首页 > 其他分享> 文章详细

概率论的公理结构

2020-02-22 11:41:13 阅读：412 来源： 互联网

标签：公理可测测度样本样本空间空间概率论代数结构

样本点

一个随机事件出现的可能的结果叫做样本点。

类比平面几何，线、面、体也是由点组成的集合，研究的是点线面关系及性质，同样样本点也是组成事件（集合）的材料，是集合的基本元素，把这些样本点用各种形状组合起来形成集合，站在集合论的基础上讨论研究。

代数

设 $\Omega$ 是样本空间， $\boldsymbol{F}$ 是由 $\Omega$ 的一些子集所构成集合簇，如果 $\boldsymbol{F}$ 满足如下条件：

$i)$ $\Omega\in \mathbf{F}$ ；

$ii)$ 若 $A\in \mathbf{F}$ ，则 $\overline{A}\in \mathbf{F}$ ；

$iii)$ 若 $A_{i}\in \mathbf{F}(i=1,2,...n)$ ，则 $\bigcup_{i=1}^{n} A_{i}\in \mathbf{F}$ ；

则称 $\boldsymbol{F}$ 为代数。

$\sigma -$ 代数

设 $\Omega$ 是样本空间， $\boldsymbol{F}$ 是由 $\Omega$ 的一些子集所构成集合簇，如果 $\boldsymbol{F}$ 满足如下条件：

$i)$ $\Omega\in \mathbf{F}$ ；

$ii)$ 若 $A\in \mathbf{F}$ ，则 $\overline{A}\in \mathbf{F}$ ；

$iii)$ 若 $A_{i}\in \mathbf{F}(i=1,2,...\infty )$ ，则 $\bigcup_{i=1}^{\infty } A_{i}\in \mathbf{F}$ ；

则称 $\boldsymbol{F}$ 为 $\sigma -$ 代数。

容易证明，如果样本空间是有穷的，则它的任何代数也必是 $\sigma -$ 代数。

可测空间

把任一样本空间 $\Omega$ ，以及由 $\Omega$ 的子集所组成的一个 $\sigma -$ 代数 $\boldsymbol{F}$ 写在一起，记为 $(\Omega , \mathbf{F})$ ，称为具有 $\sigma -$ 代数结构的样本空间，或简称为可测空间。

概率

设 $(\Omega , \mathbf{F})$ 是可测空间，对每一集 $A\in \mathbf{F}$ ，有一实数与之对应，记为 $P(A)$ （因此在 $\boldsymbol{F}$ 上定义了一个集函数 $P$ ），如它满足下面三个条件：

$i)$ 对每一 $A\in \mathbf{F}$ ，有 $0\leqslant P(A) \leqslant 1$ ；

$ii)$ 对必然事件 $\Omega$ ，有 $P(A)=1$ ；

$iii)$ （完全可加性）对任意 $A_{i} \in \mathbf{F}(i=1,2,...)$ ， $A_{i} \bigcap A_{j} = \phi \ (i \neq j)$ ，恒有

$P(\bigcup_{i=1}^{\infty} A_{i}) = \sum_{i=1}^{\infty} P(A_{i})$

则称实值集函数 $P$ 为 $(\Omega , \mathbf{F})$ 上的概率， $P(A)$ 就称为事件 $A$ 的概率。

上面几个概念的层次关系是：设 $\Omega$ 是一样本空间， $\bold{F}$ 为 $\Omega$ 的 $\sigma-$ 代数， $P$ 为 $\bold{F}$ 上的概率，我们称具有上述结构的样本空间为概率空间，记为 $(\Omega, \bold{F}, P)$ 。

随机变量

设 $(\Omega, \bold{F}, P)$ 是一个概率空间，对于样本点 $\omega \in \Omega$ ， $\xi(\omega)$ 是一个取实值的单值函数；若对于任一实数 $x$ ， $\left \{ \omega: \xi(\omega) < x \right \}$ 是一随机事件，亦即 $\left \{ \omega: \xi(\omega) < x \right \} \in \bold{F}$ ，则称 $\xi(\omega)$ 为随机变量。

一个随机事件的样本点可能是数量性质的，也可能是非数量性质的，为数学研究方便把样本点进行数值化，即在样本点到 $\mathbb{R}$ 建立一个映射。

另外需要注意下面两个概念和上面的区别与联系：

测度空间

在 $(\Omega , F)$ 是一个可测空间的基础上，令 $\mu:F\rightarrow R^{+}$ 且满足：

$i)$ （非负性）对任意的 $A\in F$ ，有 $\mu (A) \geqslant 0$ ；

$ii)$ （规范性） $\mu (\Phi )=0$ ；

$iii)$ （可列可加性）对任意的两两不相交的集合 $A_{1},A_{2}...$ ，有 $\mu(\bigcup_{n=1}^{\infty}A_{n})=\sum_{n=1}^{\infty}\mu(A_{n)$ ；

则称 $\mu$ 为可测空间 $(\Omega , F)$ 上的测度，且称 $(\Omega , F, \mu)$ 为测度空间。

容易证明，概率空间是一种特殊测度空间，就是实值集函数的值范围是 $\left[0, 1 \right ]$ ，另外测度空间是在可测空间上定义一个测度，可测空间上还没有定义测度。

参考

《概率论及数理统计》第4版中山大学；

FibonacciCode 发布了111 篇原创文章 · 获赞 20 · 访问量 6万+ 私信关注

标签：公理,可测,测度,样本,样本空间,空间,概率论,代数,结构
来源： https://blog.csdn.net/yuebowhu/article/details/104435260

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

概率论的公理结构

样本点

代数

代数

可测空间

概率

随机变量

测度空间

$\sigma -$ 代数