機率公設

本页使用了标题或全文手工转换
维基百科,自由的百科全书
(重定向自概率公理

機率公理(英語:Probability axioms)是概率論的公理,任何事件發生的概率的定義均滿足概率公理。因其提出者为安德烈·柯尔莫果洛夫,也被稱为柯尔莫果洛夫公理Kolmogorov axioms)。

某个事件的概率是定义在“全体”(universe)或者所有可能基础事件的样本空间时,概率必须满足以下柯尔莫果洛夫公理。

也可以说,概率可以被解释为定义在样本空间的子集的σ代数上的一个测度,那些子集为事件,使得所有集的测度为。这个性质很重要,因为这裡提出条件概率的自然概念。对于每一个非零概率A都可以在空间上定义另外一个概率:

通常读作“给定A时B的概率”。如果给定A时B的条件概率与B的概率相同,,则称A与B互相独立

当样本空间是有限或者可数无限时,概率函数也可以以基本事件定义它的值,这里

柯尔莫果洛夫公理[编辑]

假设有一个基础集,其子集的集合σ代数,和一个给的元素指定一个实数的函数的元素,称为“事件”。

第一公理(非负性)[编辑]

对于任意一个集合, 即对于任意的事件

即,任一事件的概率都可以用区间上的一个实数来表示。

第二公理(归一化)[编辑]

即,整体样本集合中的某个基本事件发生的概率为1。更加明确地说,在样本集合之外已经不存在基本事件了。

这在一些错误的概率计算中经常被小看;如果你不能准确地定义整个样本集合,那么任意子集的概率也不可能被定义。

第三公理(可加性)[编辑]

任意两两不相交事件可数序列满足

即,不相交子集的并的事件集合的概率为那些子集的概率的和。这也被称为是σ可加性。如果存在子集间的重叠,这一关系不成立。

如想通过代数了解柯尔莫果洛夫的方法,请参照随机变量代数

又發展成Boole不等式,證明時常使用此公式:

概率论引理[编辑]

从柯尔莫果洛夫公理可以推导出另外一些对计算概率有用的法则。

这一关系给出了贝叶斯定理。以此可以得出A和B是独立的当且仅当

相关条目[编辑]

外部链接[编辑]