標籤:

轉載:可測空間、測度空間及σ-代數

轉自:

wenku.baidu.com/link?

「一個村子裡有一個理髮師,他在自己的理髮店立了塊招牌,說他只給村子裡那些不給自己理髮的人理髮。然後有個人問他:「您的頭髮由誰來理?」

定義為A={x|x不屬於A}。設想,假設有一個元素x不屬於A,那麼它就滿足A的定義,所以x就應該屬於A;而如果x屬於A,那麼它就不滿足A的定義,因此就應該不屬於A。無論如何,都會產生矛盾。

(1)羅素上個世紀提出了一個悖論,使得集合論的推理髮生了嚴重的危機,也就是說基本的假設按照通常的推理會出現問題,這個問題大家又解決不了,但這個世界上聰明人很多,既然解決不了那就不解決,把這個問題繞過去,於是可測集的概念就應運而生,不是對那種極端的情況處理不了嗎,那就不考慮極端的情況,把能處理的情況放在一起,這樣推論就不會產生矛盾了。X是任意集合,F是把X中極端的情況去掉後由X的子集所組成的集合,這樣去掉了不能處理的集合,剩下來的都是可以處理的,所以(X,F)就叫可測集了,不知道這樣解釋能不能懂。

(2)空間往往是帶有一定結構或運算的集合,而不是簡單的集合。例如,

1、在集合X中的任意兩個元素x,y之間定義距離d(x,y),d滿足距離概念的基本要求,那麼(X,d)這個二元組就叫做一個距離空間。有時候簡稱X為距離空間,但不能忘了那個d;

2、將集合X的一些子集放到一起記做O,要求O里的元素滿足一定的條件,例如對有限交和任意並封閉,包含X和空集,那麼(X,O)叫做拓撲空間,O里的元素叫開集。這是學習概率論的必備空間;

3、如果在對X中元素之間定義了順序關係<,滿足一定的要求,例如傳遞性等,那麼(X,<)叫序空間。

4、定義了代數運算的集合叫代數空間;

等等。數學的每個分支基本上都是在某個空間討論問題,而不是一個孤零零的集合。

(3)什麼是可測空間呢?二元組(X,F),但是記住F只要滿足三個條件就可以了,這樣的話我們就可以對F中的元素定義測度了,所以F中的元素叫可測集。

但是這時許多人會犯一個致命的錯誤,認為對F加了限制,排除了一些不可測集。其實我們可以取F為X的子集全體,這時(X,F)就是一個可測空間,我們可以給F中的元素定義測度。

問題出在哪裡呢?把可測空間和測度空間的概念混淆了,出在「定義測度」這個步驟!定義了測度(例如記做m)的可測空間叫測度空間,記做(X,F,m),是個三元組。

F取得太大,可能導致無法定義合適的測度。例如取R的全體子集作為F,那麼我們沒有辦法將區間長度這個合適的測度概念定義在F的每個元素上,F太大了。縮小F為小一點的σ域F,使得F 包括所有的區間,而且其中的元素都有測度L,而且L是區間長度概念的自然推廣,就得到所謂勒貝格測度空間(R,F,L),F 中的元素叫勒貝格可測集,而相應的測度L叫勒貝格測度。 所以可測空間中的可測集和測度無關,測度空間中的可測集和測度有關。 概率論研究的概率空間就是一個測度空間(X,F,P),其中P是定義在F中的測度,叫概率測度。集合X我們一般叫做樣本空間,F中的元素叫可測集,但是我們更願意叫做事件,而把F叫做事件域。任取F中元素A,它是X的子集,這時是一個事件,它的測度P(A)就是事件A的概率。可見這三元組(X,F,P)中的東西缺一不可。

(4)進一步對可測空間和測度空間討論: 我們知道任一事件都是樣本空間的子集,但樣本空間的子集卻不一定是事件。為了討論方便,還是用一個比較好理解的現象作一個比喻。

假設研究人的性取向,這樣樣本空間X={男,女,不男不女},由於不男不女不好確定其性取向,這樣在研究時就將這種情況排出,只研究男和女。或者說,樣本空間是Ω={全體男人和女人},是個有限集,其對應的事件域取F={Ω的子集全體}完全可以,(Ω, F)就是可測空間。你說的性取向問題對應的F上的概率測度P是未知的,需要用統計方法確定。更常見的做法是在(Ω, F,P)上定義一個隨機變數,用統計方法確定隨機變數的分布而不是P本身。例如任取ω∈Ω,定義

X(ω)=0,若ω是和尚, X(ω)=1,若ω是尼姑, X(ω)=2,若ω是丈夫, X(ω)=3,若ω是妻子, X(ω)=4,其他。 再定義

N(ω)=-1,若ω是情人中的男子, N(ω)=1,若ω是情人中的女子, N(ω)=0,其他。

這樣的話,你說的那些事件就可以用隨機變數表達清楚了。

例如 A={X=0}就是和尚的全體,B={1

你完全可以只取Ω的部分子集作為σ域子,例如和尚全體A,尼姑全體B,丈夫全體為C,妻子全體為D,男同性戀全體E,女同性戀全體F,將這些集合及其這些集合的交,並,補等放到一起構成一個σ域F 來研究,這時(Ω, F )是可測空間,但是這不能保證你可以在(Ω, F ,P)上定義足夠多的隨機變數。總之,σ域要大到將你感興趣的所有事件都包括進去且滿足基本數學要求。

(5)樣本空間就是一個集合,事件必須是其子集。反之不然。再舉一例:

擲一顆骰子,則可取Ω={1,2,3,4,5,6}, F為其子集全體,F把你能考慮到的事件都包括進去了。定義X=1,2,3,4,5,6對應相應的點數,則(Ω, F)是一個可測空間,X是(Ω, F,P)上隨機變數,例如A={X<4}表示點數不超過3這個事件。用統計方法搞清楚X的分布,就搞清楚測度P了。如果要考慮點數不超過3時甲贏,否則甲輸這樣的問題,定義Y=1,若點數為1,2,或3;否則Y=-1,則Y也是隨機變數。搞清楚Y的分布就是你的任務了,不一定要求出概率測度P。當然能求出來最好。

這時其實你可以取事件域F ={{1,2,3},{4,5,6},Ω,Φ},當然這個事件域比F小多了。(Ω, F )也是一個可測空間,但是你不能在(Ω, F ,P )上定義足夠多的隨機變數。例如上面那個X就不是這個概率空間上的隨機變數,比如{X<5}就不是F中的元素,故X不是隨機變數。但是Y顯然在這裡還是隨機變數。當然這個P也不是那個P了。不過這對你的問題已經足夠了。 可測空間取多大?依問題需要和數學要求而定。


推薦閱讀:

概率論回顧
概率論如何實現抽象
隨機、賭徒謬誤、小數定律,概率論中最簡單的智慧!
證明Weierstrass逼近定理的三種途徑(一)
論風險:概率論還是決定論

TAG:概率論 |