概率论课件第二讲
合集下载
概率论第二讲--概率的直观定义

件次品的概率是多少?
4
P( A)
m n
A中包含的基本事件数 S中的基本事件总数
概 (4)分配问题
率 例4 将15名新生随机分配到3个班级
的 中去,其中有3名优秀生.求:
直 (1)每个班级各分配到一名优秀生的概率
观 (2)3名优秀生分配到同一个班级的概率
定 (5)匹配问题
义 例5 有5双不同的鞋混在一起,今
m n
A中包含的基本事件数 S中的基本事件总数
直 3.属性
观 (1)0≤P(A)≤1 (2)P(S)=1(3)P(φ)=0
定 (4)若A、B互不相容,则P(AB)=P(A)+P(B)
义 一般地,设A1A2···An是两两互不相容的事件,
则 P(A1A2∪···∪Aபைடு நூலகம்)=P(A1)+P(A2)+···+P(An)
(5)任一事件A,有 P( A) 1 P( A)
2
4.典型例题
概
P( A)
m n
A中包含的基本事件数 S中的基本事件总数
率 (1)摸球问题
的 例1 袋中装有6只球,其中4只白球 直 2只红球.从中取球两次,每次随机取
观 一只.分别就放回抽样、不放回抽样,
定 求:
义 (1)取到两只都是白球的概率 (2)取到两只球颜色相同的概率
§1.3 概率的直观定义
• (一)概率的古典定义
1.等可能概型(古典概型)
若试验E具有以下两个特点: ⑴试验的样本空间的元素只有有限个; ⑵试验中每个基本事件发生的可能性 相同. 则称这种试验为等可能概型(古典概型)
1
(一)概率的古典定义
概率论第二章(课件2)

(3) 函数值跳跃高度是X取值区间中新增加点 的对应概率值;
(4) 分布函数是右连续的;
(5) P{X=xi}=F(xi)-F(xi -0)
0 x 0
例2.3.2.
设X的分布函数为
F
(
x)
0.4 0.8
0 x1 1 x2
求X的概率分布.
1 2 x
解:X的取值为 X 0 1
f (x) 0, x ;
f
x1
(x)dx
x2 有
1;
在
P{x1 X x2} F(x2 )
f (的x) 连续点处有
F ( x1 )
x2 x1
f
(x)dx
f (x) F(x)
图下方形图在f (x的设形x) 几轴面是x是lxlx何i上积i密mm00意方为度fPF的({义,1函x(yxx)连数X续的xxx点) 本x,y近F由等质P(f似xx{上(于特}x)x)P于述曲f征{(xx小X)性边1,几y矩质梯X何x形f有形(意x)面面xx义2}积}积如下
X01 P 0.3 0.7
,求X的分布函数.
解:(1) 当x<0时, F(x)=P(X≤x)=
P( X xi ) =0
xi x
(2)当0≤x<1时,F(x)=P(X≤x)= P( X xi )=P(X=0)=0.3
xi x
(3)当1≤x时,F(x)=P(X≤x)=P(X=0)+P(X=1)=1
由离散型随机变量的概率分布或分布律 求分布函数
设离散型随机变量 X 的分布律为 P{ X xk } pk , k 1,2,...
由概率的可列可加性得 X 的分布函数为
(4) 分布函数是右连续的;
(5) P{X=xi}=F(xi)-F(xi -0)
0 x 0
例2.3.2.
设X的分布函数为
F
(
x)
0.4 0.8
0 x1 1 x2
求X的概率分布.
1 2 x
解:X的取值为 X 0 1
f (x) 0, x ;
f
x1
(x)dx
x2 有
1;
在
P{x1 X x2} F(x2 )
f (的x) 连续点处有
F ( x1 )
x2 x1
f
(x)dx
f (x) F(x)
图下方形图在f (x的设形x) 几轴面是x是lxlx何i上积i密mm00意方为度fPF的({义,1函x(yxx)连数X续的xxx点) 本x,y近F由等质P(f似xx{上(于特}x)x)P于述曲f征{(xx小X)性边1,几y矩质梯X何x形f有形(意x)面面xx义2}积}积如下
X01 P 0.3 0.7
,求X的分布函数.
