ปริภูมิความน่าจะเป็นและเหตุการณ์

ปริภูมิความน่าจะเป็นคือไตรอันดับที่ประกอบด้วยปริภูมิผลลัพธ์ (sample space) ซิกมา-พีชคณิตของเหตุการณ์ (sigma-algebra of events) และมาตรความน่าจะเป็น (probability measure) ที่กำหนดค่าตัวเลขระหว่างศูนย์ถึงหนึ่งให้กับแต่ละเหตุการณ์ และเป็นฉากที่ทฤษฎีความน่าจะเป็นทั้งหมดถูกกำหนดขึ้น

Definition

ปริภูมิความน่าจะเป็นคือไตรอันดับที่ประกอบด้วยปริภูมิผลลัพธ์ ซิกมา-พีชคณิตของเซตย่อยที่วัดได้ซึ่งเรียกว่าเหตุการณ์ และมาตรความน่าจะเป็นที่สามารถนับได้ซึ่งมีมวลรวมเป็นหนึ่ง และกำหนดความน่าจะเป็นให้กับแต่ละเหตุการณ์

Scope

หัวข้อนี้ครอบคลุมปริภูมิผลลัพธ์และซิกมา-พีชคณิตของเหตุการณ์ สัจพจน์ที่มาตรความน่าจะเป็นต้องเป็นไปตาม ความต่อเนื่องของความน่าจะเป็นตามลำดับเหตุการณ์ที่เพิ่มขึ้นและลดลง การสร้างมาตรจากฟังก์ชันเซตผ่านการขยายของคาราธีโอโดรี (Caratheodory extension) และการสร้างมาตรฐาน เช่น มาตรเลอเบก (Lebesgue measure) บนช่วงหน่วย (unit interval) ในฐานะปริภูมิความน่าจะเป็นแบบบัญญัติ (canonical probability space)

Core questions

• ความแตกต่างระหว่างผลลัพธ์และเหตุการณ์คืออะไร และเหตุใดเหตุการณ์จึงต้องก่อตัวเป็นซิกมา-พีชคณิต?
• คุณสมบัติใดที่กำหนดมาตรความน่าจะเป็น และคุณสมบัติเหล่านั้นนำไปสู่ความต่อเนื่องจากด้านล่างและด้านบนได้อย่างไร?
• มาตรความน่าจะเป็นถูกสร้างขึ้นจากการอธิบายความน่าจะเป็นบนเซตอย่างง่ายได้อย่างไร?
• ปริภูมิความน่าจะเป็นแบบบัญญัติใดที่รองรับแบบจำลองที่คุ้นเคย เช่น จำนวนสุ่มเอกรูปบนช่วงหน่วย?

Key concepts

• ปริภูมิผลลัพธ์และผลลัพธ์
• ซิกมา-พีชคณิตของเหตุการณ์
• การบวกแบบนับได้
• ความต่อเนื่องของความน่าจะเป็น
• เหตุการณ์ว่างเปล่าและคุณสมบัติที่เกือบแน่นอน

Key theories

สัจพจน์ของมาตรความน่าจะเป็น

มาตรความน่าจะเป็นไม่เป็นลบ กำหนดความน่าจะเป็นหนึ่งให้กับปริภูมิผลลัพธ์ทั้งหมด และสามารถบวกได้แบบนับได้บนเหตุการณ์ที่ไม่ทับซ้อนกัน สัจพจน์เหล่านี้บ่งชี้ถึงความเป็นโมโนโทนิก สูตรการรวม-การแยกออก และความต่อเนื่องตามลำดับเหตุการณ์แบบโมโนโทน

ทฤษฎีบทการขยายของคาราธีโอโดรี

ฟังก์ชันเซตที่สามารถบวกได้แบบนับได้ซึ่งกำหนดบนพีชคณิตจะขยายไปสู่มาตรบนซิกมา-พีชคณิตที่สร้างขึ้นได้อย่างไม่ซ้ำกัน ซึ่งเป็นสิ่งที่ทำให้สามารถระบุมาตรความน่าจะเป็นบนเหตุการณ์อย่างง่ายและขยายไปยังเหตุการณ์ที่วัดได้ทั้งหมด

Clinical relevance

รูปแบบปริภูมิความน่าจะเป็นทำให้ข้อความเกี่ยวกับปรากฏการณ์สุ่มมีความชัดเจน; แบบจำลองความน่าจะเป็นประยุกต์ทุกแบบ ตั้งแต่ระบบคิวไปจนถึงการอนุมานทางสถิติและการสร้างแบบจำลองความเสี่ยง ล้วนเป็นการยืนยันโดยนัยเกี่ยวกับปริภูมิความน่าจะเป็นและเหตุการณ์ที่กำหนดไว้บนนั้น

History

แม้ว่าความน่าจะเป็นอย่างไม่เป็นทางการจะถูกคำนวณมานานหลายศตวรรษ แต่แนวคิดที่แม่นยำของปริภูมิความน่าจะเป็นย้อนไปถึงการวางสัจพจน์ของโคลโมโกรอฟในปี 1933 ซึ่งยืมกลไกการขยายของคาราธีโอโดรีจากทฤษฎีมาตรมาใช้เพื่อให้เหตุการณ์และความน่าจะเป็นมีรากฐานที่เข้มงวด

Key figures

• Andrey Kolmogorov
• Constantin Caratheodory
• Emile Borel

Seminal works

• kolmogorov1933

Frequently asked questions

เหตุใดจึงไม่กำหนดความน่าจะเป็นให้กับทุกเซตย่อยของปริภูมิผลลัพธ์?

สำหรับปริภูมิผลลัพธ์ที่นับไม่ได้ ไม่สามารถกำหนดความน่าจะเป็นที่สามารถบวกได้แบบนับได้ที่สอดคล้องกันบนเซตย่อยทั้งหมดได้ ดังนั้นความน่าจะเป็นจึงถูกจำกัดไว้ที่ซิกมา-พีชคณิตของเหตุการณ์ที่วัดได้ ซึ่งยังคงมีเหตุการณ์ที่น่าสนใจในทางปฏิบัติทั้งหมด

คำว่า 'เกือบแน่นอน' หมายความว่าอย่างไร?

เหตุการณ์เกิดขึ้นเกือบแน่นอนหากส่วนเติมเต็มของเหตุการณ์นั้นมีความน่าจะเป็นเป็นศูนย์ เหตุการณ์ว่างเปล่าดังกล่าวสามารถละเลยได้เพื่อวัตถุประสงค์ในการคำนวณความน่าจะเป็นและค่าคาดหวัง แม้ว่าจะไม่ได้เป็นไปไม่ได้อย่างแท้จริงก็ตาม