TRUE,假FALSE (无大小) 'T “0”2.1.1 基本运算 （1）非（NoT ）-{Zh H>H ■-CF(a)(b) (c)图2.3非门符号(a)国标 GBrT28.12-85 符号(b) MIL 符号(C)原部标SJ1223-77符号实现非逻辑的电路称为非门（Nc ）T Gate ）或反相器（IrWeIlCr ）图2.2不与A 的集合关系表2.1非逻辑真值表图2.1非逻辑实例L=∕(Λ) = A0=1 1 = 0 =A = A(2)与(AND)⑶或(OR)⅛5>⅛(a)(b)(c)图2.7或逻辑符号(a)国标 GB4728.12-85 符号(b)美国MlL 符号(c)原部标SJ1223-77符号优先级：非9与今或A BL = A×BO O O O 1 O 1 O O 1 11A B L = A÷BO OOO 1 1 1 O 1 1 11A ÷0 =A A÷l =1 A + A = A A÷A = 1«2.2与逻辑真值表 L = A×B=A∙B =ABA×0 =0 A×l =A A×A≈A AXZ = O图2.4与逻辑电路实例图2.5与逻辑符号(a)国标 GB4728.12-85 符号(b)美国MIL 符号(c)原部标SJ1223-77符号表2.3或逻辑真值表图2.6或逻辑电路实例2.1.2基本定理2.1.3基本规则(1)置换规则(Replacement)一个逻辑等式中的任一个变量X置换为另一个逻辑函数G,等式仍然成立。
(2)对偶规则(Dual)逻辑常量1分90逻辑符号+÷÷×保持原算顺序对偶函数F÷÷F,原函数具有的性质，对偶函数同样具有F=G ÷÷ F,=G,(3)反演规则(Invert)逻辑常量1(90逻辑符号+÷÷×逻辑变量X÷÷X保持原算顺序，非运算保留反函数F÷÷F(4)对偶函数F(9F，是两个形式相似的独立函数反函数尸是原函数厂的补函数。
一阶逻辑知识结构图(精)
个体词(常,变.域) 谓词(常,变)
②函数.⑤联结 词⑥技术符号 ① ③
量词∀,∃
④
字母表①②③④⑤⑥ 项①② 原子公式(项+③) 约束 换 名 合式公式(原+④⑤⑥) 自由 解释 等值式 范式
1
一阶逻辑推理2.4 一阶逻辑推理来自论
关于量词分配的推理定律 全称量词消去规则 全称量词引入规则 存在量词引入规则 存在量词消去规则
假命题
7
2
关于量词分配的推理定律
xA(x)∨xB(x)x(A(x)∨B(x)) x(A(x)∧B(x)) xA(x)∧xB(x); x(A(x)→B(x)) xA(x)→xB(x);
x(A(x)→B(x)) xA(x) →xB(x).
