高等概率论

合集下载

概率论 高等院校概率论课件JXHD2-~1

概率论 高等院校概率论课件JXHD2-~1

§2.3 连续型随机变量及其分布一. 连续型随机变量的概率分布二. 三种常用分布一. 连续型随机变量及其分布定义2-4 注1:连续型v r .X 的分布函数)(x F 是连续函数。

注2:概率密度)(x f 具有如下性质:(1)0)(≥x f ;(2)⎰∞+∞-=1)(dx x f ;(3)⎰=-=<≤21)()()(}{1221x x dx x f x F x F x X x P ;若v r .X 的分布函数)(x F 可表示成 ⎰∞-=xdu u f x F )()( (2-7)其中)(x f 为一非负可积函数,则称X 为连续型v r .,)(x f 称为X 的概率密度(或概率分布、分布密度)。

(4)若)(x f 在x 点连续,则)()(x f x F ='。

由(2-8)式知,若不计高阶无穷小,则有 xx f x x X x P ∆=∆+<≤)(}{即X 落在小区间),[x x x ∆+上的概率近似等于x x f ∆)(。

注3:若X 是连续型v r .,则R a ∈∀,0}{==a X P 。

结论:若A 是不可能事件,则0)(=A P ,反之不然。

}{b X a P <≤}{b X a P <<= }{b X a P ≤<=}{b X a P ≤≤=几种常用分布:(1)均匀分布:设随机变量X 在有限区间][b a ,内取值,且其分布密度为⎪⎩⎪⎨⎧≤≤-=其他,,01)(bx a a b x f ,则称X在有限区间][b a ,上服从均匀分布,记为)(~b a U X ,。

其分布函数为(自行验证)⎪⎩⎪⎨⎧>≤<--≤=b x b x a a b ax a x x F ,,,10)(Uniform Distribution⎩⎨⎧≤>-=-0001)(x x e x F x,,λ 一般地,若随机变量X 的概率密度⎩⎨⎧≤>=-000)(x x e x f x,,λλ其中0>λ为常数,则称X 服从参数为 λ的指数分布。

概率论 高等院校概率论课件JXHD53-1

概率论 高等院校概率论课件JXHD53-1

§5.3 假 设 检 验再如糖厂用自动包装机装糖,每箱的标准重量规定为100kg ,某日开工后,抽测了9箱,其重量如下(单位kg ):99.3,98.7,100.5,101.2,98.3,99.7,99.5,102.1,100.5,问此包装机是否正常工作。

例如要检查纺织厂中纱的强力是否达到了标准,我们只能抽出一小部分纱,然后根据这部分纱的质量来推断整批纱的质量是否合格。

上面两例具有一个共同特点,就是从样本出发,对总体的某种假设作出判断——假设是否成立。

如包装机装糖一例中,用μ表示糖箱的平均重量,则问题即为对假设1000=μ:H 作出肯定或否定的回答。

在统计上,对总体所作的种种假设称为统计假设, [引例] 某厂有一批产品共200件,须经检验合格才能出厂,按照国家标准次品率不得超过1%,今在其中任意抽取5件,发现这个5件中有次品,问这批产品能否出厂?解:设这批产品的次品率为μ,则问题化为检验假设01.00≤μ:H 是否成立。

由样本出发来判断统计假设是否成立称为假设检验。

现假定0H 成立,看会出现什么结果,此时200件产品中最多有二件次品,任意抽取5件,那么5件中无次品的概率为⎪⎪⎪⎩⎪⎪⎪⎨⎧=件中没有件次品时。

,当件中有一件次品时;,当件中有两件次品时;,当无次品200200200)(520052005200519952005198C C C C C C P 显然 95.052005198>≥C C P (无次品) 05.0<(有次品)P 上面的分析讨论中,我们基于一个基本原理——实际推断原理,同时用了反证法的思想.假设总体),(2~σμN X ,n X X X ,,,21 为来自总体X 的一个样本,其观察值为n x x x ,,, 21 。

一.2σ已知,检验假设000(μμμ=:H 已知) 构造统计量n X U 20σμ-= (5-49)则当0H 成立时,U 服从标准正态分布,即)10(~,N U ,对于给定的10<<α(α通常比较小),由 αλ=>}{U P (5-50)查标准正态分布表可求得λ。

