發表文章

目前顯示的是 2月, 2021的文章

📘 [機率]08- 事件的極限

  想要定義事件列(sequence of events)的極限,我們先從比較簡單的狀況下手,先考慮那些具有單調性(monotone)的事件列。   - 如果事件列$(A_n) \in \mathcal{A}$ 是遞增的,也就是 $A_1 \subseteq A_2  \subseteq ...$,則可以定義 $A_n$ 的極限事件為 $A_n$ 的聯集:  $lim_{n\rightarrow \infty}A_n:= \cup_{n=1}^{\infty}{A_n}$   [pic1]   看了示意圖應該會覺得這樣定義非常合情合理吧!   越來越大的 $A_n$ 就是把他們一個一個聯集起來(也會越來越大) 。  - 如果事件列 $(A_n) \in \mathcal{A}$ 反過來是遞減的,也就是 $A_1 \supseteq A_2  \supseteq ...$,則可以定義 $A_n$ 的極限事件為 $A_n$ 的交集:  $lim_{n\rightarrow \infty}A_n:= \cap_{n=1}^{\infty}{A_n}$   [pic2]   那現在會很自然的好奇,如果 $(A_n)$ 沒有那麼好的性質應該要怎麼辦呢?   跟在討論數列的極限時類似,這裡也退而求其次,引進 $limsup$ 與 $liminf$ 的定義。 - $limsupA_n := \cap_{m=1}^{\infty} \cup_{n=m}^{\infty}{A_n}$   值得注意的是後半部聯集的地方 $\cup_{n=m}^{\infty}{A_n}$ 其實是一個遞減的集合列,把 $\cup_{n=m}^{\infty}{A_n}$ 叫做 $B_m$ ,可以看到隨著 $m$ 越來越大,參與聯集的 $A_n$ 就會變少, $B_m$ 自然就會變小。 如此一來, $limsupA_n = \cap_{m=1}^{\infty} B_m=lim_{m \rightarrow \infty}B_m$ ,因為 $B_m$ 是遞減,就可以用最上方極限的定義。...

📘[機率]04- 機率測度(probability measure)

一般的測度 $\mu$ 定義在 $\sigma-algebra$ $\mathcal{A}$,映射到$[0,\infty]$   $\mu:\mathcal{A} \rightarrow [0,\infty]$ 為$A \mapsto \mu(A)$ 滿足   (i) 空集合的測度為零 $\mu(\phi)=0$   (ii) 測度一定是非負 $\mu(A) \geq 0$, $\forall A \in \mathcal{A}$   (iii) 對於兩兩互斥的$A_n,n=1,2,...$,則有$\mu(\cup^\infty_{n=1}A_n) = \sum^\infty_{n=1}\mu(A_n)$ ,此性質稱為"可數可加性",是對於建立"測度的連續性"的重要角色。   *註: (iii)其實是一個很合理的條件, 我們會期望在計算"抽象長度"的時候他是可以分開計算再加起來的。 我們從小就聽過"機率的總和要是一" ,這件事是在說明機率空間 $(\Omega,\mathcal{A},P)$ 是一個有限的測度空間,而且他的總測度為一 ,也就是 $P(\Omega)=1$,所以機率作為一個測度也滿足上述的性質(i)~(iii)並且多了一條 $P(\Omega)=1$,那這個條件很自然的隱含了$0 \leq P(A) \leq 1$。   關於$P$ 的定義域 $\mathcal{A}$ ,可以想像,在做試驗以前,需要先界定每個事件發生的可能性,也就是對於每個$A \in \mathcal{A}$ 都要定出機率值,所以 $P$ 的定義域是事件空間 $\mathcal{A}$ 。換句話說,事件空間決定了整個模型的尺度。 那實際上要如何在 $\mathcal{A}$ 上定義機率(或一般測度)呢 ?   以樣本空間 $\Omega$ 大小作為分類,有不同的做法   1. 如果 $\Omega$是至多可數無窮(包括有限的情況)的話,$\mathcal{A}$ 選作 $2^\Omega$,我們只需要定義每一個單點集的機率,剩下的都可以用(iii)可數可加性去做計算:    對於所有 $\omega_n \...

