概率空间

概率空间不是简单的样本空间。概率空间 $(Ω, \mathcal F, P)$，样本空间 $\Omega$ 显然不是一回事。

1. 定义

概率空间是概率论的基础。概率的严格定义基于这个概念。
概率空间 $(Ω, \mathcal F, P)$ 是一个总测度为1的测度空间（即 $P(Ω)=1$，$\Omega$ 表示的是样本空间）.

• 1）我们要有一个集合 Ω ——在你的常识中，它是一个随机事件所有可能结果的集合。比如投掷一个骰子，骰子向上那一面的点数，它是｛1，2，3，4，5，6｝。：集合；
• 2）我们要明确我们所希望讨论的对象，它们是 Ω 的子集，他们的全体记作 $\mathcal F$——他们像是“事件”，比如“骰子向上的点数是偶数”（也就是｛2，4，6｝）是其中的元素。：可测集；
• 3） 我们将在$\mathcal F$上定义一个函数 $\mathbb P$——称为概率。测度；

有了概率空间的定义（$(\Omega, \mathcal F, P)$），再来定义随机变量（$\xi (w)$）需要满足：

• $(\xi(w)<x)\in \mathcal F$（可测性）
  
  • 更完整地说，$\{w\big | \xi(w)\lt x\}\in \mathcal F$，$w$ 表示的是事件；

紧接着再来定义：

• 分布函数 $F_{\xi(w)}(x)=P(\xi(w)<x)$，
• 多维随机变量 $(\xi_1(w), \xi_2(w),\ldots,\xi_n(w))$
• 随机变量序列 $\xi_1(w),\xi_n(w),\ldots,\xi_n(w)$，并讨论其收敛性（在这里又会引入特征函数）：
  
  • 依分布收敛；
  • 依 $\ell^2$ 收敛；

初等概率中随机变量序列其实就是一个随机过程（离散时间）。（将下标看成时间的表示，第一年，第二年，,,,,）