概率论 高等院校概率论课件JXHD2-1

概率论 高等院校概率论课件JXHD2-1

第二章随机变量及其分布§2.1随机变量及其分布函数§2.2 离散型随机变量及概率分布§2.3 连续型随机变量及概率分布§2.4 多维随机变(向)量及其分布§2.5 随机变量的独立性§2.6随机变量函数的分布基本要求重点与难点JXHD2-7概率篇CH2LX基本要求1.理解随机变量、随机变量的分布函数概念及性质。

2.理解概率分布的概念及其性质。

3.会利用概率分布及分布函数计算有关事件的概率。

4.掌握六种常用分布,会查泊松分布、正态分布表。

5.了解多维随机变量的概念。

了解二维随机变量的联合分布函数及其性质,了解二维随机变量的联合概率分布及其性质,并会用它们计算有关事件的概率。

6.知道二维随机变量的边缘分布以及与联合分布的关系,了解条件分布。

7.理解随机变量独立性的概念及应用独立性进行有关计算。

8.会求简单随机变量函数的概率分布及两个独立随机变量的函数(和、最大值、最小值)的分布。

重点与难点1.随机变量的分布函数概念及性质。

2.概率分布(离散型随机变量的分布律,连续型随机变量的概率密度)的概念及性质。

3.概率分布与分布函数的关系及正态分布的有关计算。

4.二维随机变量的边缘分布以及与联合分布的关系。

5.随机变量独立性及应用。

6.简单随机变量函数的分布。

1.随机变量的分布函数、概率分布及其关系。

2.二维随机变量的边缘分布及计算。

3.随机变量函数的分布及两个独立随机变量的函数的分布。

§2.1 随机变量及其分布函数掷骰子试验}654321{,,,,,=Ω; 掷硬币试验}{T H ,=Ω 一.随机变量 [引例1] 掷骰子试验,}654321{,,,,,=Ω,令 ),,,,,(654321)(==i i i X 则X 是定义在Ω上的单值实函数,称X 为随机变量。

[引例2] 掷硬币试验,样本空间}{T H ,=Ω,令⎩⎨⎧===Te H e e Y ,,01)(则Y 是定义在Ω上的单值实函数,称 Y 为随机变量。

概率论 高等院校概率论课件JXHD52-2

概率论 高等院校概率论课件JXHD52-2

极大似然估计是点估计的一种重要方法。

若4/3=p ,则16/9)(=AB P ;若4/1=p ,则16/1)(=AB P 。

分析:设抽取一球是黑球的概率为 p ; A 表示“第一次取到黑球”;B 表示“第二次取到黑球”,则两次都取到黑球的概率为P AB ()。

如:设罐中装有许多白球和黑球,只知两种球的比数是3:1,但不知道是白球多还是黑球多,今若随机抽取两球(每次取一只,有放回)全为黑球,试问罐中白球多还是黑球多?Maximum Likelihood estimate设总体X 是离散型随机变量,事件“x X =”的概率为p x (,)θ,其中θ为待估计的未知参数。

假定x x x n 12,,, 是样本X X X n 12,,, 的一组观察值,即相当于事件""""""2211n n x X x X x X ===,,, 同时发生了,由于X X X n 12,,, 相互独立,且与总体同分布,所以这n 个事件同时发生的概率为)(2211n n x X x X x X P ===,,, )()()(2211n n x X P x X P x X P ==== ∏==ni i x p 1),(ˆθ显然它是θ的函数,称这个函数为似然函数,记作L ()θ,即L ()θ=∏=ni i x p 1),(θ (5-17)Likelihood function选择使L ()θ达最大的θ作为未知参数θ的真实值的估计,这种估计法称为极大似然估计法,即∏==ni i x p L 1),(max )ˆ(θθ所得估计 θ是n x x x ,,21 ,的函数,记为 (,,,)θθ=x x x n 12 ,称 θ为未知参数θ的极大似然估计值。

而称相应统计量(,,,)θX X X n12 为未知参数θ的极大似然估计量。

因此求 θ的问题归结为求L ()θ的极值问题。

如果L ()θ关于θ可微,则 θ应满足∂∂θL =0或 ∂∂θln L=0 (5-18) 对于连续型随机变量可用f x (,)θ来代替p x (,)θ。

高等概率论简介

高等概率论简介

高等概率论简介课程名称:高等概率论周学时 3先修课程:概率论,测度论 (实变函数)基本目的:1.在测度论的基础之上,准确掌握概率、事件、随机变量、独立性、特征函数等基本概念。