📘[機率]03- Borel sigma-algebra

接下來我們來討論一個很重要的特例-- $Borel$ $\sigma-algebra$。   當 $\Omega$ 選作 $\mathbb{R}$ 的時候,習慣上會搭配 $Borel$ $\sigma-algebra$,作為一個待測空間 $(\mathbb{R},\mathcal{B})$   $Borel$ $\sigma-algebra$ 是由 " 收集 $\mathbb{R}$ 上開區間的collection of set "   $\mathcal{O}:=\{open \ interval\ in\ \mathbb{R}\}$ 生成出來的。   簡寫為 $\mathcal{B(\mathbb{R})} \ or \   \mathcal{B}$ 。    所以$\mathcal{B}=\sigma(\mathcal{O})$ 。  $Borel \ set$ 就是所謂 $Borel$ $\sigma-algebra$ 裡的元素。 $B \in \mathcal{B}$其中的 $B$就是 $Borel \ set$。   * 註: $\mathcal{B}$ 是collection of set,裡面的元素 $B$ 是一個集合 等價地,$Borel$ $\sigma-algebra$ 也可以用 $\mathcal{I}:=\{(-\infty,x]:x\in \mathbb{R}\}$生成 (這是可以證明的),$\mathcal{B}=\sigma(\mathcal{I})$。從這個角度來看,利用$\sigma-algebra$的 "可屬集合運算封閉" 的性質,我們可以實際的看看到底有甚麼東西落在 $\mathcal{B}$ 裡     *  $(x,\infty)=(-\infty,x]^c \in \sigma(\mathcal{I})$    #$(x,\infty)$可以表為$(-\infty,x]$的補集,所以在$\sigma(\mathcal{I})$裡面 *  $(-\infty,x)=\cup^\infty_{n=1}(-\in...

📘[機率]02- sigma-algebra

上次簡單說明了一個隨機試驗$(\Omega,\mathcal{A},P)$是一個機率空間,這次來說明一些關於$\sigma-algebra$的想法。 通常討論的 $\Omega$ 是一個集合,可能是 $\mathbb{R}$、$\mathbb{R^n}$ 、賦距空間(metric space),或是上次說的樣本空間,甚至是沒有任何數學結構的集合,所以對於 $\Omega$ 能討論的事情就不太多,基本上我們討論$\Omega$的子集。   收集 $\Omega$ 所有子集的集合(collection of subsets),稱為$\Omega$的冪集合(power set),記做 $2^\Omega$。 如果 $\Omega$ 有k個元素 $n(\Omega)=k$,那他的冪集合就有 $2^k$ 個元素 $n(2^\Omega)=2^k$ (對於每個 $\Omega$ 的元素考慮"選與不選"進子集裡)。   有時候當 $\Omega$ 很大的時候,$2^\Omega$會變得非常非常大,以至於無法討論一些事(無法定義測度),所以我們要去限制$2^\Omega$ ,討論較小的collection。 也就是上次提到的 $\sigma-algebra$ $\mathcal{A}$。 滿足   (i) $\phi \in \mathcal{A}$    (ii) $A \in \mathcal{A}$,則$A^c \in \mathcal{A}$     (iii) $\{A_n\},n=1,2,... \in \mathcal{A}$,則$\cup^\infty_{n=1}A_n \in \mathcal{A}$        *註: (ii)跟(iii)可以推得 $\sigma-algebra$ 在"可數"多次的集合操作(交集、聯集、差集......)後,都是封閉的。封閉的意思是,經過操作之後的東西,依然在這個 $\sigma-algebra$ 裡。 具體來說,如果$A$是$\Omega$的子集 $A \subset \Omega$,那$\mathcal{A_1}=\{\phi,A,A^c,\Omega\}$是一個$\...