基本概念

概述

在研究具体的随机现象时我们通常着重关注以下要素：

样本空间 $Ω$ ，指明随机现象所有可能出现的结果。
事件域 $F$ ，表示我们所关心的所有事件。
概率 $P$ ，描述每一个事件发生的可能性大小。

样本空间、随机事件

定义

一个随机现象中可能发生的不能再细分的结果被称为 样本点。所有样本点的集合称为 样本空间，通常用 $Ω$ 来表示。

一个 随机事件 是样本空间 $Ω$ 的子集，它由若干样本点构成，用大写字母 $A, B, C, \dots$ 表示。

对于一个随机现象的结果 $ω$ 和一个随机事件 $A$ ，我们称事件 $A$ 发生了 当且仅当 $ω \in A$ 。

例如，掷一次骰子得到的点数是一个随机现象，其样本空间可以表示为 $Ω = {1, 2, 3, 4, 5, 6}$ 。设随机事件 $A$ 为「获得的点数大于 $4$ 」，则 $A = {5, 6}$ 。若某次掷骰子得到的点数 $ω = 3$ ，由于 $ω \notin A$ ，故事件 $A$ 没有发生。

事件的运算

由于我们将随机事件定义为了样本空间 $Ω$ 的子集，故我们可以将集合的运算（如交、并、补等）移植到随机事件上。记号与集合运算保持一致。

特别的，事件的并 $A \cup B$ 也可记作 $A + B$ ，事件的交 $A \cap B$ 也可记作 $A B$ ，此时也可分别称作 和事件 和 积事件。

事件域

研究具体的随机现象时我们需要明确哪些事件是我们感兴趣的。根据随机事件的定义，显然有 $F \subset 2^{Ω}$ （记号 $2^{Ω}$ 表示 $Ω$ 的幂集），但 $F = 2^{Ω}$ 却不是必须的。这在样本空间 $Ω$ 有限时可能有些难以理解，毕竟 $2^{Ω}$ 尽管更大了但仍然有限。而当 $Ω$ 为无穷集时， $2^{Ω}$ 的势变得更大，其中也难免会出现一些「性质不太好」且我们不关心的事件，这时为了兼顾这些事件而放弃一些性质就显得得不偿失了。

尽管 $F = 2^{Ω}$ 不是必须的，这并不代表 $2^{Ω}$ 的任一子集都能成为事件域。我们通常会对一些事件进行运算得到的结果事件的概率感兴趣，因此我们希望事件域 $F$ 满足下列条件：

$\emptyset \in F$ ；
若 $A \in F$ ，则补事件 $\bar{A} \in F$ ；
若有一列事件 $A_{n} \in F, n = 1, 2, 3 \dots$ ，则 $⋃ A_{n} \in F$ 。

简言之，就是事件域 $F$ 对在补运算、和可数并下是封闭的，且包含元素 $\emptyset$ 。

可以证明满足上述三个条件的事件域 $F$ 对可数交也是封闭的。

以掷骰子为例，当样本空间记为 $Ω = {1, 2, 3, 4, 5, 6}$ 时，以下两个集合能够成为事件域：

$F_{1} = {\emptyset, Ω}$
$F_{2} = {\emptyset, {1, 3, 5}, {2, 4, 6}, Ω}$

但以下两个集合则不能

$F_{3} = {\emptyset, {1}, Ω}$ （对补不封闭）
$F_{4} = {{1, 3, 5}, {2, 4, 6}}$ （不含有 $\emptyset$ 且对并不封闭）

概率

定义

古典定义

在概率论早期实践中，由于涉及到的随机现象都比较简单，具体表现为样本空间 $Ω$ 是有限集，且直观上所有样本点是等可能出现的，因此人们便总结出了下述定义：

如果一个随机现象满足：

只有有限个基本结果；
每个基本结果出现的可能性是一样的；

那么对于每个事件 $A$ ，定义它的概率为

P (A) = \frac{# (A)}{# (Ω)}

其中 $# (\cdot)$ 表示对随机事件（一个集合）大小的度量。

后来人们发现这一定义可以直接推广到 $Ω$ 无限的一部分情景中，于是就有了所谓几何概型。

公理化定义

上述基于直观认识的定义在逻辑上有一个很大的漏洞：在定义「概率」这一概念时用到了「可能性」这一说法，产生了循环定义的问题。同时「等可能」在样本空间无限时会产生歧义，由此产生了包括 Bertrand 悖论在内的一系列问题。

经过不断探索，苏联数学家柯尔莫哥洛夫于 1933 年在他的《概率论基础》一书中第一次给出了概率的公理化定义：

概率函数 $P$ 是一个从事件域 $F$ 到闭区间 $[0, 1]$ 的映射，且满足：

规范性：事件 $Ω$ 的概率值为 $1$ ，即 $P (Ω) = 1$ 。
可数可加性：若一列事件 $A_{1}, A_{2}, \dots$ 两两不交，则 $P (⋃_{i \geq 1} A_{i}) = \sum_{i \geq 1} P (A_{i})$ 。

概率函数的性质

对于任意随机事件 $A, B \in F$ ，有

单调性：若 $A \subset B$ ，则有 $P (A) \leq P (B)$ 。
容斥原理： $P (A + B) = P (A) + P (B) - P (A B)$ 。
$P (A - B) = P (A) - P (A B)$ ，这里 $A - B$ 表示差集。

概率空间

我们在一开始提到，研究具体的随机现象时我们通常关注样本空间 $Ω$ 、事件域 $F$ 以及概率函数 $P$ 。我们将三元组 $(Ω, F, P)$ 称为一个概率空间。

概率只有在确定的概率空间下讨论才有意义。我们前面提到的 Bertrand 悖论归根结底就是因对样本空间 $Ω$ 的定义不明确而产生的。

参考资料与注释

本页面最近更新：2025/9/29 02:26:32，更新历史
发现错误？想一起完善？在 GitHub 上编辑此页！
本页面贡献者：Enter-tainer, MegaOwIer, Tiphereth-A, aofall, billchenchina, CCXXXI, CoelacanthusHex, Marcythm, ouuan, Persdre, shuzhouliu
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用