확률 공간과 Kolmogorov의 공리
확률 공간 는 정의상 트리플 플 여기서 는 일련의 결과이며 는 -algebra입니다. 의 서브 세트 와 콜 모고 로프, 즉의 공리 다하는 확률 측정 행 함수 에 되도록 및 해체를위한 에서 는 것을 보유 ( Ω , F , P ) Ω F σ Ω P P F [ 0 , 1 ] P ( Ω ) = 1 E 1 , E 2 , … F P ( ∪ ∞ j = 1 E j ) = ∑ ∞ j = 1 P ( E의 J )피(Ω,F,P)ΩFσΩPPF[0,1]P(Ω)=1E1,E2,…FP(∪∞j=1Ej)=∑∞j=1P(Ej).
이 이벤트에 대한 하나의 수와 같은 확률 공간 내에서 에서 등의 조건부 확률을 정의F P ( E 1 | E 2 ) d e f = P ( E 1 ∩ E 2 )E1,E2FP(E1|E2)=defP(E1∩E2)P(E2)
참고 :
- 이 '조건부 확률'은 가 에 정의 된 경우에만 정의 되므로 조건부 확률을 정의 할 수있는 확률 공간이 필요합니다.FPF
- 확률 공간 (매우 일반적인 용어로 정의 세트 , -algebra 및 확률 계수 있지만 별개로), 유일한 요건은 특정 속성이 충족되어야한다는 것이다 이 세 가지 요소는``모든 것 ''일 수 있습니다.σ F PΩ σFP
자세한 내용은 이 링크를 참조하십시오
베이 즈의 규칙은 모든 (유효한) 확률 공간에서 유지됩니다
조건부 확률의 정의에서 합니다. 그리고 두 후자의 방정식에서 우리는 베이 즈의 규칙을 찾습니다. 따라서 베이 즈의 규칙은 (조건부 확률의 정의에 따라) 확률 공간에서 ( 각각의 방정식에서 및 을 도출합니다. (교차가 정류하기 때문에 동일합니다). P(E1∩E2)P(E2∩E1)P(E2|E1)=P(E2∩E1)P(E1)P(E1∩E2)P(E2∩E1)
베이지안 규칙은 베이지안 추론의 기초이므로, 유효한 (즉, 모든 조건을 충족시키는, ao Kolmogorov의 공리) 확률 공간에서 베이지안 분석을 수행 할 수 있습니다.
확률의 빈번한 정의는``특별한 경우 ''입니다
위의 내용은``일반적으로 '', 즉 가 하위 집합에 대한 -algebra 인 한 특정 , , 를 염두에 두지 않습니다. 와 콜 모고 로프의 공리를 충족합니다.F P F σ Ω PΩFPFσΩP
이제 우리는 대한 "자주적인"정의가 콜로 모고 로프의 공리를 충족 시킨다는 것을 보여줄 것입니다. 이 경우``자주적 ''확률은 Kolmogorov의 일반적이고 추상적 인 확률의 특별한 경우 일뿐입니다. P
예를 들어 주사위를 굴려 봅시다. 그런 다음 가능한 모든 결과 는 입니다. 우리는 또한 필요 세트에 -algebra을 우리가 가지고 F를 의 모든 부분 집합의 집합 Ω 즉, F = 2 Ω .Ω = { 1 , 2 , 3 , 4 , 5 , 6 } σ ΩΩΩ={1,2,3,4,5,6}σΩFΩF=2Ω
우리는 여전히 확률 측정 를 빈번하게 정의해야합니다 . 따라서 을 여기서 은 주사위의 롤 에서 얻은 의 개수입니다 . 와 비슷 하지만 ... 와 유사합니다 .PP({1}) n11nP({2})P({6})P({1})=deflimn→+∞n1nn11nP({2})P({6})
이런 식으로 는 모든 싱글 톤에 대해 정의됩니다 . 의 다른 세트의 , 예를 들어, 우리가 정의 빈도주의 방식으로, 즉
이지만 'lim'의 선형성에 따르면 , 이는 Kolmogorov의 공리가 유지됨을 의미합니다.F F { 1 , 2 } P ( { 1 , 2 } ) P ( { 1 , 2 } ) d e f = lim n → + ∞ n 1 + n 2PFF{1,2}P({1,2}) P({1})+P({2})P({1,2})=deflimn→+∞n1+n2nP({1})+P({2})
따라서 확률의 잦은 정의는 Kolomogorov의 확률 측정에 대한 일반적이고 추상적 인 정의의 특별한 경우 일뿐입니다.
