Пространство вероятностей

редактировать

В теории вероятностей, пространство вероятностей или тройка вероятностей $(Ω, F, P) {\ displaystyle (\ Omega, {\ mathcal {F}}, P)}$ $(\ Omega, {\ mathcal {F}}, P)$ - математическая конструкция, которая обеспечивает формальную модель случайного процесса или «эксперимента». Например, можно определить вероятностное пространство, которое моделирует бросок кубика.

Вероятностное пространство состоит из трех элементов:

A пробел, $Ω {\ displaystyle \ Omega}$ $\ Omega$ , который представляет собой набор всех возможных результатов.
пространство событий, которое представляет собой набор событий $F {\ displaystyle {\ mathcal { F}}}$ ${\ mathcal {F}}$ , событие представляет собой набор результатов в пространстве выборки.
A функция вероятности, которая присваивает каждому событию в пространстве событий вероятность, которая представляет собой число от 0 до 1.

Для того, чтобы обеспечить разумную модель вероятности, эти элементы должны удовлетворять ряду аксиом, подробно описанных в статье.

В примере с броском стандартного кубика мы бы взяли пространство выборки равным ${1, 2, 3, 4, 5, 6} {\ displaystyle \ {1,2, 3,4,5,6 \}}$ ${\ displaystyle \ {1,2,3,4,5,6 \}}$ . Для пространства событий мы могли бы просто использовать набор всех подмножеств пространства выборки, который затем будет содержать простые события, такие как ${5} {\ displaystyle \ {5 \}}$ ${\ displaystyle \ {5 \}}$ («кубик приземляется на 5»), а также сложные события, такие как ${2, 4, 6} {\ displaystyle \ {2,4,6 \}}$ ${\ displaystyle \ {2,4,6 \}}$ («кубик выпадает на четное число»). Наконец, для функции вероятности мы сопоставим каждое событие с количеством исходов в этом событии, деленным на 6 - так, например, ${5} {\ displaystyle \ {5 \}}$ ${\ displaystyle \ {5 \}}$ будет быть сопоставлено с $1/6 {\ displaystyle 1/6}$ $1 / 6$ и ${2, 4, 6} {\ displaystyle \ {2,4,6 \}}$ ${\ displaystyle \ {2,4,6 \}}$ будет отображаться в $3/6 = 1/2 {\ displaystyle 3/6 = 1/2}$ ${\ displaystyle 3/6 = 1/2}$ .

Когда проводится эксперимент, мы представляем, что «природа» «выбирает» единственный результат, $ω {\ displaystyle \ omega}$ $\ omega$ из выборочного пространства $Ω {\ displaystyle \ Omega}$ $\ Omega$ . Все события в пространстве событий $F {\ displaystyle {\ mathcal {F}}}$ ${\ mathcal {F}}$ , которые содержат выбранный результат $ω {\ displaystyle \ omega}$ $\ omega$ , являются сказал, что "произошло". Этот «отбор» происходит таким образом, что если бы эксперимент повторялся много раз, количество повторений каждого события, как доля от общего количества экспериментов, будет стремиться к вероятности, присвоенной этому событию функцией вероятности $P {\ displaystyle P}$ $P$ .

Русский математик Андрей Колмогоров ввел понятие вероятностного пространства вместе с другими аксиомами вероятности в 1930-х годах. В современной теории вероятностей существует ряд альтернативных подходов к аксиоматизации - например, алгебра случайных величин.

