概率论的学习和整理--番外9：关于贝特朗悖论的学习

奔跑的犀牛先生

已于 2023-06-29 00:43:08 修改

阅读量619

点赞数

分类专栏： maths--概率和统计文章标签：学习

于 2022-08-14 13:06:35 首次发布

本文链接：https://blog.csdn.net/xuemanqianshan/article/details/126328497

版权

maths--概率和统计专栏收录该内容

24 篇文章 23 订阅

订阅专栏

4 贝特朗悖论是离散的概率模型--几何概型的问题，连续分布可以解决这个问题

1 贝特朗悖论

1.1 什么是贝特朗悖论

以下内容来自百科
其实下面3种概率结论是不同测度思路下的结论
对这个问题的不同描述下，同一事件有不同概率，因此为悖论
很多地方说这个来自于古典概型，现在看起来应该是来自于几何概型（连续且无限，等概率）

1.2 为什么会有贝特朗悖论

贝特朗悖论的3种不同的概率结果，是基于几何概型
3种概率结论是不同测度思路下的结论，测度论我还没学过，这个角度我不敢讲，先存着

虽然都是假设几何概型，但是不同的测度方法造成了不同的结论

而且必须有1个前提，是等概率的

方法1是假定弦的中点在圆的直径上均匀分布。
方法2是假设弦的端点在这块”区域“上均匀分布。（我觉得这个更合理，1/3是对的。为什么呢？因为弦的端点在圆上均匀分布我感觉更合理。）
方法3是假定弦的中点在圆形内部均匀分布。

定义概率，需要定义为 p(Ω，F，p)

其中Ω是样本空间（但是需要是是定义再哪儿的样本空间，即使是等可能的样本空间也可能又不同的标准，并不一样），Ω里是独立的基础事件

F 是Ω的所有各种子集的集合

p 是对基本事件的目标组合
举例子
贝朗特悖论里，三种不同的概率结论就是，虽然都是等可能，但是概率空间Ω的定义不同导致最终概率也不同。所以这里必须定义清楚，否则可能会出现如下问题这种几种方法概率不同。

方法1是，看圆心在弦的随机分布，那么刚好是1/2

方法2是，看圆心两点在圆周的分布，可以切换为角度，那么刚好是60-120之外的0-60 和 120-180，刚好是1/3

方法3是，看弦的重点落在小圆内，2个园比较面积，1/4

2 古典概率模型的基础

2.1 古典概型的定义

古典概型是概率论中最直观和最简单的模型，概率的许多运算规则，也首先是在这种模型下得到的。
而且实际运用中是很万金油的模型

古典概型现在的定义：

离散且有限，等概率
随机实验所有可能的结果是有限的
随机实验基本结果发生的概率是相同的。

2.2 古典概率的理论基础

但是古典概型的理论基础，概率相等比我们现在想象的宽泛的多，有个“无差别原则”

无差别原则（也就是不充分理由原则）
不充分理由原则（Insufficient Reason Principle）。
未知的概率都视为等概率
因为无知，或不可知，我们很难知道具体的哪个概率越多? 比如硬币的两面，影响的细微因素很多，但是我们认知只能到等概率的程度

古典概率的基础，应用还挺广
其实之前学习贝叶斯概率时，先验概率，如果是对于一个未知的事情，我们也习惯估计概率是均等的，这个和古典概率的思路不谋而合，这个可能是人的思考习惯的问题
只是贝叶斯概率的先验概率，也有些是本身是有信息基础的，就不一定全是等概率的先验假设，而且贝叶斯概率的目的就是要通过增加更多信息，去修正先验概率。

3 几何概型

古典概型：离散且有限，等概率
几何概型：连续且无限，等概率

3.1 几何概型

几何概型与古典概型相对，将等可能事件的概念从有限向无限的延伸。
如果每个事件发生的概率只与构成该事件区域的长度(面积或体积或度数)成比例，则称这样的概率模型为几何概率模型，简称为几何概型。
比如：对于一个随机试验，我们将每个基本事件理解为从某个特定的几何区域内随机地取一点，该区域中每一个点被取到的机会都一样；而一个随机事件的发生则理解为恰好取到上述区域内的某个指定区域中的点。这里的区域可以是线段，平面图形，立体图形等。用这种方法处理随机试验，称为几何概型.