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~