解:(1) 当x<0时, F(x)=P(X≤x)=
P( X xi ) =0
xi x
(2)当0≤x<1时,F(x)=P(X≤x)= P( X xi )=P(X=0)=0.3
xi x
(3)当1≤x时,F(x)=P(X≤x)=P(X=0)+P(X=1)=1
由离散型随机变量的概率分布或分布律 求分布函数
设离散型随机变量 X 的分布律为 P{ X xk } pk , k 1,2,...
由概率的可列可加性得 X 的分布函数为
2概率统计第二讲PPT课件

称X服从参数为(N, M, n)的超几何分布.
7. 泊松(Poisson)分布P()
X~P{X=k}= k e , k=0, 1, 2, … (0) k!
7
四、常用分布律之间的关系
1. (0-1)分布和二项分布的关系 (0-1)分布是二项分布B(n, p)中n=1时的特款; 2. 几何分布和负二项分布的关系 几何分布是负二项分布NB(r, p)中r=1时的特款; 3. 超几何分布和二项分布的关系 定理1 设在超几何分布中,n是一个取定的正整数,而 lim M =p, 则
N N
N l i m Ck M C Cn N n NkM= Ck Npk(1p)nk, k=0, 1, 2, …, n
8
4. 二项分布和泊松分布的关系
定理2 设随机变量Xn~b(n, pn), (n=0, 1, 2, …), 且
ln i m npn0, 为常数,则
ln i m Ck npk n(1pn)nk= kk !e, k= 0, 1, 2, …
5
三、一维离散型r.v的几个常用分布
1. 退化分布(单点分布)
X~P{X=a}=1,其中a为常数。
2. (0-1)分布(两点分布) X~P{X=k}=pk(1-p)1-k, (0<p<1) k=0,1
3. 几何分布 X~P{X=k}= (1-p)k-1 p, (0<p<1) k=1, 2, …
4. 二项分布B(n, p)
13
七、二维离散型随机变量
1. 定义 若二维随机变量(X, Y)只能取至多可列个值 (xi, yj), (i, j=1, 2, … ),则称(X, Y)为二维离散型随机变 量。
二维离散型随机变量(X, Y)的分布律,或随机变量X 与Y的联合分布律.可记为
7. 泊松(Poisson)分布P()
X~P{X=k}= k e , k=0, 1, 2, … (0) k!
7
四、常用分布律之间的关系
1. (0-1)分布和二项分布的关系 (0-1)分布是二项分布B(n, p)中n=1时的特款; 2. 几何分布和负二项分布的关系 几何分布是负二项分布NB(r, p)中r=1时的特款; 3. 超几何分布和二项分布的关系 定理1 设在超几何分布中,n是一个取定的正整数,而 lim M =p, 则
N N
N l i m Ck M C Cn N n NkM= Ck Npk(1p)nk, k=0, 1, 2, …, n
8
4. 二项分布和泊松分布的关系
定理2 设随机变量Xn~b(n, pn), (n=0, 1, 2, …), 且
ln i m npn0, 为常数,则
ln i m Ck npk n(1pn)nk= kk !e, k= 0, 1, 2, …
5
三、一维离散型r.v的几个常用分布
1. 退化分布(单点分布)
X~P{X=a}=1,其中a为常数。
2. (0-1)分布(两点分布) X~P{X=k}=pk(1-p)1-k, (0<p<1) k=0,1
3. 几何分布 X~P{X=k}= (1-p)k-1 p, (0<p<1) k=1, 2, …
4. 二项分布B(n, p)
13
七、二维离散型随机变量
1. 定义 若二维随机变量(X, Y)只能取至多可列个值 (xi, yj), (i, j=1, 2, … ),则称(X, Y)为二维离散型随机变 量。
二维离散型随机变量(X, Y)的分布律,或随机变量X 与Y的联合分布律.可记为
概率论第二章(课件2)

条件概率具有非负性、规范性、乘法 法则和全概率公式等性质。
贝叶斯定理
贝叶斯定理的表述
对于任意两个事件A和B,有 P(B|A)=P(A|B)P(B)/P(A)。
贝叶斯定理的应用
贝叶斯定理常用于在已知某些条件 下,对其他条件的发生概率进行推 断和更新。
贝叶斯定理的意义
贝叶斯定理是概率论中的一个重要 定理,它提供了在已知某些信息的 情况下,对其他信息的可信度进行 评估的方法。
期望的计算