Содержание

1 Введение
2 Определение
3 Дискретный случай
4 Общий случай
5 Неатомарный случай
6 Полное вероятностное пространство
7 Примеры
- 7.1 Дискретные примеры
  - 7.1.1 Пример 1
  - 7.1.2 Пример 2
  - 7.1.3 Пример 3
- 7.2 Неатомарные примеры
  - 7.2.1 Пример 4
  - 7.2.2 Пример 5
8 Понятия, связанные с данным
- 8.1 Распределение вероятностей
- 8.2 Случайные переменные
- 8.3 Определение событий в условия пространства выборки
- 8.4 Условная вероятность
- 8.5 Независимость
- 8.6 Взаимная исключительность
9 См. также
10 Ссылки
11 Библиография
12 Внешние ссылки

Введение

Вероятностное пространство - это математическая тройка $(Ω, F, P) {\ displaystyle (\ Omega, {\ mathcal {F}}, P)}$ $(\ Omega, {\ mathcal {F}}, P)$ , которая представляет модель для определенного класса реальных ситуаций. Как и в случае с другими моделями, ее автор в конечном итоге определяет, какие элементы $Ω {\ displaystyle \ Omega}$ $\ Omega$ , $F {\ displaystyle {\ mathcal {F}}}$ ${\ mathcal {F}}$ и $P {\ displaystyle P}$ $P$ будет содержать.

пространство выборки $Ω {\ displaystyle \ Omega}$ $\ Omega$ - это набор всех возможных результатов. Результат - это результат однократного выполнения модели. Результатами могут быть состояния природы, возможности, экспериментальные результаты и т.п. Каждый случай реальной ситуации (или запуска эксперимента) должен давать ровно один результат. Если результаты разных прогонов эксперимента различаются каким-либо образом, это разные результаты. Какие различия имеют значение, зависит от того, какой анализ мы хотим провести. Это приводит к разному выбору выборочного пространства.
σ-алгебра $F {\ displaystyle {\ mathcal {F}}}$ ${\ mathcal {F}}$ представляет собой набор все события, которые мы хотели бы рассмотреть. Эта коллекция может включать или не включать каждое из элементарных событий. Здесь «событие» - это набор из нуля или более результатов, то есть подмножество пространства выборки. Событие считается «произошедшим» во время эксперимента, если его результат является элементом события. Поскольку один и тот же исход может быть частью многих событий, возможно, что многие события произошли при одном исходе. Например, когда проба состоит из броска двух кубиков, набор всех результатов с суммой 7 пунктов может составлять событие, тогда как результаты с нечетным количеством пунктов могут составлять другое событие. Если результатом является элемент элементарного события в два пункта на первом кубике и пять на втором, то считается, что оба события, «7 пунктов» и «нечетное количество пунктов», произошли.
мера вероятности $P {\ displaystyle P}$ $P$ - это функция, возвращающая вероятность события. Вероятность - это действительное число между нулем (невозможные события имеют нулевую вероятность, хотя события с нулевой вероятностью не обязательно невозможны) и единицей (событие происходит почти наверняка, с почти полной уверенностью). Таким образом, $P {\ displaystyle P}$ $P$ - это функция $P: F → [0, 1] {\ displaystyle P: {\ mathcal {F}} \ rightarrow [0,1] }$ $P: {\ mathcal {F}} \ rightarrow [0,1]$ . Функция меры вероятности должна удовлетворять двум простым требованиям: во-первых, вероятность счетного объединения взаимоисключающих событий должна быть равна счетной сумме вероятностей каждого из этих событий. Например, вероятность объединения взаимоисключающих событий $Head {\ displaystyle {\ text {Head}}}$ ${\ text {Head}}$ и $Tail {\ displaystyle {\ text {Tail}}}.$ ${\ text {Tail}}$ в случайном эксперименте с одним подбрасыванием монеты, $P (Голова ∪ Хвост) {\ displaystyle P ({\ text {Head}} \ cup {\ text {Tail}})}$ $P ({\ text {Head}} \ cup {\ text {Tail}})$ , представляет собой сумму вероятности для $Head {\ displaystyle {\ text {Head}}}$ ${\ text {Head}}$ и вероятности для $Tail {\ displaystyle {\ text {Tail}}}$ ${\ text {Tail}}$ , $P (голова) + P (хвост) {\ displaystyle P ({\ text {Head}}) + P ({\ text {Tail}})}$ $P ({\ text {Head }}) + P ({\ text {Tail}})$ . Во-вторых, вероятность пространства выборки $Ω {\ displaystyle \ Omega}$ $\ Omega$ должна быть равна 1 (что учитывает тот факт, что при выполнении модели должен произойти какой-то результат). В предыдущем примере вероятность набора исходов $P ({Head, Tail}) {\ displaystyle P (\ {{\ text {Head}}, {\ text {Tail}} \})}$ $P (\ {{\ text {Head}}, {\ text {Tail}} \})$ должен быть равен единице, потому что совершенно точно, что результатом будет либо $Head {\ displaystyle {\ text {Head}}}$ ${\ text {Head}}$ , либо $Tail {\ displaystyle {\ text {Tail}}}$ ${\ text {Tail}}$ (модель игнорирует любую другую возможность) за один бросок монеты.

