在概率论的时候，还没开始进入正题，上来一个事件sigma代数，人就直接懵逼了，这啥东西啊，那今天咱就结合一个例子来解释一下事件sigma代数。

        首先我们看一下定义：

        这是南开大学杨振明第二版书里面的一个定义，怎么说，是不是看完还是很懵，一堆字母，不知所云，那咱就先不看定义，先看一个例子，如下：

        这里我们举了一个掷骰子的例子，在这个样本空间中，我们能取的值为1，2，3，4，5，6，在这个好理解吧？那我们现在只想看看取到奇数点的概率，那是不是就是我们图中的事件A1呀？或者偶数点的概率，那就是图中的事件A2，以此类推，一个个事件包含了不同的取值，这一个个事件（也就是集合）构成了F（集合簇）。

        此时我们再看定义中的第一条，样本空间属于集合簇F，样本空间也可以理解成一个集合呗，那F里面看图中的An这个事件就和样本空间相等。第二条，看图中，如果一个事件A包含1，2，3这三个值且属于F，那它的逆事件也在F中。第三条，这些所有事件的并集也在F中，这个也不难理解，F中所有事件几乎都是样本空间的子集，那并起来肯定还是样本空间，在第一条中样本空间也属于F，那这些所有子集的并肯定也在F中。

这样我们就能理解事件sigma代数的定义啦~

        接下来我们看一下关于sigma代数的一些定理：

我们依然结合着例子来解释：

        这里我们依然是掷骰子的例子，拿出了事件A1，A2为示范，前两条就不用多解释了，第三条的意思就是这些事件的交集也依然在F中，第四条的意思是，两个事件的差（两个集合的差）也在F中，怎么样？不难理解叭~

ok,这篇就分享到这里啦，欢迎小伙伴们批评指正~