期望的计算公式为E(X)=∑xp(x),其中x为随机变量X的所有可能取值, p(x)为对应的概率。
方差与协方差
方差的定义
方差是随机变量与其期望之间的差的平方的期望,表示随机变量 取值与期望的偏离程度。
方差的性质
方差具有非负性,即对于任何随机变量X,D(X)≥0。
协方差的定义
协方差是两个随机变量的线性相关程度的度量,表示两个随机变量 同时偏离各自期望的程度。
自的概率分布相乘得到。
THANKS
感谢观看
02
随机变量及其分布
离散随机变量
离散随机变量定义
离散随机变量是在可数样本空间上的概率函数。
离散随机变量的概率分布
离散随机变量的概率分布由一个非负整数序列给出,表示在每个样 本点上随机变量取值的概率。
离散随机变量的期望值
离散随机变量的期望值是所有可能取值的概率加权和。
连续随机变量
连续随机变量念 • 随机变量及其分布 • 随机向量及其分布 • 随机变量的函数及其分布 • 随机变量的数字特征
01
概率论的基本概念
概率的定义与性质
01
02
03
概率的定义
概率是描述随机事件发生 可能性大小的数值,通常 用P表示。
概率论教学课件第二章2.1随机变量的概念及分布函数

5
5
不是分布函数,因为
() 1 F() 3 G() 1 1 3 1 4 1 .
5
5
55 5
17
四、用分布函数表示概率
分布函数完整地描述了随机变量的统计规 律.如果知道了随机变量的分布函数,那么可 以求出该随机变量落在任何区间内的概率.
假设a<b,
a
bx
{a X b} {X b} {X a} {X b} {X a}
第2章
1
2
一、随机变量的概念
在实际问题中,随机试验的结果可以用一个随 试验结果不同取不同数值的变量来表示,由此就产 生了随机变量的概念.
例1.掷一枚骰子出现的点数X, X的可能取值为:1,2,3,4,5,6. 变量X随试验结果的不同取不同的值,X是一
个随机变量.
3
在有些试验中,试验结果看来与数值无关, 但 我们可以引进一个变量来表示它的各种结果.
Pa X b F b 0 F a 0 ; Pa X b F b 0 F a;
Pa X b F b F a 0.
h 0 (X b h) (X b), (a h X a) (X a),
a X b ( X b) ( X a), a X b (X b) (X a),
那么可用下列几种常见形式表示事件:
◎ X x ; X x ; X x ; X x ; X x ; X x .
10
◎ x1 X x2 ; x1 X x2 ; x1 X x2 ; x1 X x2 .
用随机变量表示事件往往比较简洁.
三、分布函数
设X是任意一个随机变量,称如下定义的函数
4
4
44
4
4
44
(4) F( x),G( x)处处右连续, 1 F( x) 3 G( x)处处右连续.
概率论第2章精品PPT课件

当X=3时,取的另外两只球只能是1和2,即只有一种可能, 故
P{X
3}
1 C53
1 10
当X=4时,取的另外两只球可以是1、2、3中的任两个,故
P{X
4}
C32 C53
3 10
当X=5时,取的另外两只球可以是1、2、3、4中的任两个,故
P{X
5}
C42 C53
6 10
2
第2章 随机变量及其分布
(2) 根据概率密度的定义可得
fX
(x)
dFX (x) dx
1 / 0,
x,
1 xe 其它
13
第2章 随机变量及其分布
习题22(1)
22(1) 分子运动速度的绝对值X服从麦克斯韦 (Maxwell)分布,其概率密度为
f
(
x)
Ax 2e
x2
/b
,
0,
x0 其他
其中b=m/(2kT), k为玻耳兹曼(Boltzmann)常数,T为 温度,m是分子的质量,试确定常数A.
1 241
t ex / 241dx 1 et / 241
0
综合得到:
1 et /241, t 0
FT
(t)
0,
其他
利用分布函数的性质计算概率:
P{50 T 100} FT (100) FT (50)
e50/ 241 e100/ 241
17
第2章 随机变量及其分布
习题23
23. 某种型号器件的寿命X(以小时计)具有概率密度
解: 甲乙各自做3重伯努力实验,设甲投中次数为X, 乙投中次数为Y, 两 者均遵从二项分布。故所求为
甲乙投篮相互独立
3
概率论课件(第2章)
3
x
X 的任一取值点 x i 为间断点,
图形呈一个跳跃,其跳跃的高度恰好等于 P ( X x i ) .
