概率空间和柯尔莫哥洛夫公理
根据定义,概率空间是三元组,其中是一组结果,是代数和的子集是满足Kolmogorov公理的概率度量,即是从到的函数,因此,对于不相交的,它认为(Ω ,˚F,P)Ω ˚F σ Ω P P ˚F [ 0 ,1 ] P(Ω )= 1 Ë 1,ë 2,... ˚F P (∪ ∞ Ĵ = 1个 Ë Ĵ ) = Σ ∞ Ĵ = 1 P(E j)P(Ω,F,P)ΩFσΩPPF[0,1]P(Ω)=1E1,E2,…FP(∪∞j=1Ej)=∑∞j=1P(Ej)。
在这样的概率空间内,对于两个事件,可以将条件概率定义为˚F P(ë 1 | ë 2)d Ë ˚F = P(Ë 1 ∩ ë 2)E1,E2FP(E1|E2)=defP(E1∩E2)P(E2)
注意:
- 仅在上定义时才定义此“条件概率” ,因此我们需要一个概率空间才能定义条件概率。˚FPF
- 概率空间非常笼统定义(一组,一个 -代数和一个概率测度),唯一的要求是,某些性能应满足但除此之外这三个要素可以是“任何东西”。σ ˚F PΩ σFP
可以在此链接中找到更多详细信息
贝叶斯规则在任何(有效)概率空间中均成立
根据条件概率的定义,它还认为。从后两个方程式中我们可以找到贝叶斯定律。因此,贝叶斯规则(根据条件概率的定义)在任何概率空间中保持(以示明,从每个方程式导出和并等价它们(它们相等,因为相交是可交换的))。 P(Ë1∩ë2)P(Ë2∩ë1)P(E2|E1)=P(E2∩E1)P(E1)P(E1∩E2)P(E2∩E1)
由于贝叶斯规则是贝叶斯推理的基础,因此人们可以在任何有效(即满足所有条件,即柯尔莫哥洛夫公理)概率空间中进行贝叶斯分析。
概率论的频繁定义是“特殊情况”
上面说的是“一般”,也就是说,只要是子集上的代数,我们就没有特定的,,和满足柯尔莫哥洛夫公理。˚F P ˚F σ Ω PΩFPFσΩP
现在,我们将证明的“频繁”定义可以满足Kolomogorov的公理。如果真是这样,那么“惯常”概率只是科摩莫罗夫的一般概率和抽象概率的特例。 P
让我们举个例子,掷骰子。那么所有可能结果的集合就是。我们还需要一个代数这套和大家集合的所有子集的,即。Ω = { 1 ,2 ,3 ,4 ,5 ,6 } σ Ω ˚F Ω ˚F = 2 ΩΩΩ={1,2,3,4,5,6}σΩFΩF=2Ω
我们仍然必须以一种频繁的方式定义概率测度。因此,我们将为,其中是卷骰子中获得的的数量。与相似,...。PP({1}) n11nP({2})P({6})P({1})=deflimn→+∞n1nn11nP({2})P({6})
这样,为所有单例定义了。对于任何其他集合,例如我们以一种频繁使用的方式定义,即
,但是根据“ lim”的线性,它等于,这意味着Kolmogorov的公理成立。˚F ˚F { 1 ,2 } P({ 1 ,2 } )P({ 1 ,2 } )d Ë ˚F = LIM Ñ → + ∞ Ñ 1 + Ñ 2PFF{1,2}P({1,2}) P({1})+P({2})P({1,2})=deflimn→+∞n1+n2nP({1})+P({2})
因此,概率论的频繁定义只是科洛莫哥洛夫对概率测度的一般和抽象定义的特例。
请注意,还有其他方法可以定义满足Kolmogorov公理的概率测度,因此,常客主义定义不是唯一可能的定义。
结论
柯尔莫哥洛夫公理系统中的概率是“抽象的”,没有实际意义,只需要满足称为“轴心”的条件。仅使用这些公理,Kolmogorov就能得出非常丰富的定理。
概率论的概率论定义充满了公理,因此用一种以概率论方法定义的概率代替了抽象的“无意义”,所有这些定理都是有效的,因为“概率论”只是一个特殊的Kolmogorov抽象概率的情况(即,它满足了公理)。P
贝叶斯规则是可在Kolmogorov的一般框架中得出的属性之一。正如它在一般和抽象框架中所具有的那样,在特定情况下,它也将以概率论的方式定义概率(因为概率论的定义满足了公理,而这些公理是唯一需要做的事情)推导出所有定理)。 因此,可以使用概率的频繁定义来进行贝叶斯分析。
用频繁的方式定义并不是唯一的可能性,还有其他定义方式可以使其满足Kolmogorov的抽象公理。在这些“特殊情况”下,贝叶斯规则也将成立。因此,也可以使用非频率论概率定义进行贝叶斯分析。P
编辑23/8/2016
@mpiktas对您的评论的反应:
如我所说,集合和概率测度在公理系统中没有特殊含义,它们是抽象的。 PΩ,FP
为了应用该理论,您必须给出进一步的定义(因此,您在注释中所说的“无需进一步混淆一些奇怪的定义”是错误的,您需要其他定义)。
让我们将其应用于抛掷公平硬币的情况。Kolmogorov理论中的集合没有特别的意义,它只不过是“集合”。因此,在公平硬币的情况下,我们必须指定此组合的含义,即必须定义。如果我们表示头H和尾为T,则该组是通过定义。ΩΩΩ Ω=def{H,T}
我们还必须定义事件,即 -algebra。我们定义为。很容易验证是代数。σFF=def{∅,{H},{T},{H,T}}Fσ
接下来,我们必须为每个事件定义其度量。因此,我们需要在从定义一个映射。我将以惯常的方式定义它,对于一个公平的硬币,如果我扔很多次,那么正面的比例将是0.5,因此我定义了。同样,我定义,和。需要注意的是是从地图在,它满足柯尔莫哥洛夫公理。E∈FF[0,1]P({H})=def0.5P({T})=def0.5P({H,T})=def1P(∅)=def0PF[0,1]
有关概率论的常用定义的参考,请参见此链接(在“定义”部分的末尾)和此链接。