随机变量生成的代数是什么意思?


22

通常,在我的统计(自学)过程中,我遇到过术语“由随机变量生成的代数”。我不了解Wikipedia上定义,但最重要的是,我不了解它的直觉。为什么/何时需要由随机变量生成的代数?它们是什么意思?我知道以下几点:σσσ -σ

  • 一 -代数上的一组是的子集的非空集其中包含,是根据补充和下可数工会关闭。σ Ω Ω ΩσΩΩΩ
  • 我们引入代数在无限的样本空间上建立概率空间。特别是,如果是无穷无穷的,我们知道可能存在不可测量的子集(无法为它们定义概率的集合)。因此,我们不能仅使用的幂集作为事件集。我们需要一个较小的集合,该集合仍然足够大,以便我们可以定义有趣事件的概率,并且可以讨论随机变量序列的收敛。σ Ω Ω PΩ ˚FσΩΩ P(Ω)F

简而言之,我认为我对代数有一个相当直观的理解。我想对随机变量生成的代数有一个类似的理解:定义,我们为什么需要它们,直觉,一个示例...σ - σ -σσ


6
一个有效的(且在直观上有意义的)表征是,这是Ω上最粗的sigma-代数,Ω可测量随机变量。
ub

@whuber最粗意味着最小?换句话说,我有我的概率空间Ω FP (Ω,F,P),我有一个RV X Ω RX:ΩR(通过随机变量的定义可以测量),并且σσF的最小子集,F使得XX仍然是可测量的。好的,但是这引出了一个问题,即XX是可测量的直观含义:-)说我们可以定义a < X < ba<X<b和联合/相交类型的所有事件的概率是否有意义?
DeltaIV '17

2
一次查看单个X几乎无法提供有关可测量性的直觉。当您研究随机变量(随机过程)的集合时,这个概念就应运而生了。反过来,最简单的随机过程(例如有限离散二项式随机游动)提供了一种可解释的设置,在该设置中,所有变量X 0X 1... X t生成的sigma-代数可以被认为是“可用信息”。到(包括)时间t。” XX0,X1,,Xtt
whuber

@whuber对不起,我听不懂:)如果您能向我指出您的另一个答案,以获取更多详细信息,或者您希望将其扩展为答案,我将不胜感激。否则不用担心-也许我对随机过程的了解不足以使您明白这一点。Altough ..我需要磨练动态贝叶斯网络技能,因此,如果这种直觉在处理时间序列时有所帮助,我会很感兴趣。
DeltaIV

Answers:


20

考虑随机变量XX。我们知道XX只是从Ω A(Ω,A)RBR(R,B(R))的可测量函数,其中BRB(R)是实线的Borel集。根据可测量性的定义,我们知道

X - 1[R

X1(B)A,BB(R)

但是实际上,Borel集的原像可能不是全部AA,而是它们可能构成其更粗糙的子集。要看到这一点,让我们定义

Σ = {小号小号= X - 1[R } 

Σ={SA:S=X1(B), BB(R)}

利用原像的特性,很难证明ΣΣ是西格玛代数。它还紧跟在ΣΣA,因此,ΣΣ是子σ-代数。此外,根据定义,很容易看出映射X Ω ΣRB RX:(Ω,Σ)(R,B(R))是可测量的。 实际上,ΣΣ是使XX成为随机变量的最小的sigma代数,因为该类型的所有其他sigma代数至少会包含ΣΣ。出于处理随机变量X的原X像的原因,我们将ΣΣ称为由随机变量XX引起的sigma-代数。

下面是一个极端的例子:考虑一个恒定随机变量XX,即,X ω &equiv; αX(ω)α。然后X - 1[R  X1(B), BB(R)等于或者ΩΩ取决于是否α αB。这样生成的sigma代数是微不足道的,因此,它肯定包含在A中A

Hope this helps.


3
AA is the set of events, right? The one I denoted with FF
DeltaIV

3
Yes, I was born with the condition of finding AA more appealing than FF.
JohnK

3
excellent! Very clear. You should write a book :)
DeltaIV
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.