测度论中的概率空间，可测空间

随机规划理论、随机过程中经常见到概率空间的使用，总结一下。

1. 概率空间

概率空间（probability space）是测度论的基本概念，测度论将传统积分进行了进一步推广。传统的积分在一个区间上进行，而测度论将积分推广到可以在一个集合中进行。

概率空间 $(\Omega ,\mathcal{F},P)$ 表示一个随机过程，它包括 3 部分：

• $\Omega$：样本空间（sample space）. 一次随机试验中可能发生的结果。
• $\mathcal{F}$：事件空间（event space）. 是指样本空间的所有可能子集（包括空集以及 $\Omega$ 本身）。
• $P$：概率函数. 为事件空间中的每一个事件赋予一个概率，概率在 0 到 1 之间。

例如，掷一次硬币，

• $\Omega$：样本空间 {正面，反面}
• $\mathcal{F}$：事件空间 {空集，正面，反面，{正面，反面}}。
• $P$：概率函数，上述事件空间中每个事件的概率分别为 0， 0.5， 0.5， 1

2. $\sigma$ 代数

事件空间 $\mathcal{F}$ 必须是一个 $\sigma$ 代数，即满足下列条件：

• $\Omega \in \mathcal{F}$
• 如果集合 $A$ 在 $\mathcal{F}$ 中，则它的补集也在 $\mathcal{F}$ 中，即 $A^C\in \mathcal{F}$
• 如果可数个集合 $A_1$, $A_2$, $\dots$, $A_n$ 在 $\mathcal{F}$ 中，则 $A_1$, $A_2$, $\dots$, $A_n$ 的并集也在 $\mathcal{F}$ 中

$(\Omega ,\mathcal{F})$ 合在一起称作可测空间。