Не каждое подмножество пространства выборки $Ω {\ displaystyle \ Omega}$ $\ Omega$ обязательно следует рассматривать как событие: некоторые из подмножеств просто не представляют интереса, другие не могут быть «измерены». Это не так очевидно в случае подбрасывания монеты. В другом примере можно рассмотреть длину метания копья, где события обычно представляют собой интервалы типа «от 60 до 65 метров» и объединения таких интервалов, но не наборы, подобные «иррациональным числам между 60 и 65 метрами».

Определение

Короче говоря, вероятностное пространство - это пространство измерения, такое, что мера всего пространства равна единице.

Расширенное определение следующее: вероятностное пространство - это тройка $(Ω, F, P) {\ displaystyle (\ Omega, {\ mathcal {F}}, P)}$ $(\ Omega, {\ mathcal {F}}, P)$ состоящий из:

пробел $Ω {\ displaystyle \ Omega}$ $\ Omega$ - произвольный непустой набор,
σ-алгебра F ⊆ 2 Ω {\ displaystyle {\ mathcal {F}} \ substeq 2 ^ {\ Omega}}(также называемая σ-полем) - набор подмножества Ω {\ displaystyle \ Omega}, называемые событиями, например:
- $F {\ displaystyle {\ mathcal {F}}}$ ${\ mathcal {F}}$ содержит пробел: $Ω ∈ F {\ displaystyle \ Omega \ in {\ mathcal {F}}}$ ${\ displaystyle \ Omega \ in {\ mathcal {F}}}$ ,
- $F {\ displaystyle {\ mathcal {F}}}$ ${\ mathcal {F}}$ равно закрыто при дополнениях : если $A ∈ F {\ displaystyle A \ in {\ mathcal {F}}}$ $A \ in \ mathcal {F}$ , то также $(Ω ∖ A) ∈ F {\ displaystyle (\ Omega \ setminus A) \ in {\ mathcal {F}}}$ ${\ displaystyle (\ Omega \ setminus A) \ in {\ mathcal {F}}}$ ,
- F {\ displaystyle {\ mathcal {F}}}закрывается под countable союзы : если A i ∈ F {\ displaystyle A_ {i} \ in {\ mathcal {F} }}для i = 1, 2,… {\ displaystyle i = 1,2, \ dots}, затем также (⋃ i = 1 ∞ A я) ∈ F {\ displaystyle \ textstyle (\ bigcup _ {i = 1} ^ {\ infty} A_ {i}) \ in {\ mathcal {F}}}
  - Следствие из двух предыдущих свойств и Закон Де Моргана заключается в том, что $F {\ displaystyle {\ mathcal {F}}}$ ${\ mathcal {F}}$ также закрывается при счетных пересечениях : if $A i ∈ F {\ displaystyle A_ {i} \ in {\ mathcal {F}}}$ ${\ displaystyle A_ {i} \ in {\ mathcal {F}}}$ для $i = 1, 2,… {\ displaystyle i = 1,2, \ dots}$ ${\ displaystyle i = 1,2, \ dots}$ , затем также $(⋂ i = 1 ∞ A i) ∈ F {\ displaystyle \ textstyle (\ bigcap _ {i = 1} ^ {\ infty} A_ {i}) \ in {\ mathcal {F}}}$ ${\ displaystyle \ textstyle (\ bigcap _ {я = 1} ^ {\ infty} A_ {i}) \ in {\ mathcal {F}}}$
мера вероятности P: F → [0, 1] {\ displaystyle P: {\ mathcal {F}} \ to [0,1]}- функция на F {\ displaystyle {\ mathcal {F}}}такая, что:
- P является счетно-аддитивным ( также называется σ-аддитивным): если ${A i} i = 1 ∞ ⊆ F {\ displaystyle \ {A_ {i} \} _ {i = 1} ^ {\ infty} \ substeq {\ mathcal {F }}}$ ${\ displaystyle \ {A_ {i} \} _ {i = 1} ^ {\ infty} \ substeq {\ mathcal {F}}}$ - счетная коллекция на попарно непересекающихся множествах, тогда $P (⋃ i = 1 ∞ A i) = ∑ i = 1 ∞ P (A i), {\ displaystyle \ textstyle P (\ bigcup _ {i = 1} ^ {\ infty} A_ {i}) = \ sum _ {i = 1} ^ {\ infty} P (A_ {i}),}$ ${\ displaystyle \ textstyle P (\ bigcup _ {i = 1} ^ {\ infty} A_ {i}) = \ sum _ {i = 1 } ^ {\ infty} P (A_ {i }),}$
- мера всего пространства выборки равна единице: $P (Ω) = 1 {\ displaystyle P (\ Omega) = 1}$ ${\ displaystyle P (\ Omega) = 1}$ .