2.较准确理解大数定律与中心极限定理的内容,清楚各种收敛之间的关系。

内容提要:第一章测度论:(10学时)1) 概率空间(2学时)2) 随机变量及其分布(2学时)3) 积分及性质(2学时)4) 数学期望:各种不等式,积分收敛定理,随机变量函数的数学期望(2学时)5) 乘积测度,Fubini定理(2学时)第二章大数定律(12学时)1)随机变量的独立性:独立性的概念独立性成立的充分条件独立随机变量的性质(4学时)2) 弱大数定理:均方收敛与依概率收敛的概念与关系,三角列的弱收敛定理举例(2学时)3) Borel-Cantelli 引理, Kolmogorov’s 0-1律(2学时)4)随机列的收敛:强大数定律证明(一阶矩存在情况)( 2学时)5) 强大数定律及应用; 收敛速度介绍与大偏差介绍(2学时)第三章中心极限定理(18学时)1) 弱收敛:De Moivre-Laplace收敛定理介绍,弱收敛的定义,各种相关定理(4学时)2) 特征函数:特征函数定义,反演公式,特征函数收敛与弱收敛关系( 4学时)3)中心极限定理:i.i.d列的中心极限定理Linderberg-Feller定理各种应用( 3学时)4) Poisson 极限:收敛到Poisson分布的随机变量列(基本定理及一般定理),Poisson过程与等待时间,复合Poisson过程(3.6节)( 4学时)5)*平稳分布与无穷可分分布介绍(3.7-3.8节)( 1学时)6) 随机向量列的极限定理:弱收敛的等价形式,胎紧性,弱收敛与特征函数收敛关系(3.9节)( 2学时)教材与参考书:1.Durrett R., Probability Theory and Examples (4.1版), 2013 下载地址: (pdf.file)2.Chung K. L., A course in probability theory (第二版), 1974 程士宏《高等概率论》,19963.Kallenberg O., Foundations of Modern Probability, 19974.汪嘉冈现代概率论基础,19885.Patrick Billingsley, Probability and Measure, Second Edition, 19866.Patrick Billingsley, Convergence of Probability Measure, 19681 / 1。

概率论 高等院校概率论课件JXHD3-3

概率论 高等院校概率论课件JXHD3-3

§3.3 相关系数与相关阵一.协方差(Covariance) 与相关系数当Y X ,独立时,0))((=-=--EXEY EXY EY Y EX X E 定义3-5 设X 与Y 是两个随机变量,若))((EY Y EX X E --存在,则称其为随机变量X 与Y 的协方差,记为)(Cov Y X ,,即)(Cov Y X , =))((EY Y EX X E -- (3-17)称 DY DX Y X XY ),(Cov =ρ (3-18) 为X 与Y 的相关系数或标准协方差。

Correlation Coefficient Standard Covariance由前讨论知)(Cov Y X , EXEY EXY -= (3-19)且易证下面的等式DY DX Y X D +=+)(+2)(Cov Y X , (3-20) 由协方差的定义容易得到它有如下性质:(1))(Cov Y X ,=)(Cov X Y ,;(2))(Cov bY aX ,=ab )(Cov Y X ,,其中b a ,为常数;(3))(Cov 21Y X X ,+=)(Cov 1Y X ,+)(Cov 2Y X , 只证(3),其它自证。

(3))(Cov 21Y X X ,+=)(Cov 1Y X ,+)(Cov 2Y X ,事实上,)(Cov 21Y X X ,+))](([2121EY Y X X E X X E -+-+=+--=))([(11EY Y EX X E )])((22EY Y EX X --+--=))((11EY Y EX X E ))((22EY Y EX X E --)(Cov 1Y X ,=)(Cov 2Y X ,+ 定理3-4 设XY ρ是随机变量X 与Y 的相关系数,则有1≤XY ρ;且1=XY ρ的充要条件是X 与Y 依概率1线性相关,即存在常数b a ,使1}{=+=bX a Y P 。

概率论 高等院校概率论课件JXHD6-1

概率论 高等院校概率论课件JXHD6-1

第六章回归分析回归分析是研究变量间相关关系的一个统计分支,它主要解决以下面几个问题:(1)确定几个特定的变量之间是否存在相关关系,如果存在,找出它们之间合适的数学表达式;(2)根据一个或几个变量的值,预测或控制另一个变量的取值,并且要知道这种预测或控制可达到什么样的精确度;(3)进行因素分析,在共同影响一个变量的许多变量(因素)之间找出哪些因素重要,哪些因素次要,这些因素之间有什么关系等。

