族谱网 头条 人物百科

概率空间

2020-10-16
出处:族谱网
作者:阿族小谱
浏览:494
转发:0
评论:0
定义概率空间(Ω,F,P)是一个总测度为1的测度空间(即P(Ω)=1).第一项Ω是一个非空集合,有时称作“样本空间”。Ω的集合元素称作“样本输出”,可写作ω。第二项F是样本空间Ω的幂集的一个非空子集。F的集合元素称为事件Σ。事件Σ是样本空间Ω的子集。集合F必须是一个σ-代数:ΦΦ-->∈∈-->F{\displaystyle\Phi{\in}{\mathcal{F}}};若A∈∈-->F{\displaystyleA{\in}{\mathcal{F}}},则A¯¯-->∈∈-->F{\displaystyle{\bar{A}}{\in}{\mathcal{F}}};若An∈∈-->F{\displaystyleA_{n}{\in}{\mathcal{F}}},n=1,2,...{\displaystylen=1,2,...},则⋃⋃-->n=1∞∞-->An∈∈-->F{\displays...

定义

概率空间(Ω, F, P)是一个总测度为1的测度空间(即P(Ω)=1).

第一项Ω是一个非空集合,有时称作“样本空间”。Ω 的集合元素称作“样本输出”,可写作ω。

第二项F是样本空间Ω的幂集的一个非空子集。F的集合元素称为事件Σ。事件Σ是样本空间Ω的子集。集合F必须是一个σ-代数:

Φ Φ -->∈ ∈ -->F{\displaystyle \Phi {\in }{\mathcal {F}}};

若A∈ ∈ -->F{\displaystyle A{\in }{\mathcal {F}}},则A¯ ¯ -->∈ ∈ -->F{\displaystyle {\bar {A}}{\in }{\mathcal {F}}};

若An∈ ∈ -->F{\displaystyle A_{n}{\in }{\mathcal {F}}},n=1,2,...{\displaystyle n=1,2,...},则⋃ ⋃ -->n=1∞ ∞ -->An∈ ∈ -->F{\displaystyle \bigcup _{n=1}^{\infty }A_{n}{\in }{\mathcal {F}}}

(Ω, F)合起来称为可测空间。事件就是样本输出的集合,在此集合上可定义其概率。

第三项P称为概率,或者概率测度。这是一个从集合F到实数域R的函数,P:F↦ ↦ -->R{\displaystyle P:\;F{\mapsto }R}。每个事件都被此函数赋予一个0和1之间的概率值。

概率测度经常以黑体表示,例如P{\displaystyle \mathbb {P} }或Q{\displaystyle \mathbb {Q} },也可用符号"Pr"来表示。

离散模式

离散概率理论仅需要可数集的样本空间Ω Ω -->{\displaystyle \Omega }。 概率指的是由概率质量函数p:Ω Ω -->→ → -->[0,1]{\displaystyle p:\Omega \to [0,1]}求得Ω Ω -->{\displaystyle \Omega }上的使得∑ ∑ -->ω ω -->∈ ∈ -->Ω Ω -->p(ω ω -->)=1{\displaystyle \textstyle \sum _{\omega \in \Omega }p(\omega )=1}的点。Ω Ω -->{\displaystyle \Omega } 全部的子集合可视为随机事件(也就是F=2Ω Ω -->{\displaystyle {\mathcal {F}}=2^{\Omega }}为幂集)。概率测度可简写为

(∗ ∗ -->)P(A)=∑ ∑ -->ω ω -->∈ ∈ -->Ap(ω ω -->)for all A⊆ ⊆ -->Ω Ω -->{\displaystyle (*)\qquad P(A)=\sum _{\omega \in A}p(\omega )\quad {\text{for all }}A\subseteq \Omega }

使用σ-代数F=2Ω Ω -->{\displaystyle {\mathcal {F}}=2^{\Omega }}能够完整描述样本空间。一般来说,σ-代数相当于一个有限或集合划分合划分Ω Ω -->=B1∪ ∪ -->B2∪ ∪ -->… … -->{\displaystyle \Omega =B_{1}\cup B_{2}\cup \dots },事件A的一般型A∈ ∈ -->F{\displaystyle A\in {\mathcal {F}}} 且A=Bk1∪ ∪ -->Bk2∪ ∪ -->… … -->{\displaystyle A=B_{k_{1}}\cup B_{k_{2}}\cup \dots }

p(ω ω -->)=0{\displaystyle p(\omega )=0}是被定义允许的情况但极少使用,因为如此的ω ω -->{\displaystyle \omega }可以安全的从样本空间中移除。

一般模式

如果Ω不可数,存在某些ω使得p(ω) ≠ 0 的情况仍然存在,那些ω称为原子。他们大部分都是可数的集合(有可能为空集合) ,其可能性为所有原子概率的和。如果这个和等于1,那么其他的点可以安全地从样本空间中移除,回归离散模式。反之,如果和少与1(有可能为零)那么概率空间分解成为离散(原子)部分(可能为零),以及非原子部分。

例子

若样本空间是关于一个机会均等的抛硬币动作,则样本输出为“正面”或“反面”。事件为:

{正面},其概率为0.5。

{反面},其概率为0.5。

{ }=∅ 非正非反,其概率为0.

