漫步数理统计四——概率集合函数(下)

$\textbf{例3：}$$\textbf{C}$被分成$k$个两两不相交的子集$C_1,C_2,\ldots,C_k$，并且这$k$个子集的并是$\textbf{C}$，那么事件$C_1,c_2,\ldots,C_k$是相互互斥且是穷举的。假设某个随机试验满足这样的特性，并且事件$C_k,i=1,2,\ldots,k$概率相同，即$P(C_i)=1/k,i=1,2,\ldots,k$；我们经常说事件$C_1,C_2,\ldots,C_k$是等可能的。令事件$E$是$r$个事件的并即

$$E=C_1\cup C_2\cup\cdots\cup C_r,\quad r\leq k$$

那么

$$P(E)=P(C_1)+P(C_2)+\cdots+P(C_r)=\frac{r}{k}$$

通产整数$k$称为随机试验终止方式的总数，整数$r$称为有利于事件$E$的总数，因此用这个术语表述就是，$P(E)$等于有利于事件$E$的总数除以试验终止的总数。为了强调给事件$E$ 分配概率为$r/k$，我们必须假设互斥事件$C_1,C_2,\ldots,C_k$有相同的概率$1/k$，这个等可能事件的假设是我们模型的一部分，显然这个假设并非对所有情况都满足。

为了说明等可能情况，我们给出一些基本的计数法则，这些通常会在基本代数课程中讨论，为了后文的讲解，我们这里给出大概介绍。

$\textbf{注3：}$假设我们有两个试验，第一个有$m$个结果，第二个有$n$个结果。现在将这两个试验组合起来，先后进行这两个试验，那么我们就有$mn$个有序对，这就是乘法法则或$mn$法则，它很容易扩展到更多的情况。

令$A$是$n$个元素组成的集合，假设我们对$k$元感兴趣，$k$ 元的分量都是$A$的元素，那么利用扩展的乘法法则我们可以得到$n\cdot n\cdots n=n^k$种$k$元。假设$k\leq n$，且$k$元的分量是$A$中不同的元素组成的，那么第一个分量有$n$种选择，第二个分量有$n-1$种选择，$\ldots$，第$k$个分量有$n-(k-1)$种选择，因此利用乘法法则，存在$n(n-1)\cdots(n-(k-1))$种$k$元。我们称这种$k$元是排列，用符号$P_k^n$表示$n$个元素中取$k$个排列的总数，公式为：

$$P_k^n=n(n-1)\cdot(n-(k-1))=\frac{n!}{(n-k)!}$$

接下来假设顺序不重要，所以我们不在计算排列的个数，我们想计算从$A$中取$k$个元素子集的个数，我们用符号$\tbinom{n}{k}$表示这种集合的总数。考虑$A$中取$k$个元素子集，根据排列规则可得$P_k^k=k(k-1)\cdots 1$中排列，进一步所有这种排列与其他$k$个元素子集生成的排列是不同的，对于每个由$k$个不同元素生成的排列肯定是这些子集中的一个生成，因此我们需要说明$P_k^n=\tbinom{n}{k}k!$；即

$$\dbinom{n}{k}=\frac{n!}{k!(n-k)!}$$

我们经常有属于组合而不是子集，所以我们说从$n$个事物构成的集合中取$k$个事物有$\tbinom{n}{k}$种组合方式，另一个常用的符号是$C_k^n$。

如果我们扩展二项式

$$(a+b)^n=(a+b)(a+b)\cdot(a+b)$$

就会得到

$$(a+b)^n=\sum_{k=0}^n\dbinom{n}{k}a^kb^{n-k}$$

因为对于$a$的$k$次幂，我们有$\tbinom{n}{k}$种选择方式，所以$\tbinom{n}{k}$也称为二项式系数。

$\textbf{例4:}$从52张扑克牌中随机抽一张，样本空间$\textbf{C}$是$k=52$种结果的并，可以假设每种结果的概率是$\frac{1}{52}$。如果$E_1$表示抽到黑桃，那么$P(E_1)=\frac{13}{52}=\frac{1}{4}$，因为有$r_1=13$张黑桃；即$\frac{1}{4}$是从牌中抽到黑桃的概率。如果$E_1$表示抽到国王，那么$P(E_2)=\frac{4}{52}=\frac{1}{13}$，因为有$r_2=4$张国王；即$\frac{1}{13}$是从牌中抽到国王的概率。这些计算都非常容易，因为确定$r,k$的值非常容易。