3
UI规则:全称量词消去规则
xA(x)A(y); xA(x)A(c)
① ②
两式成立的条件是： ⑴. x是A(x)中自由出现的个体变项； ⑵ 在①式中，y为任意的不在A(x)中约束出现 的个体变项。 ⑶ 在②式中，c为任意的个体变项。
4
实例：违背条件⑵
论域：实数集; 谓词F(x,y)为x>y xyF(x,y)的真值？
真命题
xyF(x,y)yF(y,y)的真值？
假命题
5
UG规则:全称谓词引入规则
A(y) xA(x) 要求满足以下条件： ⑴ y在A(x)中自由出现，且y取任何值时 A均为真；
⑵ 取代y的x不能在A(y)中约束出现，否 则也会产生错误；
6
实例：违背条件⑵
论域：实数集; 谓词F(x,y)为x>y A(y) = xF(x,y) 对任意给定的y都成立 若取x代替y，得xx(x>x)，
GRE考试数学逻辑知识点
GRE考试数学逻辑知识点GRE (Graduate Record Examinations) 是全球范围内广泛认可的研究生入学考试，数学逻辑是其中的一个考试科目。
本文将介绍一些在GRE数学逻辑考试中经常涉及到的知识点，帮助考生更好地准备这一科目。
一、基础代数知识1.1 线性方程组在GRE数学逻辑考试中，经常会出现线性方程组的问题。
考生需要掌握求解线性方程组的方法，比如消元法、高斯消元法等。
1.2 特殊函数与方程GRE考试中还会考察一些特殊函数与方程，如指数函数、对数函数、二次函数等。
考生需要了解它们的性质和图像，并能灵活运用。
1.3 不等式不等式是GRE数学逻辑考试中的重要内容。
考生需要熟悉不等式的基本性质，如加减法、乘除法等运算规则，以及简单的不等式求解方法。
二、几何知识2.1 图形的性质在GRE考试中，会涉及到各种图形的性质和特点。
考生需要熟悉各种几何图形的定义、性质和相关公式，如三角形、四边形、圆等。
2.2 几何变换几何变换是GRE数学逻辑考试的重要内容之一。
考生需要了解平移、旋转、反射和放大缩小等几何变换的性质和规律，并能够应用到具体的问题中。
2.3 空间几何在数学逻辑考试中，也会考察与三维空间相关的几何知识。
考生需要了解点、线、面的性质，以及空间中的投影、距离等概念。
三、概率与统计3.1 基本概率概率与统计是GRE数学逻辑考试中的重点内容之一。
考生需要了解概率的基本概念、计算方法和常见的概率分布，如二项分布、正态分布等。
3.2 统计量统计量是描述样本特征的数值指标。
GRE考试中会出现与统计量相关的问题，考生需要了解各种统计量的定义和计算方法，如均值、标准差等。
3.3 抽样与估计在GRE数学逻辑考试中，还会考察抽样与估计的知识。
考生需要了解简单随机抽样、抽样分布的性质，以及抽样估计的方法和误差控制。
四、数列与数级数4.1 等差数列与等比数列等差数列和等比数列是GRE考试中常见的数列类型。
h l定理
H L定理1. 引言H L定理是数学逻辑中的一个重要概念，它是由美国逻辑学家斯蒂芬·科尔·克利尼（Stephen Cole Kleene）在1936年提出的。
H L定理是一种关于可计算性的定理，它揭示了计算机科学中一个重要的现象：存在一些问题是无法通过任何计算机程序来解决的。
2. H L定理的表述H L定理的完整表述如下：对于任意给定的形式化系统F，如果该系统足够强大以至于可以表达自然数上的所有可计算函数，并且满足某些基本条件，那么存在一个命题G，在该系统中既不能被证明为真，也不能被证明为假。
这个命题G通常被称为“关于自然数上可计算函数不可判定性”的命题。
3. 解读H L定理H L定理实际上揭示了一个非常有趣和深刻的现象：在某些形式化系统中，存在一些命题无法通过推导得到确定结果。
也就是说，这些命题既不能被证明为真，也不能被证明为假。
这种情况下我们称这些命题是不可判定的。
这个现象有时被称为“数学的不完备性”。