回归分析一元线性回归多元线性回归逐步回归非线性回归与回归诊断一元线性回归建立模型参数估计显著性检验预测预报一.建立模型引例1.一个作匀速直线运动的质点,在时刻t 的位置是S ,则S a bt =+,其中 a 为质点在t =0时刻的初始位置,b 为平均速度。

观测到的数据是ε+=s y ,其中ε是随机误差(测量误差)。

于是我们有ε+=s y ε++=bt a (6-1) 其中t 是非随机的,ε是随机的,通常认为E ε=0,显然y 也是随机的。

为了估计a 、b ,现在 n 个不同时刻作观察,得n 组观察值)(i i y t ,n i ,21 ,,=。

即 y i =i i bt a ε++ (i n =12,,, )用向量矩阵形式表示如下:εβ+=X Y 其中,⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=n y y y Y 21,⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=n εεεε 21,⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=n t t t X 21111,⎪⎭⎫ ⎝⎛=b a β。

问题:如何利用Y X 、的观测值来估计参数a 、b ,进一步预测未来时刻t 质点的位置。

引例2.在硝酸钠(3NaNO )的溶解度试验中,测得在不同温度C X 0下溶解于100份水中的硝酸钠份数y 数据见下表:x i 0 4 10 15 21 29 36 51 68y i 66.7 71.0 76.3 80.6 85.7 92.9 99.4 113.6 125试找出X 与Y 之间的关系。

图6-1bx a +εy =+(6-2)20406080100120140020406080 Y X =+βε 问题:如何利用观测值来估计参数a 、b ,从而确定y 与x 的近似线性关系。

概率论 高等院校概率论课件JXHD0-0

概率论 高等院校概率论课件JXHD0-0

00.10.2
0.3
0.4
0.5
-4-3-2-101234
概率论与数理统计
电子教案研制单位:石油大学应用数学系
概率论与数理统计
绪论篇
概率论篇
数理统计篇
概率论篇
第一章随机事件与概率
第二章随机变量及其分布
第三章随机变量的数字特征第四章大数定律与中心极限定理
数理统计篇数理统计初步因素分析回归分析正交试验设计
数理统计是一个应用非常广泛的数学分支,它以概率论作为理论基础。

