概率论研究那些受到随机事件(random events)影响的现象,它们具有很大的不确定性。
基础定义
讨论概率时,最重要的就是不确定性的思想,我们需要引入一个足够宽泛的、用于处理不确定性的概念。偶然性试验(chance experiment)或随机试验(random experiment)是产生不确定结果的过程。例如,扔硬币、测试机械使用寿命等都是随机实验。
定义:偶然性试验的样本空间(sample space)Ω 是实施试验所可能产生结果的集合。Ω 里的元素称为该试验的样本点(sample point)。Ω 的子集称为事件(event)。
只包含一个样本点的事件称为基本事件(elementary event),包含多个样本点的事件称为复合事件(compound event)。
样本空间的划分
翻硬币有 2 个样本点,摇骰子有 6 个样本点,像这种有限的样本空间,称为有限样本空间(finite sample space)。
翻一枚硬币,一直翻到背面为止。这样的随机试验的样本空间是:$\Omega=\{T, H T, H H T, H H H T, \ldots\}$。这种样本空间是无限的,但是同时又是可以枚举的,因此称为可数无限样本空间(countably infinite sample space)。
检测灯泡的使用寿命,这样的随机试验的样本空间是:$\Omega=\{t: t \geq 0\}=[0, \infty)$,这种样本空间是不可数的集合,通常称为连续样本空间(continuous sample space)。处理这种样本空间的技巧,与有限样本空间和可数无限样本空间的技巧,有很大的不同。通常又把有限样本空间和可数无限样本空间,统称为离散样本空间(discrete sample space)。
事件的运算
通过定义样本空间这样的集合,以及定义事件作为样本空间的子集。因此,集合论里面的运算自然衍生到了事件的运算。
首先定义事件的发生(occured):对于事件 A∈Ω ,当进行试验时,我们观察到的结果(output)ω∈Ω ,同时也满足 ω∈A 的条件,那么就称事件 A 发生了。
根据这样的定义,那么对于两个事件 A 和 B,满足 A⊆B,那么如果 A 发生,必然有 B 发生。
如果 A⊆B 且 B⊆A,显然根据集合论,A=B。此时,如果事件 A 发生,那么事件 B 发生;反之亦然。由此引入事件等价的定义。
定义:当事件 A 发生,必然有事件 B 发生;反之亦然。那么称 A 和 B 是等价的(equivalent),写作 A=B。
集合论里面全集和空集的概念,对应到事件中,就称为必然事件(certain event)和不可能事件(impossible event)。
定义:事件 A 和 B 的并(union)定义为 A∪B,其含义是 A 或 B 发生。
定义:事件 A 和 B 的交(intersection)定义为 A∩B 或 AB,其含义是 A 且 B 发生。
多个事件的交和并,同样用集合论的语言来表示:
$$
\bigcup_{i=1}^{\infty} A_{i} \text { and } \bigcap_{i=1}^{\infty} A_{i}=\prod_{i=1}^{\infty} A_{i}
$$
定义:已知在样本空间 Ω 上定义的事件 A 和 B,如果 A∪B=∅,那么称 A 和 B 互斥事件(disjoint or mutually exclusive events)。
对于多个事件 Ai,如果满足:
$$
A_{i} A_{j}=\emptyset \quad \text { for any } i \neq j(i, j=1,2, \ldots, n)
$$
那么称事件 Ai 两两互斥(pairwise disjoint)。
定义:令 A 是样本空间上的事件。它的补集称为对立事件(complementary event),当且仅当 A 不发生时,A 的对立事件发生。A 的对立事件记作:$A^{\prime}$ or $\bar{A}$ or $A^{c}$。
定义:事件 A 与 B 的差(difference)指这样的事件,当该事件发生时,A 发生,而 B 不发生,记作 A-B。
于是有这样的关系:
$$
A^{\prime}=\Omega-A \quad \text { and } \quad A-B=A B^{\prime}
$$
所有都是套用集合论上面而来的,以下是事件运算的性质:
- $A \cup A=A \quad A A=A$
- $A \cup \emptyset=A \quad A \emptyset=\emptyset$
- $A \cup \Omega=\Omega \quad A \Omega=A$
- $A \cup B=B \cup A \quad A B=B A$
- $A \cup(B \cup C)=(A \cup B) \cup C \quad A(B C)=(A B) C$
- $A \cup(B C)=(A \cup B)(A \cup C) \quad A(B \cup C)=(A B) \cup(A C)$
- $A \cup A^{\prime}=\Omega \quad A A^{\prime}=\emptyset$
- $\left(A^{\prime}\right)^{\prime}=A$
- If $A \subseteq B$ and $B \subseteq C$, then $A \subseteq C$
- If $A \subseteq B$, then $B^{\prime} \subseteq A^{\prime}$ and vice versa
- If $A \subseteq B$, then $A B=A$ and $A \cup B=B$.
De Morgan 定律:
$$
(A \cup B)^{\prime}=A^{\prime} B^{\prime}, \quad(A B)^{\prime}=A^{\prime} \cup B^{\prime}
$$
参考
- Balakrishnan N, Koutras M V, Politis K G. Introduction to Probability: Models and Applications[M]. John Wiley & Sons, 2019.