它意味着，无论我们的形式化系统多么强大，总会存在一些问题是无法通过推导来解决的。
这对于计算机科学和数学基础理论有着重要的影响。
4. 哥德尔不完备性定理H L定理是哥德尔不完备性定理的一个特例。
哥德尔不完备性定理由奥地利逻辑学家库尔特·哥德尔在1931年提出。
该定理表明，在任何足够强大的形式化系统中，都存在一些命题无法通过推导来确定真值。
哥德尔不完备性定理和H L定理实际上揭示了形式化系统的局限性。
它们告诉我们，无论我们设计多么强大的计算机程序或者形式化系统，总会有一些问题是无法通过推导来解决的。
5. 应用和影响H L定理和哥德尔不完备性定理在计算机科学和数学基础理论中有着广泛应用和深远影响。
首先，它们揭示了形式化系统的局限性。
这对于人工智能、自动推理以及程序验证等领域非常重要。
它们提醒我们，在设计和使用形式化系统时，需要谨慎考虑系统的局限性，避免出现不可预测的问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一．推理模式各种分类（帮助理解）：一共有7种推理模式，以下的讨论我把非评估类的—---演绎推理去掉了。
这里面有两种推理模式跟统计和计量的关系比较大，好判断一些，先说这两种。
一是统计枚举，另一个是相关因果。
统计枚举就是统计学中的由样本的特征推及总体的特征。
样本要具有推及整体的资格，一是样本要具有代表性，有时候可能会通过分层抽样来实现。
拍片子那道题，一所医院病人的情况是不足以说明情况的，要不同医院不同医生的病人才够资格做样本；二样本的数量要足够大。
这种类型的前提可以概括为样本，结论可以概括为总体。
由样本推总体就是由前提推结论。
正确选项的特点是一定含有样本（前提）。
相关因果推理是计量经济学线性回归部分最开始学的。
时间上的两因素的线性趋势推及两因素的线性关系。
几个CQ都是计量中提到的。
判断的时候涉及两变量的肯定留下，如果只涉及了因变量，要找出另外一个合理的自变量解释因变量。
技巧和果因推理很像。
其他各自一类。
根据判断技巧来分类，统计枚举和方案模式可以归为一类。
统计枚举是由样本推及总体，样本就是根基，所以正确选项中一定有样本，CQ围绕样本资格展开的；方案模式，给定一个方案，让你评估，方案是根基，所以正确选项中一定有方案内容，CQ围绕方案展开的。
相关因果和果因推理可以归为一类。
其实我觉得相关因果应该叫相关果因。
这两个模式的相同点在于都是在找原因。
果因是看到现象找原因，相关因果是看到了XY两个变量具有线性关系找原因。
他们的技巧相同点在于有一项是涉及两个变量的选项一定留下，因为这些往往是质疑因果关系的；另一项都是指涉及果，或者Y，如果只涉及因果链中的果，就证明你摈弃了原文中的因，放弃原文中的因，寻找一个独立因。
这时候就要求你找的这个因有充分的理由可以解释果。
相关因果也是一样的，XY同时线性变化，有可能只是一个美丽的巧合，真正影响Y的是A，跟X就不是一个族类的。
还剩两个就不往上靠了。
其他各自一类。
站在前提和结论的角度来分类。
统计枚举，因果，果因分为一类。
统计枚举，前提是样本，结论是总体。
CQ的角度是都质疑前提；因果，前提是因，结论是果，CQ质疑前提因，或者是质疑因果之间的逻辑联系；果因，前提是果，结果是因，CQ质疑前提果，或者是质疑因果之间的逻辑联系。
为啥这三种的CQ有这样的特点？因为这三种都是直接摆了一条因果链或者果因链让你分析，所以我们要么质疑前提，要么质疑因果关系。
因果和果因有啥不同呢？为啥因果是从因入手，果因是从果入手？因为因果是由因推及果，果因是由果回溯因。
换句话说，起点不一样。
因果的起点是因，果因的起点是果。
我有A推出B，如果我的逻辑链没问题，你要质疑我的话，一定是质疑我的A。
helr在题里也讲到了“CR题目中，反驳结论是无法削弱原文的”。
我说我闻到你身上的酒味了，所以你喝酒了。