Дискретный случай

Теория дискретной вероятности требует только не более чем счетного пробелов $Ом {\ Displaystyle \ Omega}$ $\ Omega$ . Вероятности могут быть приписаны точкам $Ω {\ displaystyle \ Omega}$ $\ Omega$ с помощью функции массы вероятности $p: Ω → [0, 1] {\ displaystyle p : \ Omega \ к [0,1]}$ ${\ displaystyle p: \ Omega \ to [0, 1]}$ так, что $∑ {ω ∈ Ω} p (ω) = 1 {\ displaystyle \ textstyle \ sum _ {\ left \ {\ omega \ в \ Omega \ right \}} p (\ omega) = 1}$ ${\ displaystyle \ textstyle \ sum _ {\ left \ {\ omega \ in \ Omega \ right \}} p (\ omega) = 1}$ . Все подмножества $Ω {\ displaystyle \ Omega}$ $\ Omega$ можно рассматривать как события (таким образом, $F = 2 Ω {\ displaystyle {\ mathcal {F}} = 2 ^ {\ Omega }}$ ${\ displaystyle {\ mathcal {F}} = 2 ^ {\ Omega}}$ - это набор мощности ). Вероятностная мера принимает простой вид

(∗) P (A) = ∑ ω ∈ A p (ω) для всех A ⊆ Ω. {\ Displaystyle (*) \ qquad P (A) = \ sum _ {\ omega \ in A} p (\ omega) \ quad {\ text {для всех}} A \ substeq \ Omega.}

{\ displaystyle (*) \ qquad P (A) = \ sum _ {\ omega \ in A} p (\ omega) \ quad {\ text {для всех}} A \ substeq \ Omega.}

Наибольшее σ-алгебра

F = 2 Ω {\ displaystyle {\ mathcal {F}} = 2 ^ {\ Omega}}

{\ displaystyle {\ mathcal {F}} = 2 ^ {\ Omega}}

описывает полную информацию. В общем случае σ-алгебра

F ⊆ 2 Ω {\ displaystyle {\ mathcal {F}} \ substeq 2 ^ {\ Omega}}

{\ displaystyle {\ mathcal {F}} \ substeq 2 ^ {\ Omega}}

соответствует конечному или счетному разбиению

Ω = B 1 ∪ B 2 ∪… {\ displaystyle \ Omega = B_ {1} \ cup B_ {2} \ cup \ dots}

{\ displaystyle \ Omega = B_ {1} \ cup B_ {2} \ cup \ dots}

, общая форма события

A ∈ F {\ displaystyle A \ in {\ mathcal {F}}}

A \ in \ mathcal {F}

будучи

A = B k 1 ∪ B k 2 ∪… {\ displaystyle A = B_ {k_ {1} } \ чашка B_ {k_ {2}} \ cup \ dots}

{\ displaystyle A = B_ {k_ {1}} \ чашка B_ {k_ {2}} \ чашка \ точки}

. См. Также примеры.