{正面,反面},不是正面就是反面,这是Ω,其概率为1。

相关概念

随机变量

随机变量是一个从Ω映射到另一个集合(通常是实数域R)的函数。 它必须是一个可测函数。比如说,若X是一个实随机变量,则使X为正的样本输出的集合{ω∈Ω:X(ω)>0}是一个事件。

为简便起见,{ω∈Ω:X(ω)>0}经常只写作{X>0}。P({X>0})更被简化为P(X>0)。

独立

若P(A∩B)=P(A)P(B),则A和B两个事件是独立的。

若任何与随机变量X有关的事件和任何与随机变量Y有关的事件独立,则X和Y两个随机变量是独立的。

独立这个概念是概率论和测度论分道扬镳的地方。

互斥

若P(A∩B)=0,则称A和B两个事件互斥或不相交(这个性质要比A∩B=∅弱一些,后者是集合不相交的定义)。

若两个事件A和B不相交,则P(A∪B)=P(A)+P(B)。这个性质可以扩展到由(有限个或者可数无限个)事件组成的事件序列。 但不可数无限个事件组成的事件集合对应的概率与集合元素对应概率之和未必相等,例如若Z是正态分布的随机变量,则对任意x有P(Z=x)=0,但是P(Z是实数)=1。

事件A∩B的意思是A并且B;事件A∪B的意思是A或者B.


免责声明:以上内容版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。感谢每一位辛勤著写的作者,感谢每一位的分享。

——— 没有了 ———
编辑:阿族小谱
发表评论
写好了,提交
{{item.label}}
{{commentTotal}}条评论
{{item.userName}}
发布时间:{{item.time}}
{{item.content}}
回复
举报
点击加载更多
打赏作者
“感谢您的打赏,我会更努力的创作”
— 请选择您要打赏的金额 —
{{item.label}}
{{item.label}}
打赏成功!
“感谢您的打赏,我会更努力的创作”
返回

更多文章

更多精彩文章
打赏
私信

推荐阅读

· 概率
历史第一个系统地推算概率的人是16世纪的卡尔达诺。记载在他的著作LiberdeLudoAleae中。书中关于概率的内容是由Gould从拉丁文翻译出来的。Cardano的数学著作中有很多给赌徒的建议。这些建议都写成短文。例如:《谁,在什么时候,应该赌博?》、《为什么亚里士多德谴责赌博?》、《那些教别人赌博的人是否也擅长赌博呢?》等。然而,首次提出系统研究概率的是在帕斯卡和费马来往的一系列信件中。这些通信最初是由帕斯卡提出的,他想找费马请教几个关于由ChevalierdeMéré提出的问题。ChevalierdeMéré是一知名作家,路易十四宫廷的显要,也是一名狂热的赌徒。问题主要是两个:掷骰问题和比赛奖金应分配问题。概念在日常生活中,我们常常会遇到一些涉及可能性或发生机会等概念的事件(event)。一个事件的可能性或一个事件的发生机会是与数学有关的。例如:“从一班40名学生中随意选出一人,这...
· 概率幅
参阅概率流薛定谔方程量子态玻恩定则
· 概率公理
柯尔莫果洛夫公理假设我们有一个基础集ΩΩ-->{\displaystyle\Omega},其子集的集合F{\displaystyle{\mathfrak{F}}}为σ代数,和一个给F{\displaystyle{\mathfrak{F}}}的元素指定一个实数的函数P{\displaystyleP}。F{\displaystyle{\mathfrak{F}}}的元素是ΩΩ-->{\displaystyle\Omega}的事件,称为“事件”。第一公理即,任一事件的概率都可以用0{\displaystyle0}到1{\displaystyle1}区间上的一个实数来表示。第二公理即,整体样本集合中的某个基本事件发生的概率为1。更加明确地说,在样本集合之外已经不存在基本事件了。这在一些错误的概率计算中经常被小看;如果你不能准确地定义整个样本集合,那么任意子集的概率也不可能被定义。第三公理...
· 概率论
生活例子人们对概率总是有一点触摸不清的感觉,而事实上也有很多看似奇异的结果:1;六合彩:在六合彩(49选6)中,一共有13,983,816种可能性(参阅组合数学),如果每周都买一组不相同的号,一年有52周,则在实验越多次(一直买直到中奖算一次)之后,平均中奖所花的时间会越接近1398381652=268919{\displaystyle{\frac{13983816}{52}}=268919}。事实上,即使每周买相同的号,获得头奖的概率也是相同的。但假设每周实际中奖的组合都不重复,268919年的算术推论是正确的,这说明概率和其他数学理论可能导出不同的结论。2;六合彩:仍然是六合彩。买5,17,19,24,33,49中奖概率高还是买1,2,3,4,5,6的中奖概率高?古典概率论说:一样。但实际上机械或彩球制造上都有些微小的差异,所以每组概率不一定完全相同,但必须累积多期开奖结果后才看得出来...
· 概率分布
分布函数的性质刻划对于特定的随机变量X{\displaystyleX},其分布函数FX{\displaystyleF_{X}}是单调不减及右连续,而且FX(−−-->∞∞-->)=0{\displaystyleF_{X}(-\infty)=0},FX(∞∞-->)=1{\displaystyleF_{X}(\infty)=1}。这些性质反过来也描述了所有可能成为分布函数的函数:设F:[−−-->∞∞-->,∞∞-->]→→-->[0,1],F(−−-->∞∞-->)=0,F(∞∞-->)=1{\displaystyleF:[-\infty,\infty]\to[0,1],F(-\infty)=0,F(\infty)=1}且单调不减、右连续,则存在概率空间(ΩΩ-->,F,P){\displaystyle(\Omega,{\m...

关于我们

关注族谱网 微信公众号,每日及时查看相关推荐,订阅互动等。

APP下载

下载族谱APP 微信公众号,每日及时查看
扫一扫添加客服微信