例3: 设
0
F ( x)
0.4 0.8
1
, x 1 , 1 x 1 , 1 x 3 , x3
解: X 可取: -1, 1, 3 , 且 P ( X 1) 0.4 0 0.4 P ( X 1) 0.8 0.4 0.4 P ( X 3) 1 0.8 0.2
例2:10件产品中3件次品,现任取2件,设 X 表示取到的次品个数,
则 X 可取:0,1,2 ,且
P( X
0)
C
2 7
C
2 10
,
P( X
1)
C
13C
1 7
C
2 10
,
P( X
2)
C
2 3
C
2 10
.
例3:设 X 表示弹着点与靶心的距离,则 X 的取值范围为: 0 X 靶子半径.
三、随机变量的分类 ·离散型随机变量和非离散型随机变量 . 注:非离散型变量中比较常见的是连续型变量,所以本教材中说: 常见的随机变量分为离散型和连续型 .
固定 ,只改变 时,
对称轴不变,曲线形态
变尖或变扁.
0
x
(2)标准正态分布
·定义:当 0 , 2 1 时,正态分布 N ( 0 , 1 ) 称为标准正态分布.
记概率密度函数为 (x)
1
x2
e2
2
· (x) 图形性质:关于 y 轴对称 .
·分布函数:
(i)定义: (x) P(X x)
第二节 离散型随机变量
一、定义 ·若 X 只能取有限个或可列无穷个值时,则称其为离散型随机变量.
概率论与数理统计第二讲
定义 设X是S上的随机变量F(x)为其分布函数, 如果存在定义在(-∞,+∞)上的非负实质函数 f(x),使得
F ( x)
x
f ( t )dt, x
则称X为连续型随机变量,称F(x)为连续型分 布函数,称f(x)为X的概率密度函数(或概率 密度或分布密度)。
设X为连续型随机变量,F(x)与f(x)分别 为其分布函数和概率密度 1)对任意常数a<b有
即
P(X<0)=P(X-3<-3)=0.1。
当μ=0且σ=1的正态分布N(0,1),称为标准正 态分布。 x2 1 2 概率密度 ( x ) e , x ,
2
在统计用表中给出了 x 0至x 3.49所对应 的( x)值。 当x 3.49时,( x) 1 ;
P(λ)
λ=np=1
0.368 0.368 0.184 0.061 0.015 0.004
例 某物业管理公司负责10000户居民的 房屋维修工作。假定每户居民是否报修 是相互独立的,且报修的概率都是0.04% 另外,一户居民住房的维修只需一名修理 工来处理。易知,在某个时段报修的居民 数X~B(10000,0.0004).试问 1)该物业管理公司至少需要配备多少名 维修工人,才能使居民报修后能得到及时 修理的概率不低于99%。
P (a X b) f ( x )dx
a
b
2)F(x)是连续函数,且当f(x)在x=x0处连续时
F ( x0 ) f ( x0 )
3)对任意常数c,P(X=c)=0,从而对任何a<b,有
P (a X b) P (a X b) P (a X b) P (a X b)
概率论课件 第二章
(2) 获利不少于一万元,即 30000 -200X 10000
e 5 5 k 0.9864 P{获利不少于一万元}=P{X10} k! k 0 17
10
即
X10
(四) 几何分布*
定义 若随机变量X的分布律为
P{ X k } (1 p)
k1
p , k 1,2,
1 , a xb f ( x) b a 0 , 其它
dx d c . ba ba
这表明,X 取值于[a,b]内的任一子区间的概
率与该子区间的长度成正比,而与该区间的具体
位置无关,这也正是均匀分布的概率意义。
26
例2 某公共汽车站从上午7时起,每10分钟来一班车,
查表,必须取a=8。
14
泊 松 定 理 在 n 重 伯 努 利 试 验 中 ,假 设 一 次试 验 中 事 件 A 出 现 的 概 率 为 pn ,如 果 有 lim np n , 则 对
n
于 任 意 给 定 的 k,有