Случай $p (ω) = 0 {\ displaystyle p (\ omega) = 0}$ ${\ displaystyle p (\ omega) = 0}$ разрешен по определению, но используется редко, поскольку такой $ω {\ displaystyle \ omega}$ $\ omega$ можно безопасно исключить из пространства выборки.

Общий случай

Если Ω несчетно, тем не менее, может случиться, что p (ω) ≠ 0 для некоторого ω; такие ω называются атомами. Это не более чем счетное (возможно, пустое ) множество, вероятность которого является суммой вероятностей всех атомов. Если эта сумма равна 1, то все остальные точки можно безопасно исключить из выборочного пространства, возвращая нас к дискретному случаю. В противном случае, если сумма вероятностей всех атомов находится между 0 и 1, то вероятностное пространство распадается на дискретную (атомарную) часть (возможно, пустую) и неатомарную часть.

Неатомный случай

Если p (ω) = 0 для всех ω∈Ω (в этом случае Ω должно быть несчетным, потому что в противном случае P (Ω) = 1 не может быть выполнено), то уравнение (∗) не выполняется: вероятность набора не обязательно является суммой вероятностей его элементов, так как суммирование определяется только для счетного числа элементов. Это делает теорию вероятностного пространства более технической. Применима формулировка, более сильная, чем суммирование, теория меры. Первоначально вероятности приписываются некоторым «генераторным» установкам (см. Примеры). Затем процедура ограничения позволяет присваивать вероятности множествам, которые являются пределами последовательностей генераторных установок или пределами пределов и так далее. Все эти множества составляют σ-алгебру $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ . Технические подробности см. В теореме Каратеодори о продолжении. Наборы, принадлежащие $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ , называются измеримыми. В целом они намного сложнее, чем генераторные установки, но намного лучше, чем неизмеримые наборы.

Полное вероятностное пространство

вероятностное пространство $(Ω, F, P) {\ displaystyle (\ Omega, \; {\ mathcal {F}}, \; P)}$ ${\ displaystyle (\ Omega, \; {\ mathcal {F}}, \; P)}$ называется полным вероятностным пространством, если для всех $B ∈ F {\ displaystyle B \, \ in \, {\ mathcal {F}}}$ ${\ displaystyle B \, \в \,{\ mathcal {F}}}$ с $P (B) = 0 {\ displaystyle P (B) \, = \; 0}$ ${\ Displaystyle P (B) \, = \; 0}$ и всеми $A ⊂ B {\ displaystyle A \; \ subset \; B}$ ${\ displaystyle A \; \ subset \; B}$ один имеет $A ∈ F {\ displaystyle A \; \ in \; {\ mathcal {F}}}$ ${\ displaystyle A \; \ in \; {\ mathcal {F}}}$ . Часто изучение вероятностных пространств ограничивается полными вероятностными пространствами.