它的任务是:研究如何用有效地方法去搜集、整理和分析带有随机性影响的数据,并对所关心的问题作出推断和预测,直接为决策行动提供依据和建议。

凡是有大量数据出现的地方都要用到数理统计。

也就是说,数理统计是直接从随机现象的观察值去研究它的客观规律。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第一章:测度与积分第一节:集族与测度(Ω,Φ,μ)---------测度空间①Ω---------------非空集合-------------研究对象全体②Φ----------------σ代数(域)-------由Ω的一些子集组成 σ代数对集合的一切有限次或可数次运算封闭 Φ{,}φ=Ω-------------平凡的σ代数③μ:Φ+→R ([0,1])集函数(是Ω的元素的一种测度或度量)例:Ω=[0,1].(a,b]⊂Ω,((,])a b b a μ- ,I 是Ω的子集,I 为区间,()I μ=I 的长度,Φ=B ([0,1])=()σε--------包含ε的最小σ代数,[0,1]ε=中的一切开集测度的唯一扩张定理,{:()}n x x ωξω∀∈≤∈R Φ 称ξ是可测函数({})a b μξξ<≤---的分布①..()lim ()n x a e μξωμ→∞⎧⎪⎨⎪⎩几乎处处收敛依测度收敛依分布收敛(弱收敛)②ξ是一维可测函数,积分ξωμωΩ⎰()d ()-------数学期望积分的收敛性---------Lebesgue 控制收敛定理lim ()?lim ()n n x x d d ξωμξωμ→∞→∞ΩΩ=⎰⎰Fatou 引理,Levy 引理 记号、述语:大写英文字母表示Ω的子集(事件)花写英文字母表示Ω的子集组成的集合类(集类,集族)AαBβXχ∆δEεΦφΓγHηIιϑϕKκΛλMμNνOο∏πΘθPρ∑σTτYυςϖΩωΞξψψZζ 某集类对某种运算封闭:如A 对可数并封闭指:对∀A1,A2,…A n ∈A ,则1i ∞=A i ∈A第二节:集族与测度1. 集合序列的极限 设1,2,...,,...,A A An ⊂Ω111limsup {:}{,,...,}x K k k K k n kAn n An X A A Anωω→∞∞+=∞∞==∈Ω∃∈== 可数个不同的,使至少一个发生111lim inf {:}{,,...,}x k k k k n kAn n An A A Anωω→∞∞+=∞∞==∈Ω∈== 除有限个以外,都发生关系:lim inf lim sup n n An An →∞→∞⊂如果lim inf lim sup n n An An →∞→∞=,称{}An 的极限存在,记为lim x An →∞特例:单调上升集合列:121,lim n n A A An An ∞→∞=⊂=单调下降集合列:121,lim n n A A An An ∞→∞=⊃=例:A,B 是Ω的两个子集,221,,1,2,n n A A A B n -=== ,则lim sup ,lim inf n n An A B An A B →∞→∞==11((1),1(1))nn An n n=-+-,则lim sup [0,1],lim inf (0,1)n n An An →∞→∞==11(,1)(0,1)2211(,1)(0,1)22n n n n An Bn =-↑=-+↓2几种常用集类的定义:①A 称为一个π类:如果A 对有限交封闭 ②∆称为一个λ类:如果:(a).ω∈ ∆;(b). ∆对真差封闭:若,A B ∈∆,且A B ⊂,则B A -∈∆ (c )∆对单调上升(下降)集合列的极限封闭 ③环A :如果A 对有限并、差运算封闭(交:()A B A A B =-- )④代数Φ:如果Φ是环,且Ω∈Φ0(代数对一切有限次运算封闭)⑤σ环A :如果A 对可数并、差运算封闭(⇒可数交封闭,极限运算封闭)⑥σ代数(域)Φ:如果Φ是σ环,且Ω∈Φ(σ代数对一切可数次集合运算封闭) ⑦单调族M :如果M 对单调上升(下降)列的极限封闭,即:如果An ∈M ,且An ↑,则1n An ∞=∈ M如果An ∈M ,且An ↓,则1n An ∞=∈ M代数、且又是单调族σ⇒代数 π类、且又是λ类σ⇒代数A 是任意集类,分别称λ()A ,σ()A ,M (A )是由A 生成的最小λ类,最小σ代数,最小单调类。

如:σ()A 是A 生成的最小σ代数指:①σ()A 是σ代数,且σ⊃()A A ②如果Φ是σ∀代数,且Φ⊃A ,且σ⊂()A F ⇒σσ⊃=是代数()F AF A F单调类定理的两种形式和证明方法:λπ-类方法:设C 是一个π类,D 是λ类,且⊂C D ,则:σ⊃()D C 单调族方法:设0F 是一个代数,M 是一个单调族,且0⊃M F ,则σ⊃0()M F 推论:πλλσ==是类,(),则()()C D C C C0000σ==是代数,(),则()()F M M F M F F 证明:λσ⊂()()C C ,显然(σλ ()是包含的类C C ) 只要证λσ⊃()()C C ,令λ=()D C如果D 对有限交封闭,则D 是一个σ代数C 11111.2.A \A A 3.A ,,B ,B B ,B ,lim B n n C Cn k n k k k n n n k n k A A A ==∞→∞=Ω∈⎛⎫ ⎪∈Ω=∈ ⎪⎪∈==∈ ⎪ ⎪⎪⎪∴∈↑=∈ ⎪⎝⎭,D D D D D D D()σ∴⊃D C①A {B A B }A ∀∈=⊂Ω∈ 固定,令;C H D 验证:A A A B,CBC C-B A C A-B A λ⊃∈⊂∈ 是类,且,,则()=H H CH DA ∴⊃H D ,即对AB ,A B ∀∈∈∈ ,CD D②B B ={E :E B }∀∈⊂Ω∈ 固定,令D H D验证:B B B λλ⊃∴⊃=,且是类()H C H H D C , 即B ,E B E ∀∈∀∈∈ ,D D D #方法:实际中,要证明σ代数()σC 中集合(元素)具有某种性质(*),先证C 中元素具有性质(*),然后将定义类{:*}A A =∈Ω具有性质()D 。

验证D 是一个λ类,则:λσ⊃=()()D C C例:11R ,(R )()B 上Lebesgue 测度的1(R )------Borel σ代数B ,即由1R 得全体开集(开区间)生成的最小σ代数,也是左开右闭区间生成的最小σ代数。