Kolmogorov의 공리를 충족시키는 확률 측정을 정의하는 다른 방법이 있으므로 잦은 정의가 유일한 것은 아닙니다.
결론
Kolmogorov의 공리 시스템의 확률은``추상 ''이며 실제 의미는 없으며``축소 ''라는 조건 만 충족하면됩니다. 이러한 공리 만 사용하여 Kolmogorov는 매우 풍부한 이론을 도출 할 수있었습니다.
확률에 대한 빈번한 정의는 공리를 가득 채우므로 추상적 인``무의미한 '' 를 빈번한 방식으로 정의 된 확률로 대체합니다 .`` 빈번한 확률 ''은 단지 특별한 것이기 때문에 이러한 모든 이론은 유효합니다 Kolmogorov의 추상 확률의 경우 (즉, 공리를 충족시킨다).P
Kolmogorov의 일반 프레임 워크에서 파생 될 수있는 속성 중 하나는 베이 즈 규칙입니다. 일반적인 프레임 워크와 추상 프레임 워크에서와 같이, 확률이 잦은 방식으로 정의되는 특정한 경우에 (cfr 위)를 유지합니다 (빈번의 정의가 공리를 이행하고 이러한 공리가 유일한 것이기 때문에) 모든 정리를 도출). 따라서 확률의 빈번한 정의로 베이지안 분석을 수행 할 수 있습니다.
정의 빈도주의 방법으로하면은이 콜 모고 로프의 추상적 인 공리를 충족 것을 정의하는 다른 방법이 유일한 가능성 아니다. 베이 즈의 규칙은 이러한``특정 사례 ''에도 적용됩니다. 따라서 확률 이 아닌 비정의적인 정의로 베이지안 분석을 수행 할 수도 있습니다 .P
2016 년 8 월 23 일 수정
귀하의 의견에 대한 @mpiktas의 반응 :
내가 말했듯이, 및 확률 측정 는 공리 시스템에서 특별한 의미가 없으며 추상적입니다. PΩ,FP
이 이론을 적용하려면 추가 정의 를 제공해야합니다 (따라서 "기괴한 정의로 더 이상 혼동 할 필요가 없습니다"라는 의견 이 잘못 되었으므로 추가 정의가 필요합니다 ).
공정한 동전을 던지는 경우에 적용하십시오. Kolmogorov의 이론에서 세트 는 특별한 의미가 없으며 단지``세트 ''여야합니다. 따라서 공정한 동전의 경우이 세트가 무엇인지 지정해야합니다. 즉, 세트 정의해야합니다 . 우리는 H로서 머리와 꼬리 T로서, 다음 세트를 나타내는 경우 인 정의 .Ω Ω Ω d e f = { H , T }ΩΩΩ Ω=def{H,T}
또한 이벤트 를 정의 해야합니다 (예 : -algebra . 우리는 합니다. 가 -algebra 인지 쉽게 확인할 수 있습니다.F F d e f = { ∅ , { H } , { T } , { H , T } } F σσFF=def{∅,{H},{T},{H,T}}Fσ
다음으로 의 모든 이벤트에 대해 측정 값을 정의해야합니다 . 따라서 에서 맵 을 정의 해야합니다 . 공정한 동전을 위해 빈번한 방식으로 정의 할 것입니다. 거의 여러 번 던지면 머리의 비율은 0.5가되므로 . 마찬가지로 , 및 입니다. 그 주 에서지도입니다 의 과는 콜 모고 로프의 공리를 충족있다.F [ 0 , 1 ] P ( { H } ) d e f = 0.5 P ( { T } ) d e f = 0.5 P ( { H , T } ) d e f = 1 P ( ∅ ) d e f = 0 P F [ 0 , 1 ]E∈FF[0,1]P({H})=def0.5P({T})=def0.5P({H,T})=def1P(∅)=def0PF[0,1]
확률의 잦은 정의를 참조하려면 이 링크 ( 'definition'섹션의 끝에있는) 와이 링크를 참조하십시오 .