你反驳说：我没喝！在现实生活中，这种直接否定结论式的反驳是苍白无力的；在GMAT逻辑中，这种反驳同样是不成立的。
统计枚举为啥也能归入这一类？因为统计枚举的前提说的是样本的特点，结论推及到总体的某个特点。
CQ是质疑样本，所以CQ就是质疑前提。
类比推理和相关因果之所以不是直接质疑前提，因为他们俩有一个共同点就是，前提和结论中都包含了两个对象（A和B或者是X和Y）。
记忆相关因果的方法就是按计量经济的套路。
类比推理，就是两个案例么，一个从推理链本身入手，质疑推理的assumption，两个案例真的一样么？还有一个跳出已知的案例，给出完全不一样的两个案例。
笔记中给出的题貌似都是第一种CQ吧，找出两个案例的不同点，第二种我还没做到题目前。
关于方案推理，这种模式的推理我们着重找的是目标和方案，至于目标方案应该会出现在分别出现在哪里，这个好像没有一个定数，而且这种推理模式下，我们貌似不太关心这个。
评价：以上给出了三种分类方式。
是lz自己在看笔记的时候感悟的。
前两种分类是为了帮助大家更好的理解这6种推理模式，所以只把特点鲜明的挑出来说了。
最后一种按前提和结论分类是我觉得记忆CQ比较好的一种方式，还有判断推理模式也比较好，因为把3种前提和结论的特点用的很扎实。
这种分类方法也是我觉得最贴近这份逻辑笔记的。
因为helr教导我们不管啥题都有前提结论，第一步就是找结论，剩下的是前提。
所以考前提和结论来判断推理模式和找CQ我觉得也是最靠谱的。
澄清一下，我绝对没有要把推理模式或者CQ合并的意思。
就是觉得这样理解记忆起来比较方便。
二．怎样区别果因和因果？helr说：“这个问题，其实不难解决。
咱们先来说说因果和果因的不同。
这一点相信也困扰这许多人。
首先，一个最基本的观点是，任何一道评估题都有前提和结论。
而且，不管推理模式是什么，前提永远是前提，结论永远是结论对吧？好，那么我们来看因果和果因的区别。
所谓果因推理，其实是一种回溯原因的推理，也就可以认为是“现象解释。
” ，而因果，是一种基于现在情况，向未来推理的一种方式。
所以，这俩很容易区分的，你只要看看结论发生的逻辑时间是在前提之前还是前提之后就行了。
因果推理：P：我今天得病了。
前提=因=早C：哦，那你肯定是发烧，嗓子疼。
结论=果=晚同样背景，同样是得先得病，才能发烧，但是前提这回是"因"了，而结论了"果"，所以是因果推理了。
果因推理：P：我今天发烧，嗓子疼。
前提=果=晚现象C：那你肯定是得病了。
结论=因=早解释这种东西，前提为“果”，结论为“因”对吧，您得先得病，才能发烧。
所以是一种回溯原因的方式。
”【我把原帖子里举得两个例子的顺序颠倒了】这两个推理分不清楚，是很致命的，因为他们的CQ是对冲的，在果因中，你可以用"他因排除"，但是因果推理中这种选项就明显是错误的。
不管是那种推理模式，因一定在前，果一定在后。
前世的因，今生的果，有因必有果，有果必可以回溯因。
您一定是先得病，才有得病的症状，不可能反过来。
区别在于人的观察角度不同，使得因果和前提结论的对应关系发生了变化，或者您也可以说使得前提结论的发生时间顺序发生了变化。
这两种说法是一样的，因为因一定早，果一定晚。
我觉得后者的说法比较好理解，就是前提结论的时间顺序。
在因果推理中，我们接触到事物的顺序和因果的顺序是顺着来的，事情发生的顺序是现因后果，我们也是先接触到因，然后推断果，因为棉花价格高，所以农民都种棉花了，有一个正常顺序的因为所以。
但是果因推理中，是拧着来的。
农民都种棉花，为啥呢？因为棉价高啊！这种情况下是你客观条件的限制，或者说观察角度的不同，你最先接触到的是事物的现象。
我今天发烧嗓子痛，为啥呢？因为我感冒了！这个房间一定有人来过。
为啥呢？因为房子里没有尘土。
这两种模式的推理CQ有相似点，其中有一个CQ一定是涉及因果联系的，另一个CQ是涉及前提的，前提也就是最先接触到的现象或原因，跟时间无关。
