`

因果与因缘

阅读更多

    我对佛教的了解很浅薄。近段时间一直在读圣庄严法师的《佛学入门》。我觉的法师对佛学因果与因缘讲的很好,在此按自己的理解说下。佛教的基本教义都可以归 结于这两个词。因果说的是善有善报、恶有恶报,因此人人都该多行善、勿做恶,这一步是信佛学佛的第一步。因缘说的是无常,世间万事万物皆是无常,悟了并践 履这一点才有可能超越自我成佛成圣。
   
说因果,很多人就要说了,为什么现实中很多人多行善举,却遭恶报,而坏人却是逍遥自在未得报应?佛教给出的解答是 三世因果说 。看因果不能只看现世,要 看的是前世、今世、来世,因此前世造因,今世受果,今世造因,来世受果。俗话说的好,不是不报,时候未到罢了。也许你要说佛教在狡辩,因为似乎没人知道到 底有没有这三世,特别是对于经过系统科学教育的人也更难接受。可宗教没有真假的问题,只有信与不信的问题。
  
因果,因就是因素。世间事物都是由因素和因缘组成,所谓因缘就是因素之间的联系、关系。当因素被打散、分解、重组,也就是因缘发生变化的时候,事物也变化了,消失了,产生了。因而,事物是无常的,是没有恒定的。世间的财、色、名、食、睡都是虚幻的,无常的,不值的留恋的。如果能参透了万物,参透了人之本来面目,超越了物我的二元对立,那才是真的悟了,有了成佛的基础。然而能放下五欲出家修行终究是少数人,这少数人按佛教的说法是修了前世的深厚福缘才由此机缘出家。
  
道理很简单,但是,知而不行却是不知。因此对于我这个自控力并不是很好的人,在此妄谈因果因缘倒是贻笑大方了

 

 

分享到:
评论

相关推荐

    因果关系与因果关系的检验

    因果关系与因果关系的检验,纯英文的,介绍非常详细

    大数据技术的相关性与因果性分析.pdf

    大数据技术作为当下信息时代的核心技术之一,其相关性与因果性的分析对于理解大数据技术的本质、影响及其对人类社会的影响具有深远意义。大数据技术分析的基础是海量数据,这些数据背后所代表的不是孤立的个体行为,...

    【干货书】《因果推理导论-机器学习角度》,132页pdf

    统计与因果。即使有无限多的数据,我们有时也无法计算一些因果量。相比之下,很多统计是关于在有限样本中解决不确定性的。当给定无限数据时,没有不确定性。然而,关联,一个统计概念,不是因果关系。在因果推理方面...

    因果推断的统计方法_苗旺_因果网络_因果推断_

    因果推断是统计学领域中的一个关键分支,它旨在通过数据和分析来识别变量之间的因果关系,而不是简单地建立关联。在科学研究、社会学、医学、经济学等多个领域中,理解因果效应至关重要,因为这有助于我们预测干预...

    为什么:关于因果关系的新科学中文版.pdf.zip

    5. **因果发现与因果效应估计**:书中可能会讨论如何从数据中发现潜在的因果关系,以及如何估计特定因果效应,这对于机器学习模型的解释性和泛化能力至关重要。 6. **应用案例**:为了更好地理解和应用这些理论,书...

    软件测试因果图与判定表

    本课程资源提供的"基本的因果图自动生成判定表的流程与代码集"可能是用来帮助用户自动转换因果图为判定表的工具。这样的工具通常会包括以下步骤: 1. **因果图绘制**:用户首先根据需求或规格说明书创建因果图,...

    非线性格兰杰因果关系代码_格兰杰_非线性因果_matlab_GCTtest非线性_非线性格兰杰

    非线性格兰杰因果关系(Granger Causality)是一种统计学分析方法,常用于经济、金融和自然科学领域,用于探究两个或多个时间序列变量之间的因果关系。在传统的线性格兰杰因果关系检验中,如果一个时间序列可以预测...