k k lim C n pn (1 pn )n k n
P{1 X 1}
P{ X 0.1}
1 1
f ( x )dx 3e 3 x dx e 3 1 ;
0
1
0.1
f ( x )dx
0.1
3e
3 x
dx e
0.1
24
连续型随机变量的几种常见分布
1.均匀分布
定义 如果随机变量X的分 布密度为
01xe?由010?知x的分布密度为0100xexfxx??????1甲人等待时间超过10分钟的概率为??0111010010368xpxedxe?????????2甲人等待时间在10到20分钟之间的概率为????200112101020010233xpxedxee??????????3310?3甲等待5分钟以后至少再等待10分钟的概率为01?15101?50115510??50368501xxedxpxpxxepxedx??????????????可见1与3结果相同这恰与指数分布的无记忆性相吻合
e 5 5 k 0.9864 P{获利不少于一万元}=P{X10} k! k 0 17
10
即
X10
(四) 几何分布*
定义 若随机变量X的分布律为
P{ X k } (1 p)
k1
p , k 1,2,
1 , a xb f ( x) b a 0 , 其它
dx d c . ba ba
这表明,X 取值于[a,b]内的任一子区间的概
率与该子区间的长度成正比,而与该区间的具体
位置无关,这也正是均匀分布的概率意义。
26
例2 某公共汽车站从上午7时起,每10分钟来一班车,
查表,必须取a=8。
14
泊 松 定 理 在 n 重 伯 努 利 试 验 中 ,假 设 一 次试 验 中 事 件 A 出 现 的 概 率 为 pn ,如 果 有 lim np n , 则 对
n
于 任 意 给 定 的 k,有
k k lim C n pn (1 pn )n k n
P{1 X 1}
P{ X 0.1}
1 1
f ( x )dx 3e 3 x dx e 3 1 ;
0
1
0.1
f ( x )dx
0.1
3e
3 x
dx e
0.1
24
连续型随机变量的几种常见分布
1.均匀分布
定义 如果随机变量X的分 布密度为
01xe?由010?知x的分布密度为0100xexfxx??????1甲人等待时间超过10分钟的概率为??0111010010368xpxedxe?????????2甲人等待时间在10到20分钟之间的概率为????200112101020010233xpxedxee??????????3310?3甲等待5分钟以后至少再等待10分钟的概率为01?15101?50115510??50368501xxedxpxpxxepxedx??????????????可见1与3结果相同这恰与指数分布的无记忆性相吻合
课件2概率论1.3.ppt
=1
1 8
=
7 8
.
有放回抽样和无放回抽样问题
设在10 件产品中,有2件次品,8件正品. A=“第一次抽取正品,第二次
n 1010
mA 8 2
P(A) 8 2 0.16 10 10
情形2: 第一次抽取后,产品不放回去
82
n 109
mA 8 2
P(A) 0.1778 10 9
例1.3.3 某人外出旅游两天,据气象预报,第一天下 雨的概率为0.6,第二天下雨的概率为0.3,两天都下 雨的概率为0.1.试求:
(1)第一天下雨而第二天不下雨的概率; (2)第一天不下雨而第二天下雨的概率; (3)至少有一天下雨的概率; (4)两天都不下雨的概率; (5)至少有一天不下雨的概率.
8
解: (1)由于A,B互不相容,则 AB ,于是
P( AB) P(B A) P B AB P B 1 .
2 (2)由于 A B ,所以
P( AB) P(B A) P(B) P( A) 1 1 1 . 23 6
(3) P( AB) P(B A) P(B AB)
解 每一个人都可以被分到N间房中任意一间,所以事
件总数为Nn .