然而，现在不取一张，而是随机抽五张，顺序不重要，那么根据前面的组合可知有$\tbinom{52}{5}$种可能。现在我们计算一些比较有趣的情况，令$E_1$表示同花色，那么有$\tbinom{4}{1}=4$种同花色的情况，对于每种花色有$\tbinom{13}{5}$种可能的结果；因此利用乘法法则可得

$$P(E_1)=\frac{\tbinom{4}{1}\tbinom{13}{5}}{\tbinom{52}{5}}=\frac{4\cdot 1287}{2598960}=0.00198$$

假设$E_2$是三张为国王，两张为王后的情况，那么选国王有$\tbinom{4}{3}$种可能，选王后有$\tbinom{4}{2}$种可能，因此$E_2$的概率为

$$P(E_2)=\dbinom{4}{3}\dbinom{4}{2}/\dbinom{52}{5}=0.0000093$$

前面的例子让我们看到，我们是可以定义概率集合函数的，即集合函数需要满足定义2的要求。假设我们的空间$\textbf{C}$由$k$个不同的点组成，目前考虑一维空间。如果随机试验每个结果是等可能的，我们给每个点分配$1/k$，那么对于$C\subset\textbf{C}$

$$\begin{align*} P(C) &=\frac{\sharp C}{k}\\ &=\sum_{x\in C}f(x)\quad f(x)=\frac{1}{k},\quad x\in\textbf{C} \end{align*}$$

为了说明，我们取$\textbf{C}=\{1,2,3,4,5,6\},x\in\textbf{C},f(x)=\frac{1}{6}$，这个概率集合函数就满足定义2。

我们用概率的另一性质来结束本次主题。考虑递增的事件序列$\{C_n\}$，即$C_n\subset C_{n+1}$，此时我们写$\lim_{n\to\infty}C_n=\cup_{n=1}^\infty C_n$，考虑极限$\lim_{n\to\infty}P(C_n)$，问题是$P$与极限可以交换吗？下面的定理说明答案是可以，结论对递增序列同样满足。因为可交换，这个定义有时称为概率的连续性定理。

$\textbf{定理6：}$令$\{C_n\}$是递增的事件序列，那么

$$\lim_{n\to\infty}P(C_n)=P(\lim_{n\to\infty}C_n)=P\left(\bigcup_{n=1}^\infty\right)$$

令$\{C_n\}$是递减的事件序列，那么

$$\lim_{n\to\infty}P(C_n)=P(\lim_{n\to\infty}C_n)=P\left(\bigcap_{n=1}^\infty\right)$$

$\textbf{证明：}$我们只证明第一个，第二个同理可证。定义集合如下：$R_1=C_1,n>1$时$R_n=C_n\cap C_{n-1}^c$。由此可得$\cup_{n=1}^\infty C_n=\cup_{n=1}^\infty R_n,m\neq n$时$R_m\cap R_n=\phi$，而且$P(R_n)=P(C_n)-P(C_{n-1})$，应用概率论第三公理得到下面的等式：

$$\begin{align*} P[\lim_{n\to\infty}C_n] &=P\left(\bigcup_{n=1}^\infty C_n\right)=P\left(\bigcup_{n=1}^\infty R_n\right)=\sum_{n=1}^\infty P(R_n)=\lim_{n\to\infty}\sum_{j=1}^n P(R_j)\\ &=\lim_{n\to\infty}\{P(C_1)+\sum_{j=2}^n[P(C_j)-P(C_{j-1})]\}=\lim_{n\to\infty}P(C_n) \end{align*}$$

证毕。$||$

另一个对任意并很有用的结论为：

$\textbf{定理7：}$(布尔不等式)令$\{C_n\}$是任意的事件序列，那么

$$P\left(\bigcup_{n=1}^\infty C_n\right)\leq\sum_{n=1}^\infty P(C_n)$$

$\textbf{证明：}$令$D_n=\cup_{i=1}^n C_i$，那么$\{D_n\}$是递增序列且区域$\cup_{n=1}^\infty C_n$。另外对于所有的$j,D_j=D_{j-1}\cup C_j$，因此根据定理5得

$$P(D_j)\leq P(D_{j-1})+P(C_j)$$

即

$$P(D_j)-P(D_{j-1})\leq P(C_j)$$

现在用$D_i$代替$C_i$，利用定理6的结论以及$P(C_1)=P(D_1)$可得

$$\begin{align*} P\left(\bigcup_{n=1}^\infty C_n\right) &=P\left(\bigcup_{n=1}^\infty D_n\right)=\lim_{n\to\infty}\left\{P(D_1)+\sum_{j=2}^n[P(D_j)-P(D_{j-1})]\right\}\\ &\leq\lim_{n\to\infty}\sum_{j=1}^n P(C_j)=\sum_{n=1}^\infty P(C_n) \end{align*}$$

证毕。$||$