Примеры

Дискретные примеры

Пример 1

Если эксперимент состоит только из одного подбрасывания честной монеты, то результат - орел или решка: $Ω = {H, T} {\ displaystyle \ Omega = \ {{\ text {H}}, {\ text {T}} \}}$ ${\ displaystyle \ Omega = \ {{\ text {H}}, {\ text {T}} \}}$ . Σ-алгебра $F = 2 Ω {\ displaystyle {\ mathcal {F}} = 2 ^ {\ Omega}}$ ${\ displaystyle {\ mathcal {F}} = 2 ^ {\ Omega}}$ содержит $2 2 = 4 {\ displaystyle 2 ^ {2 } = 4}$ ${\ displaystyle 2 ^ {2} = 4}$ события, а именно: ${H} {\ displaystyle \ {{\ text {H}} \}}$ ${\ displaystyle \ {{\ text {H}} \}}$ («головы»), ${T} {\ displaystyle \ {{\ text {T}} \}}$ ${\ displaystyle \ {{\ text {T}} \}}$ («хвосты»), ${} {\ displaystyle \ {\}}$ $\{\}$ ( «Ни орла, ни решки») и ${H, T} {\ displaystyle \ {{\ text {H}}, {\ text {T}} \}}$ ${\ displaystyle \ {{\ text {H}}, {\ text {T}} \}}$ («либо орла или решки »); другими словами, $F = {{}, {H}, {T}, {H, T}} {\ displaystyle {\ mathcal {F}} = \ {\ {\}, \ {{\ text {H}} \}, \ {{\ text {T}} \}, \ {{\ text {H}}, {\ text {T}} \} \}}$ ${\ displaystyle {\ mathcal {F}} = \ {\ {\}, \ { {\ text {H}} \}, \ {{\ text {T}} \}, \ {{\ text {H}}, {\ text {T}} \} \}}$ . Вероятность выпадения орла составляет пятьдесят процентов, а решки - пятьдесят процентов, поэтому мера вероятности в этом примере равна $P ({}) = 0 {\ displaystyle P (\ {\}) = 0}$ ${\ displaystyle P (\ {\}) = 0}$ , $P ({H}) = 0,5 {\ Displaystyle P (\ {{\ text {H}} \}) = 0,5}$ ${\ displaystyle P (\ {{\ text {H}) } \}) = 0,5}$ , $P ({T}) = 0,5 {\ displaystyle P (\ {{\ text {T }} \}) = 0,5}$ ${\ displaystyle P (\ {{\ text {T}} \}) = 0,5}$ , $P ({H, T}) = 1 {\ displaystyle P (\ {{\ text {H}}, {\ text {T}} \}) = 1}$ ${\ displaystyle P (\ {{\ text {H} }, {\ text {T}} \}) = 1}$ .

Пример 2

Честная монета подбрасывается три раза. Существует 8 возможных исходов: Ω = {HHH, HHT, HTH, HTT, THH, THT, TTH, TTT} (здесь «HTH», например, означает, что первый раз монета выпала орлом, второй раз решка и последний раз снова головы). Полная информация описывается σ-алгеброй $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ = 2 of 2 = 256 событий, где каждое из событий является подмножеством Ω.

Алиса знает только результат второго броска. Таким образом, ее неполная информация описывается разделением Ω = A 1 ⊔ A 2 = {HHH, HHT, THH, THT} ⊔ {HTH, HTT, TTH, TTT}, где ⊔ - это непересекающееся объединение, и соответствующая σ-алгебра $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ Алиса = {{}, A 1, A 2, Ω}. Брайан знает только общее количество решек. Его раздел состоит из четырех частей: Ω = B 0 ⊔ B 1 ⊔ B 2 ⊔ B 3 = {HHH} ⊔ {HHT, HTH, THH} ⊔ {TTH, THT, HTT} ⊔ {TTT}; соответственно, его σ-алгебра $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ Брайан содержит 2 = 16 событий.

Две σ-алгебры несопоставимы : ни одна из них $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ Алиса ⊆ $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ Брайан ни $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ Брайан ⊆ $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ Алиса ; оба являются суб-σ-алгебрами 2.

Пример 3

Если из числа всех избирателей Калифорнии случайным образом выбрать 100 избирателей и спросить, за кого они будут голосовать за губернатора, то набор из всех последовательностей из 100 калифорнийских избирателей будет пространством выборки Ω. Мы предполагаем, что используется выборка без замены : разрешены только последовательности из 100 разных голосующих. Для простоты рассматривается упорядоченный образец, то есть последовательность {Алиса, Брайан} отличается от {Брайан, Алиса}. Мы также считаем само собой разумеющимся, что каждый потенциальный избиратель точно знает свой будущий выбор, то есть он не выбирает случайным образом.

