测度论概率

测度论概率将整个概率理论建立在总测度为一的测度空间上，将事件重新定义为可测集，随机变量重新定义为可测函数，并将期望重新定义为对概率测度的积分。

Definition

测度论概率是概率的公理化基础，其中概率是事件的σ-代数上总测度为一的可数可加测度，随机变量是可测函数，期望是随机变量对概率测度的积分。

Scope

该领域涵盖概率空间和事件的σ-代数、概率测度及其基本性质、独立性和Borel-Cantelli引理、作为勒贝格积分的期望的构建及其收敛定理和不等式，以及通过Radon-Nikodym定理定义的条件期望。

Sub-topics

• 条件期望
• 期望与积分
• 独立性与Borel-Cantelli引理
• 概率空间与事件

Core questions

• 概率赋值必须满足哪些公理才能支持一致的概率理论？
• 如何在抽象样本空间上严格定义随机变量及其期望？
• 事件或随机变量独立意味着什么，以及由此产生哪些渐近结果？
• 当条件作用于概率为零的事件或整个σ-代数时，如何定义条件概率？

Key theories

柯尔莫哥洛夫公理

概率被建模为事件的σ-代数上总测度为一的可数可加、非负集合函数，这使得测度论的全部机制得以应用，并为概率提供了严谨的现代基础。

Borel-Cantelli引理

如果一系列事件的概率是可求和的，那么几乎必然只有有限个事件发生；反之，对于概率不可求和的独立事件，几乎必然有无限个事件发生，这为尾部行为提供了明确的二分法。

通过Radon-Nikodym定理的条件期望

给定一个子σ-代数的条件期望被定义为唯一的、可积的、可测函数，其在该子σ-代数上的积分一致，其存在性由Radon-Nikodym定理保证；它是鞅和贝叶斯更新的基础。

Clinical relevance

该领域是所有严谨概率论的基石：极限定理、鞅、马尔可夫过程和随机微积分都建立在概率空间的基础上，特别是条件期望是滤波、预测、贝叶斯推断和金融衍生品无套利定价的正式基础。

History

概率论在柯尔莫哥洛夫1933年的专著中奠定了严谨的基础，该专著将概率与总测度为一的测度等同起来，并统一了Borel、Cantelli和Levy的早期工作。测度论观点经Doob及其他人的完善，成为该领域的标准语言，并呈现在Billingsley、Durrett和Williams的研究生教材中。

Key figures

• Andrey Kolmogorov
• Emile Borel
• Francesco Paolo Cantelli
• Joseph L. Doob

Seminal works

• kolmogorov1933
• billingsley1995

Frequently asked questions

为什么概率论需要测度论？

测度论使得概率能够一致地处理无限样本空间、连续随机变量和事件的极限；测度的可数可加性正是极限定理和条件期望能够良好定义的必要性质。

什么是事件的σ-代数？

它是样本空间的子集集合，概率被分配给这些子集，并且在补集和可数并运算下是封闭的；这种封闭性使得可以计算事件极限的概率。