    基于知识图谱因果关系生成

    - **前兆事件概率 2.0(1).xls**、**探究前兆事件与死亡人数的关系 2.0.xls**:Excel表格文件,可能包含了统计分析结果或模型训练数据。 综上所述,这个项目旨在运用知识图谱和人工智能技术来建立因果关系网络,通过...

    软件测试因果图 图片格式 讲述的是软件测试的一个因果图 因果图 因果图

    软件测试 软件测试因果图 图片格式 讲述的是软件测试的一个因果图 因果图 因果图软件测试因果图 图片格式 讲述的是软件测试的一个因果图 因果图 因果图

    非线性Granger因果检验.zip

    标题“非线性Granger因果检验.zip”表明,这个压缩包包含的是与非线性Granger因果检验相关的资源。可能是一个研究项目、教学材料或者软件工具的代码实现。这个压缩包可能包括C语言和MATLAB语言编写的程序,供用户...

    多元格兰杰因果检验程序包 matlab

    5. **F统计量计算**:计算各个变量对其他变量的Granger因果性检验的F统计量,这涉及到比较VAR模型与不包含潜在因果变量的简化模型的残差平方和。 6. **显著性检验**:根据计算出的F统计量,进行假设检验,通常采用...

    2023因果推断峰会(公开)PPT汇总(20份).zip

    数据融合的效率得与失 探索图可解释性中的分布外泛化问题 因果充分性和必要性和其在不变学习中的应用 因果科学及其工业界落地 因果推断在快手短视频推荐的应用-峰会ppt 因果性学习初探 Graph Out-of-distribution ...

    因果图法分析测试用例

    3. **绘制因果图**:使用特定的图形符号(恒等、非、或、与)连接原因和结果,反映它们之间的逻辑关系,并可能添加中间节点来表达处理过程。 4. **加入约束条件**:在因果图中标注约束条件,如互斥、包含、唯一、...

    Granger因果检验和Sims因果检验的实证比较

    Granger因果检验和Sims因果检验的实证比较,王升,,本文通过实证研究了Granger因果关系和Sims因果关系的联系与区别,指出Granger原因存在预示着Sims原因一定存在,但是,Sims原因存在并不能�

    基于深度学习的事件因果关系抽取综述

    因果关系抽取是自然语言处理(NLP)中的一项关键技术,它主要负责从自然语言文本中识别出事件对之间的因果关系,进而构建事件图。事件图是一种图形表示方式,通过图形结构来直观展示事件之间的因果联系。这种方法在...

    QQ登录界面因果图法设计测试用例

    因果图法是通过图形化的方式表示输入条件(因)与输出动作(果)之间的关系,特别适用于处理多个输入条件之间存在复杂逻辑的情况。在这个场景中,输入条件包括QQ账号、QQ密码和登录按钮,而输出动作则是成功登录、...

    格兰杰因果分析工具箱介绍(MVGC)

    格兰杰因果性(Granger Causality)是一种基于时间序列数据统计上的因果概念,由诺伯特·维纳(Norbert Wiener)与克莱夫·格兰杰(Clive Granger)提出。这一理论在经济学领域首先被广泛应用,随后扩展到神经科学等多个...

    Python-Causality是一款数据集因果分析工具

    5. **解释与可视化**:将结果以易于理解的方式呈现,如绘制因果图,帮助用户直观地理解因果关系。 在实际应用中,Python-Causality可以广泛应用于社会科学、经济学、生物医学、市场营销等领域,帮助研究人员和数据...

    CCKS2021金融领域事件因果关系抽取数据集.zip

    《CCKS2021金融领域事件因果关系抽取数据集——深度剖析与应用》 在信息技术高速发展的今天,自然语言处理(NLP)领域的研究不断深入,其中事件因果关系抽取是关键的一环。CCKS(China Conference on Knowledge ...

    因果图生成判定表

    因果图是一种用于分析和设计测试用例的图形化方法,它能够有效地表示多个输入条件与输出效果之间的复杂关系。在软件测试中,因果图能够帮助我们识别出所有可能的组合情况,确保测试覆盖的全面性。而判定表则是将因果...

Global site tag (gtag.js) - Google Analytics