1.1 Sample Space & Events : 样本空间与事件
定义 1.1 Sample Space 样本空间
样本空间 是一次实验可能出现的结果的集合, 的元素称为 , 的子集称为事件,对于集合,定义其补集
(1)一串事件,是单增的,如果满足:,定义其极限:
(2)一串事件,是单减的,如果满足:,定义其极限:
【例1.1】
1.2 σ-Field & Measures σ域与测度
1.2.1 σ-Field σ域
定义 1.2 σ-Field
是样本空间 的子集的合集, 称为σ-Field,当且仅当其有如下性质:
(1)包含空集
(2)如果,那么
(3)如果,那么
1.2.2 Measurable Space 可测空间
定义 1.3 Measurable Space 可测空间
集合对 称为可测空间, 中的元素称为可测集。显然, 。
【例1.2】令 等于一个 的非空子集,且 ,
【例1.3】 是包含所有 的有限开放子集的 σ - 域 ,被称为 ,记为:
1.2.3 Measure 测度
定义 1.4 Measure 测度
集合对 是一个可测空间,定义在 上的集合函数 称为一个测度,当且仅当其满足如下条件:
(1)(非负)
(2)(空集取0)
(3)对于 且 间互斥,有: (可加性)
1.2.4 Probability Measure 概率测度
定义 1.3 Probability Measure 概率测度
三元集 是一个可测空间,并且如果 ,那么 就是一个概率测度,记为 。 称为一个概率空间。
【例1.4】(Counting Measure 可数测度)令 是一个样本空间, 是所有子集的合集,且 是 中元素的个数,那么.
【例1.5】(Lebesque Measure 勒贝格测度).
1.2.5 Properties :Monotonous 性质:单调性
引理 1.1 并集概率公式
对任意事件 与 ,
定理 1.1 Continuity of Probability 概率的连续性
若 ,则
【证明】假设 是单增的, ,令 :
,则 , 且。
另可记:
1.3 Independent Events 独立事件
定义 1.7 Independent 独立
两个事件是独立的(设为与),如果它们满足如下定义式:
,记为 。
定义 1.8 Independent of collection of events 事件集独立
事件集 是独立的,如果 对所有 的有限子集成立。
定义 1.9 Conditional Probability 条件概率
设 ,则在 发生的条件下 发生的概率定义为(即条件概率):
引理 1.2
定理 1.2 The Law of Total Probability 全概率法则
令 是 的一个划分(Partition),即 ,则对任意事件 有:
定理 1.3 Bayesian Theorem 贝叶斯定理
令 是 的一个划分(Partition),对每一个 有 ,那么如果 ,则对 有:
,通常称 为先验概率, 为后验概率。