Алисе известно только, получил ли Арнольд Шварценеггер как минимум 60 голосов. Ее неполная информация описывается σ-алгеброй $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ Алиса, которая содержит: (1) набор всех последовательностей в Ω, где хотя бы За Шварценеггера голосуют 60 человек; (2) набор всех последовательностей, в которых менее 60 голосуют за Шварценеггера; (3) все пространство отсчетов Ω; и (4) пустое множество ∅.

Брайан знает точное количество избирателей, которые собираются проголосовать за Шварценеггера. Его неполная информация описывается соответствующим разбиением Ω = B 0 ⊔ B 1... ⊔ B 100 и σ-алгеброй $F { \ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ Брайан состоит из двух событий.

В этом случае σ-алгебра Алисы является подмножеством алгебры Брайана: $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ Алиса ⊂ $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ Брайан. Σ-алгебра Брайана, в свою очередь, является подмножеством гораздо большей «полной информации» σ-алгебры 2, состоящей из двух событий, где n - количество всех потенциальных избирателей в Калифорнии.

Неатомарные примеры

Пример 4

Число от 0 до 1 выбирается случайным образом, равномерно. Здесь Ω = [0,1], $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ - σ-алгебра борелевских множеств на Ω, и P - мера Лебега на [0,1].

В данном случае открытые интервалы вида (a, b), где 0 < a < b < 1, could be taken as the generator sets. Each such set can be ascribed the probability of P((a,b)) = (b − a), which generates the мера Лебега на [0,1], и борелевская σ-алгебра на Ω.

Пример 5

Честная монета подбрасывается бесконечно. Здесь можно взять Ω = {0,1}, множество всех бесконечных последовательностей чисел 0 и 1. Цилиндрические множества {(x 1, x 2,...) ∈ Ω: x 1 = a 1,..., x n = a n } может использоваться в качестве генераторных установок. Каждый такой набор описывает событие, в котором первые n бросков привели к фиксированной последовательности (a 1,..., a n), а остальная часть последовательности может быть произвольно. Каждому такому событию естественным образом можно присвоить вероятность 2.

Эти два неатомарных примера тесно связаны: последовательность (x 1,x2,...) ∈ {0,1} приводит к числу 2x 1 + 2x 2 +... ∈ [0,1]. Однако это не взаимно однозначное соответствие между {0,1} и [0,1]: это изоморфизм по модулю нуля, который позволяет рассматривать две вероятности пространства как две формы одного и того же вероятностного пространства. Фактически, все непатологические неатомарные вероятностные пространства в этом смысле одинаковы. Это так называемые стандартные вероятностные пространства. Базовые приложения вероятностных пространств нечувствительны к стандартности. Однако недискретное обусловливание легко и естественно в стандартных вероятностных пространствах, иначе оно становится неясным.

Понятия, связанные с данным

Распределение вероятностей

Любое распределение вероятностей определяет вероятностную меру.

Случайные величины

A случайная величина X - это измеримая функция X: Ω → S из пространства выборок Ω в другое измеримое пространство S, называемое пространством состояний.

Если A ⊂ S, обозначение Pr (X ∈ A) является обычно используемым сокращением для P ({ω ∈ Ω: X (ω) ∈ A}).

Определение событий в терминах пространства выборки

Если Ω счетно, мы почти всегда определяем $F {\ displaystyle \ scriptstyle {\ mathcal {F} }}$ $\ scriptstyle { \ mathcal {F}}$ как набор мощности Ω, то есть $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ = 2, что тривиально σ-алгебра и самая большая из них, которую мы можем создать с помощью Ω. Поэтому мы можем опустить $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ и просто написать (Ω, P) для определения вероятностного пространства.