P( A) n! Nn
P(B)
CNn n! Nn
P(C) Cnm (N 1)nm Nn
有名的生日问题
某班有50个学生,求他们的生日无重复的概率 (设一年365天)
分析 ——此问题可以用分房问题模型来模拟
50个学生
50个人
365天
它具有下述性质:
1 0 f n ( A) 1 ;
2 f n() 1; fn () 0;
3 若A1, A2,, Ak 是两两互不相容事件,则 f n ( A1 A2 Ak) f n ( A1) f n ( A2) f n ( Ak)
- 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、"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、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)。
第一节 集合代数和σ -代数
定理1.1.10 设,是由Ω的一些子集组成的非空集合类, 且
1. 若为λ -系, 是π -系,则:σ () 2. 若为单调类, 是集代数,则: σ ()
证明1:由于 ,是包含的λ -系
则也包含所生成的最小λ -系λ (),即λ () 而是π -系,由定理1.1.9:λ ()= σ ()
推广情形:设 R(n) x1, x2 , xn : xi R(1) , i 1,2, 为 n n维实 (n) 数空间,考虑由 的一些子集组成的集合类: R
n 1 , ai : ai R , i 1,2,n i 1
证明:第一部分:根据单调类的定义,只需证明:
若An Æ ,n 1,2,且An ,有
(可适当讲解)
A Æ
n n 1
2018/9/13
北京邮电大学电子工程学院
13
第一节 集合代数和σ -代数
第二部分:欲证λ-系+ π-系σ-代数 根据定理1.1.5:集代数+单调类σ-代数 所以只须证明为集代数即可。 由λ-系的定义,只须说明:
Ω=Aλ() )
若B,C λA且B C,有B\C λA
( 由B,C λA, 有B,Cλ() ,且对任意 取定的Aλ(),有A B,A Cλ() ; 然而A B A C ,必有(A C)\ (A B) λ() 即(A C)\ (A B) =A (C\B) λ(),即C\B λA
若A,B Æ,有A B Æ,则称Æ为 系。
(π-系是一个比集代数还要弱的概念)
2018/9/13 北京邮电大学电子工程学院 11
第一节 集合代数和σ -代数
定义1.1.7 设是由Ω的一些子集组成的非空集合类,若 满足:
1. Ω ; 2. 若 A,B ,AB,有B\A ;
2018/9/13
北京邮电大学电子工程学院
8
第一节 集合代数和σ -代数
不妨分三步加以说明:
1、μ A 是单调类 2、μ A 是包含A的最小的单调类 下面主要分析 μA为何是单调类,见 P4,请自学
2018/9/13
北京邮电大学电子工程学院
9
第一节 集合代数和σ -代数
简单回顾上一讲的内容: 1. 集代数、σ -代数、单调类、 ()、μ()的定义 2. 它们之间的关系
第二节 测度与概率
若集函数为有限可加且只取非负值,则称为有限可加
测度; 若集函数为σ -可加且只取非负值,则称为测度,用μ或 ν表示; 具有性质 Ω 且ν(Ω)=1 的测度,称为概率测度或概率, 用P表示。 一般情况下取为集代数或σ -代数,下面讨论集函数 与测度的性质。
( )
()是一σ -代数。
由于集代数+ 单调类 σ -代数 ,所以只须证明它是 集代数即可
1.
2的证明如下
2018/9/13
,有A \ B 2. 若A,B
北京邮电大学电子工程学院 7
第一节 集合代数和σ -代数
3. 若An Æ ,n 1,2,且An ,有 则称为λ-系。
A Æ
n n 1
由以上定义可知: σ-代数一定是λ-系。 定理1.1.7 若是λ-系,则它是单调类;若既是λ-系, 又是π-系,则它是σ-代数。
2018/9/13 北京邮电大学电子工程学院 12
第一节 集合代数和σ -代数
1. Ω ; 2. 若 A,B ,A-B ;
而A-B=A-(AB) ABA 因此: A-B
2018/9/13 北京邮电大学电子工程学院 14
第一节 集合代数和σ -代数
定理1.1.8 设是由Ω的一些子集组成的非空集合类,则存 在唯一的λ -系0,满足:
1. 0; 2. 对包含的任一λ-系,有0
2018/9/13
北京邮电大学电子工程学院
22
第二节 测度与概率
i 1,2, , Ai A j i j , 且 Ai ,有: 若 Ai ,
i 1
Ai Ai i 1 i 1
则称在 上具有σ -可加性,即完全可加性,也称为 上的σ -可加集函数或广义测度。
特别地,若A,而是π -系,有:
A B λ (),则B λA ,则λA 一般地,若Aλ (),则AλB
由1.1.2的对称性,有BλA,则λA )
3. λA是包含的最小的λ-系,即λA =λ ()
(只需证明λA λ ()即可,由λA 的构造,显然)
2018/9/13 北京邮电大学电子工程学院 18
1. 2. 3.
