На чисто формальном уровне можно было бы назвать теорию вероятностей изучением пространств мер с полной мерой один, но это было бы как называть теорию чисел изучением цепочек цифр, которые заканчиваются
- из Темы Терри Тао в теории случайных матриц .
Я думаю, что это действительно фундаментальная вещь. Если у нас есть вероятностное пространство и случайная величина с принудительной мерой , то причина плотность интегрируется в единицу, потому что . И это более фундаментально, чем pdfs против pmfs.X : Ω → R P X : = P ∘ X - 1 f = d P X(Ω,F,P)X:Ω→RPX:=P∘X−1 P(Ω)=1f=dPXdμP(Ω)=1
Вот доказательство:
∫Rfdμ=∫RdPX=PX(R)=P({ω∈Ω:X(ω)∈R})=P(Ω)=1.
Это почти перефразирует ответ AdamO (+1), потому что все CDF являются càdlàg, и существует взаимно-однозначное соотношение между множеством CDF в и множеством всех вероятностных мер в , но так как CDF RV определяется с точки зрения его распределения, я рассматриваю вероятностные пространства как место, с которого «начинать» этот вид деятельности. ( R , B )R(R,B)
Я обновляюсь, чтобы уточнить соответствие между CDF и вероятностными показателями и то, как оба являются разумными ответами на этот вопрос.
Мы начнем с двух вероятностных мер и анализа соответствующих CDF. Вместо этого мы начинаем с CDF и смотрим на меру, вызванную им.
Пусть и R - вероятностные меры на ( R , B ), и пусть F Q и F R - их соответствующие CDF (т.е. F Q ( a ) = Q ( ( - ∞ , a ] ) и аналогично для ). и и то, и другое представляло бы меру случайных переменных (то есть распределения), но на самом деле не имеет значения, откуда они для этого пришли.QR(R,B)FQFRFQ(a)=Q((−∞,a])Q RRQR
Основная идея заключается в следующем: если и сходятся в достаточно богатом наборе множеств, то они соглашаются в -алгебре, порожденной этими множествами. Интуитивно понятно, что если у нас есть хорошо организованная коллекция событий, которая посредством счетного числа дополнений, пересечений и союзов образует все , то согласование всех этих множеств не оставляет места для разногласий ни по одному борелю поставил.R σ BQRσB
Давайте формализовать это. Пусть и пусть , то есть является подмножеством на котором иL = { A ⊆ R : Q ( A ) = R ( A ) } L P ( R ) Q RS={(−∞,a]:a∈R}L={A⊆R:Q(A)=R(A)}LP(R)QR сходятся (и определяются). Обратите внимание, что мы позволяем им согласовывать неборелевские множества, поскольку как определено, не является обязательно подмножество B . Наша цель состоит в том, чтобы показать , что B ⊆ L .LBB⊆L
Оказывается, что ( σ -алгебра, порожденная S ) на самом деле является , поэтому мы надеемся, что является достаточно большой коллекцией событий, и если всюду на то они «вновь вынуждены быть равны по всем .σ(S)σSS Q = R S BBSQ=RSB
Заметим, что замкнут относительно конечных пересечений и что замкнут относительно дополнений и счетных непересекающихся пересечений (это следует из -аддитивности). Это означает, что является -системой, а является -системой . К - λ теорема поэтому мы имеем , что сг ( S ) = B ⊆ L . Элементы SL σ S π L λ πSLσSπLλπλσ(S)=B⊆LSне столь сложны, как произвольное борелевское множество, но потому что любое борелевское множество может быть сформировано из счетного числа дополнений, объединений и пересечений элементов , если между элементами Q и R нет ни одного разногласия S , то за этим последует до так как нет никаких разногласий по любому B ∈ B .SQRSB∈B
Мы только что показали, что если то Q = R (на B ), что означает, что отображение Q ↦ F Q из P : = { P : P является вероятностной мерой на ( R , B ) } в F : = { F : R → R : F - CDF } - инъекция.FQ=FRQ=RBQ↦FQP:={P:P is a probability measure on (R,B)}F:={F:R→R:F is a CDF}
Теперь, если мы хотим подумать о том, чтобы идти в другом направлении, мы хотим начать с CDF и показать, что существует уникальная мера вероятности Q такая, что F ( a ) = Q ( ( - ∞ , a ] ) . Это установит что наше отображение Q ↦ F Q на самом деле является биекцией. Для этого направления мы определяем F без какой-либо ссылки на вероятность или меры.FQF(a)=Q((−∞,a])Q↦FQF
Сначала мы определим функцию меры Стилтьеса как функцию такую, чтоG:R→R
- не убываетG
- непрерывно справаG
(и обратите внимание, что из этого определения следует, что быть càdlàg, но из-за дополнительного неубывающего ограничения «большинство» функций càdlàg не являются функциями меры Стилтьеса).
Можно показать, что каждая функция Стилтьеса индуцирует уникальную меру µ на ( R , B ), определяемую
µ ( ( a , b ] ) = G ( b ) - G ( a )
(см., Например , вероятность и случайные процессы Дарретта для деталей на этом). Например, мера Лебега индуцируется G ( x ) = x .Gμ(R,B)
μ((a,b])=G(b)−G(a)
G(x)=x
Flim x → ∞ F ( x ) : = F ( ∞ ) = 1 F Q ( R , B ) Q ( ( a , b ] ) = F ( b ) - F ( a ) .limx→−∞F(x):=F(−∞)=0limx→∞F(x):=F(∞)=1FQ(R,B)
Q((a,b])=F(b)−F(a).
Обратите внимание, как и поэтому является вероятностной мерой и является именно той, которую мы использовали бы для определения если бы мы шли в другом направлении.Q ( ( - ∞ , - ∞ ] ) = F ( ∞ ) - F ( - ∞ ) = 1 Q FQ((−∞,a])=F(a)−F(−∞)=F(a)Q((−∞,−∞])=F(∞)−F(−∞)=1QF
Все вместе мы уже видели , что отображение 1-1 и на так что мы действительно имеем взаимно однозначное соответствие между и . Возвращаясь к актуальному вопросу, это показывает, что мы могли бы эквивалентно удерживать либо CDF, либо вероятностные меры в качестве нашего объекта, для которого мы объявляем вероятность изучения (при этом также признавая, что это несколько нелепое усилие). Я лично все еще предпочитаю вероятностные пространства, потому что я чувствую, что теория более естественно движется в этом направлении, но CDF не являются «неправильными».P FQ↦FQPF