在1R ()B 上定义一个集函数μ:使I =I μ()的长度,I 是区间,令{}=∞≤≤∞(a,b ):-a<b +C ,则C 是一个π类。

(,),b a a b μ-⎧∀∈⎨+∞⎩区间有限定义((a,b ))=区间无限C ,1iA R ,*(A)=inf{():A}i i i iI I I μμ∀∈∃∈⊃∑ 有限个,使C*i(A)=sup{():A}i i i iI I I μμ∃∈⊂∑ 有限个,使C1*{:*()()}A R A A μμ=⊂=⊃D C R λσ∴⊃1是一个类,()=()D D B C测度的连续性:n An An A An ()An An A ,..(),lim (n)()n A s t A A A μσμμμμμμμ→∞∀∈↑→∞∀∈↓∃<∞= 00n 设是代数的一个非负可数可加集函数(a)下方连续:,,()(b)上方连续:,,n 则F F F有限可加+连续性⇔可数可加性第三节:测度的扩张定理Ω 非空集,F (代数或σ代数)R μ+→:F ,集函数,满足:①μφ()=0;②具有可数可加性:即 1n n 1A ,,A An ∞=∀∈∈ ,且互不相交,且F F ,n 1n 1An An μμ∞∞==∑ ()=()(有限可加:1n A ,,A 有限个),称μ是上的一个测度F测度分类:11An ..,()1[0,1],([0,1])A A A R R I I I L An An n n n s t A A Borel μμσμσμμμμσμ∞=Ω∞Ω=∃∈Ω=<∞Ω==---∈Ω∀∈== 有限测度:()<+,概率测度()有限测度:,非有限无穷测度:()域,()=的长度,则是有限测度,且是概率测度(2)=,=(),区间()=的长度----ebesgue 测度则是有限测度。

令(-n,n ),(An)=2n.且:F F B F F B F n 1R (3)[0,1],A A A μμ∞=⎧⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎪=∞∞⎪⎪Ω==Ω∈⎪⎪⎩(-,+)的一切子集,()中点的个数,是一个计数测度F F扩张的步骤:01P 是代数0F 上的概率测度:中单调上升序列的极限集全体0G =F =,将P 的定义扩张到G 上,0n A An An An lim P An μμ→∞∀∈∃∈↑ ,,,()(),在上具备的性质:G F G①0,0()1P A μφμμμΩ=≤≤()=0,()=1,F |; ②,,,()()()A B A B A B A B φμμμ∈==+ G ; ③,,A B A B A B μμ⊂∈≤、则()()G ; ④n An An A lim An A μμμ→∞∈↑在上下方连续,即,,且()=()G G02设=Ω的一切子集所成集类,E 将μ的定义扩张到E 上。

*A *A G G A μμμ∀∈∈⊃ (外侧度):,()inf{():,}E G G ,则:①***,0*A μμμφμμ=Ω≤≤,()=0,()=1()1G |; ②*A B +*A B *A +*B (),*A +*B 1A B μμμμμμ≤≥∀∈ ()()()()次可加性()()、E③A B *A *B μμ⊂≤,则()()④n *An An A lim *An *A μμμ→∞∈↑=下方连续,即,,则()()E证④:111n n n n 0,,,..,()*(),2,*()*()()lim ()1()*()()2lim *()lim *()A A *()*()*()lim *()n n n n n nnn n n n k n nnk n nk n kk k n n n n n G s t G A G A A A G G A G G G G A A A A A A A εεμμμμμμμμεμεμεμμμμ→∞===→∞→∞→∞∀>∀∃∈⊃≤+=⊂∈≤==<≤+>≤++≥≥∴≥∑且归纳法()=,,G G03令C {A :*()+*()=1}A A μμ=∈H E则H 是一个σ代数,且*μ在H 上是概率测度。

0⊃H F ,同时0*P μ=F |,(称*μ为μ的扩张)。

0是的扩张H F ,限制到σ⊂0()()F H 结论:0P **PσμμσμΩΩ=000(,,)扩张到了(,(),),使得*是()上的概率测度。

F F F F |04如果P 是0F 的一个有限测度,1, 1.2.....,P n n n n n ∞=∃Ω∈Ω=Ω=ΩΩ∞ 且互不相交,且()<将001~3用到00(,,),()()*,()n n n n n P P A P A μσΩΩ 扩张为一个F F 对01(),*()*()nn n A A A σμμ∞=∀∈=Ω∑ F ,00(,(),*)P σμΩΩ是(,,)F F 的扩张,且还是唯一的。

相关文档
最新文档