(1.1.2)
下面只需证明对每一个Aλ (), 说明λA =λ () λA 为λ-系 λA是包含的λ-系 λA是包含的最小的λ-系,即λA =λ ()
北京邮电大学电子工程学院 16
2018/9/13
1. 欲证λA 为λ-系 Ω λA (显然, Ωλ(),对任意取定的Aλ(),A
2018/9/13
北京邮电大学电子工程学院
23
第二节 测度与概率
若对每一A , (A) 取有限值,则称为 上的有限集函数;若对每一A ,存在一集
合序列{An} ,使:
A
A , A , n 1,2,
n n n 1
24
则称为上的σ-可加集函数。
2018/9/13 北京邮电大学电子工程学院
2018/9/13 北京邮电大学电子工程学院 2
第一节 集合代数和σ -代数
定义1.1.3 称定理1.1.3中的0是包含的最小σ -代数,或
者是由生成的σ -代数,记为σ ()。 例1.1.2 设 A ,且
σ -代数为 A, A, , 。 三、Borel域
(1) R 设 ,考虑由
称0为包含的最小λ-系,记为λ()
2018/9/13
北京邮电大学电子工程学院
15
第一节 集合代数和σ -代数
定理1.1.9 若是π -系,则: λ ()=σ () 证明:由于σ -代数一定是λ -系,则σ ()λ () 根据定理1.1.7 λ-系+ π-系σ-代数 只需说明λ ()为π -系,即对有限交运算封闭。 与定理1.1.6类似,对任意的Aλ (),构造辅助集合类 λA={B:Bλ(),AB λ()}
证明:对任意的 ( )A ,令辅助集合类 A B : B , \ B, B \ A
若能证明对每一个
(),有:
A
即对差运算封闭,则得证。
A ,所以只需证 A 显然,
证明:若 An
,令Bn Ak
k 1
因是集代数,故 Bn
2018/9/13
,又Bn ,则 Bn
n 1
北京邮电大学电子工程学院 6
第一节 集合代数和σ -代数
定理1.1.6 若是集代数,则: σ ()= 因此只须证明 证明:σ -代数一定是单调类,则σ () ()
{A}的最小 A , A,则包含
()为 为(1) ,并称(1) 中的元素为一维的Borel集。
2018/9/13 北京邮电大学电子工程学院
, a : a R1,称σ
) 的一些子集组成的集合类: R (1
(1) R 上的Borel域,记
3
第一节 集合代数和σ -代数
则:σ ()
证明2:略,见P6。
2018/9/13 北京邮电大学电子工程学院 19
第一节 集合代数和σ -代数
五、乘积空间和乘机σ -代数
自学,略
2018/9/13
北京邮电大学电子工程学院
20
第二节 测度与概率
一、测度及其性质
首先引入集函数、广义测度和测度的概念。 定义1.2.1 设是由Ω的一些子集组成的非空集合类,若对 每一个A ,有一实数或者∞与之对应,记为(A) 且至少有一A ,使其取有限值,称(A) 是定义在上 的集函数。 (集函数和普通的函数差别为定义域为集合类)。
σ -代数(可列可加) 集代数(有限可加)
σ -代数 单调类 集代数+单调类 σ -代数 μ()、 () 是存在且唯一的 是集代数,μ() = ()
2018/9/13 北京邮电大学电子工程学院 10
第一节 集合代数和σ -代数
有时验证某集合类是否为包含某集代数的单调类也比 较困难,因此再引入λ-系、π-系的概念,借助于λ-系、π系来判断某一集代数是否为单调类,从而进一步判断这 个集合类是否为σ -代数,以保证该σ -代数中的每一个 集合都是随机事件,那么该σ -代数即为概率函数的定义 域。 定义1.1.6 设由Ω的一些子集组成的非空集合类,若:
第一节 集合代数和σ -代数
二、包含某一集合类的最小σ -代数
是由Ω的一些子集组成的非空集合类,那么至 少存在一个σ -代数包含 。为什么? 由于 是一个 σ -代数,且 。 是否存在最小的σ -代数?若存在,是否唯一?
2018/9/13
北京邮电大学电子工程学院
1
第一节 集合代数和σ -代数
定理1.1.3 设Ω是任一非空集合, C是由Ω的一些子集组成的 非空集合类,则存在唯一的σ -代数F0,满足: 1. C F0 ; 2. 对包含的任一σ -代数,有F0
证明:构造F* F A为所有包含的σ -代数的交。下面说明 这样构成的 *即为包含的最小的σ -代数, *= 0 由构造性可知它不仅存在而且唯一。 由于σ -代数的交仍为σ -代数,所以*为包含的σ 代数。 由构造,则可知其最小性。