С другой стороны, если Ω несчетное и мы используем $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ = 2, мы у вас возникнут проблемы с определением нашей вероятностной меры P, потому что $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ слишком "большой", т.е. часто будут наборы, для которых это будет невозможно присвоить уникальную меру. В этом случае мы должны использовать меньшую σ-алгебру $F {\ displaystyle \ scriptstyle {\ mathcal {F}}}$ $\ scriptstyle { \ mathcal {F}}$ , например, борелевскую алгебру Ω, которая является наименьшей σ-алгеброй, которая делает все открытые множества измеримыми.

Условная вероятность

Колмогоровское определение вероятностных пространств дает начало естественной концепции условной вероятности. Каждый набор A с ненулевой вероятностью (то есть P (A)>0) определяет другую вероятностную меру

P (B | A) = P (B ∩ A) P (A) {\ displaystyle P (B | A) = {P (B \ cap A) \ over P (A)}}

P (B | A) = {P (B \ cap A) \ over P (A)}

на пространстве. Обычно это произносится как «вероятность того, что B при A».

Для любого события B такого, что P (B)>0, функция Q, определенная как Q (A) = P (A | B) для всех событий A, сама по себе является вероятностной мерой.

Независимость

Два события, A и B, называются независимыми, если P (A∩B) = P (A) P (B).

Две случайные величины, X и Y, называются независимыми, если любое событие, определенное в терминах X, не зависит от любого события, определенного в терминах Y. Формально они генерируют независимые σ-алгебры, где два σ -алгебры G и H, которые являются подмножествами F, называются независимыми, если любой элемент G не зависит от любого элемента H.

Взаимная исключительность

Два события, A и B, являются называется взаимоисключающим или непересекающимся, если возникновение одного подразумевает отсутствие другого, т. е. их пересечение пусто. Это более сильное условие, чем вероятность их пересечения нулю.

Если A и B - непересекающиеся события, то P (A∪B) = P (A) + P (B). Это распространяется на (конечную или счетно бесконечную) последовательность событий. Однако вероятность объединения бесчисленного множества событий не является суммой их вероятностей. Например, если Z является нормально распределенной случайной величиной, то P (Z = x) равно 0 для любого x, но P (Z∈ R ) = 1.

Событие A∩B обозначается как «A и B», а событие A∪B - как «A или B».

См. Также

Ссылки

Библиография

Пьер Симон де Лаплас (1812) Аналитическая теория вероятностей

Первый крупный трактат, сочетающий исчисление с теорией вероятностей, первоначально на французском языке: Théorie Analytique des Probabilités.

Андрей Николаевич Колмогоров (1950) Основы теории вероятностей

Современные теоретико-мерные основы теории вероятностей; оригинальная немецкая версия (Grundbegriffe der Wahrscheinlichkeitrechnung) появилась в 1933 году.

Гарольд Джеффрис (1939) Теория вероятностей

Эмпирик, байесовский подход к основам теории вероятностей.

Эдвард Нельсон (1987) Радикально элементарная теория вероятностей

Основы теории вероятностей, основанные на нестандартном анализе. Загружаемый. http://www.math.princeton.edu/~nelson/books.html

Патрик Биллингсли : Вероятность и мера, John Wiley and Sons, Нью-Йорк, Торонто, Лондон, 1979.
Хенк Таймс (2004) Понимание вероятности

Живое введение в теорию вероятностей для новичков, Cambridge Univ. Press.

Дэвид Уильямс (1991) Вероятность с мартингалами

Введение для студентов в теоретико-мерную вероятность, Cambridge Univ. Press.

Gut, Allan (2005). Вероятность: аспирантура. Springer. ISBN 0-387-22833-0.

Внешние ссылки

Сазонов В.В. (2001) [1994], Энциклопедия математики, EMS Press
Анимация, демонстрирующая вероятностное пространство игральных костей
Виртуальные лаборатории вероятностей и статистики (главный автор Кайл Зигриста), особенно Пространства вероятностей
Citizendium
Полное вероятностное пространство
Вайсштейн, Эрик У. «Пространство вероятностей». MathWorld.