因果中，CQ2是找前提=因的干扰因素；果因中，CQ1是找果发生的原因。
为啥一个在因上做文章，一个在果上做文章？这个很好理解，因为因果中的因和果因中的果，有一个特点就是他们是前提，前提的特点就是都是最先被人认知的，而结论是根据前提推出来的，我要质疑你的结论，一种方法是质疑你的推理链，由这样的前提真能得出你说的结论吗？还有一种方法是质疑你推理材料的准确性，你的推理材料，在因果中，就是因，你最先接触到因，你用因去推果；你的推理材料或者说推理基础在果因中就是果，因为你是先接触到现象，然后才去推及本质的。
虽然实际上每个现象背后的原因逻辑顺序上是应该在现象之前的，但你先接触到了现象，所以我要质疑你的现象（果）发生的原因，是不是有其他的本质（因）。
因果的时间关系：绝对，因前果后，一件事情有其内在的因果，不因为你观察的角度，也不因为你观察者的变化而变化；前提结论的时间关系：相对，先接触到的是前提。
这也解释了为啥同样一件事情，得病à嗓子痛这件事情，能够编出因果和果因两种题型。
这两者时间关系一致的时候因=前提，果=结论，就是因果；不一致，就是果因。
做题的时候要找你先接触到的那个，也就是前提。
三．怎样区别方案和因果：helr：“这个问题很好。
其实这就是方案类型和因果类型的区别。
试想，比如71题，原题是已经告诉了我为何这个方案可以达成这个目标，也就是解释了这个方案的优势，我还评估什么方案呢？评估你的解释就可以了。
而真正的方案推理，都会直接抛出一个方案，不会论证这个方案的可行性或者副作用有没有，只是一个方案。
这个时候，我们才需要去评估方案，因为谁也不知道这个方案是好是坏。
”四．相关因果和果因：helr：“对于相关因果，我不知道你有没有注意这种推理模式的CQ。
请注意，这种推理模式的CQ有2个是和果因模式相互重合的。
为什么呢？如果你仔细观察，你能发现，相关因果的抽象型式是：P：“A上升 B上升”C： A导致B在逻辑上，是不是先“A导致B”,才能有“A上升 B上升”啊。
所以自然，它和果因有重合的削弱方向。
不一样的地方是，果因，是给出一个现象，然后结论给一个解释。
而相关因果是，前提中给出两个互相制约着变化的东西，而结论把两件事情连了起来。
”其实我觉得相关因果应该叫相关果因。
这两个模式的相同点在于都是在找原因。
果因是看到现象找原因，相关因果是看到了XY两个变量具有线性关系找原因。
他们的技巧相同点在于有一项是涉及两个变量的选项一定留下，因为这些往往是质疑因果关系的；另一项都是指涉及果，或者Y，如果只涉及因果链中的果，就证明你摈弃了原文中的因，放弃原文中的因，寻找一个独立因。
这时候就要求你找的这个因有充分的理由可以解释果。
相关因果也是一样的，XY同时线性变化，有可能只是一个美丽的巧合，真正影响Y的是A，跟X就不是一个族类的。
还剩两个就不往上靠了。
五．方案推理：咱们再说说方案推理，所谓方案推理，就是给出目标，然后直接给出方案，并且重要的是，原文中不会去论证这个方案的存在性。
也就是说，原文中就一个方案在那里，没有推理方案的过程。
这和因果果因就有很大区别了。
因果果因可都是有推理过程的。
用一个简单的话来说，就是，你在因果果因中，抓结论一点效果都没有，没有一个CQ是对付结论用的，而在方案推理中，抓结论可能是有效的，因为方案本身可能就是结论，3个CQ是对着方案本身来说的。
所以我认为方案推理中找结论并不是最重要的，因为CQ都是对付方案的。
以下是用word 查找功能在helr 笔记中找到的所有出现了方案的题最后判断是不是方案推理的 + 楼主总结：1. 但是发现，“方案”（to beginraising cotton）在原文中被论证过。
即原文选取这个方案是有理由的。
所以可以判断该推理模式为因果推理。
2. 但是发现，“方案”（to introduce special savings accounts）在原文中被论证过。