В математике - в частности, в областях теории вероятностей и обратных задач - меры Бесова и связанных Случайные величины с распределением Бесова являются обобщением понятий гауссовских мер и случайных величин, распределений Лапласа и других классических распределений. Они особенно полезны при изучении обратных задач на функциональных пространствах, для которых гауссовский байесовский априор является неподходящей моделью. Построение меры Бесова аналогично построению пространства Бесова, отсюда и номенклатура.
Пусть будет разделимым гильбертовым пространством функций, определенных на домен , и пусть быть полным ортонормированным базисом для . Пусть и . Для , определите
Это определяет норму в подпространстве , для которого он конечен, и пусть обозначает завершение этого подпространства относительно этой новой нормы. Мотивация для этих определений проистекает из того факта, что эквивалентно норме из в пространстве Бесова .
Пусть - параметр масштаба, аналогичный точности (обратной величине дисперсии ) гауссовской меры. Теперь мы определяем -значная случайная величина by
где выбираются независимо и одинаково из обобщенной гауссовской меры на с функцией плотности вероятности Лебега , пропорциональной . Неформально можно сказать, что имеет функцию плотности вероятности, пропорциональную относительно бесконечномерной меры Лебега (, что не имеет строгого смысла ), и поэтому является естественным кандидатом на «типичный» элемент (хотя это не совсем так - см. ниже).
Легко показать, что, когда t ≤ s, норма X конечна, когда норма X равна. Следовательно, пространства X и X вложены:
Это согласуется с обычным вложением классов гладкости функций f: D → R : например, пространство Соболева H (D) является подпространством H (D) и, в свою очередь, пространства Лебега L (D) = H (D); пространство Гельдера C (D) непрерывно дифференцируемых функций является подпространством пространства C (D) непрерывных функций.
Можно показать, что ряд, определяющий u, сходится в X почти наверняка для любого t почти наверняка не в меньшем пространстве X. Пространство X скорее является пространством Камерона-Мартина этой вероятностной меры в гауссовском случай p = 2. Случайная величина u называется распределенной Бесова с параметрами (κ, s, p), а индуцированная вероятностная мера называется мерой Бесова. .