ทำไมตัวแปรสุ่มถูกกำหนดให้เป็นฟังก์ชั่น


21

ฉันมีปัญหาในการทำความเข้าใจแนวคิดของตัวแปรสุ่มเป็นฟังก์ชั่น ฉันเข้าใจกลไก (ฉันคิดว่า) แต่ฉันไม่เข้าใจแรงจูงใจ ...

พูดเป็นความน่าจะเป็นสามโดยที่ ,คือ Borel- -algebra ในช่วงเวลานั้นและคือการวัด Lebesgue ปกติ ให้เป็นตัวแปรสุ่มจากถึงซึ่ง , , ... ,ดังนั้นมีการกระจายแบบไม่ต่อเนื่องบนค่า 1 ถึง 6 Ω = [ 0 , 1 ] B σ P X B { 1 , 2 , 3 , 4 , 5 , 6 } X ( [ 0 , 1 / 6 ) ) = 1 X ( [ 1 / 6 , 2 / 6 ) ) = 2 X ( [(Ω,B,P)Ω=[0,1]BσPXB{1,2,3,4,5,6}X([0,1/6))=1X([1/6,2/6))=2XX([5/6,1])=6X

นั่นคือทั้งหมดที่ดี แต่ฉันไม่เข้าใจความจำเป็นของความน่าจะเป็นสามเท่าเดิม ... เราสามารถสร้างสิ่งที่เทียบเท่าโดยตรงกับโดยที่มีความเหมาะสม -algebra ของพื้นที่และเป็นหน่วยวัดที่กำหนดให้แต่ละส่วนย่อยเป็นการวัด (# ขององค์ประกอบ) / 6 นอกจากนี้ตัวเลือกของโดยพลการ - มันอาจเป็นหรือชุดอื่น ๆS σ P x Ω = [ 0 , 1 ] [ 0 , 2 ]({1,2,3,4,5,6},S,Px)SσPxΩ=[0,1][0,2]

ดังนั้นคำถามของฉันคือทำไมต้องสร้างโดยพลการด้วย -algebra และการวัดและกำหนดตัวแปรสุ่มเป็นแผนที่จาก -algebra ถึงเส้นจริง? σ σΩσσ


5
โปรดทราบว่าตัวแปรสุ่มเป็นฟังก์ชันจากจะไม่ได้มาจากเพื่อRความต้องการก็คือว่าเป็นตัวแปรสุ่มที่วัดด้วยความเคารพ{B} R B R BΩRBRB
mpiktas

คำตอบ:


21

หากคุณสงสัยว่าทำไมเครื่องจักรทั้งหมดนี้ถูกใช้เมื่อสิ่งที่เรียบง่ายกว่านั้นพอเพียงแล้ว - คุณพูดถูกสำหรับสถานการณ์ส่วนใหญ่ อย่างไรก็ตามรุ่นความน่าจะเป็นตามทฤษฎีของการวัดได้รับการพัฒนาโดย Kolmogorov เพื่อจุดประสงค์ในการสร้างทฤษฏีทั่วไปเช่นที่มันสามารถจัดการได้ในบางกรณีพื้นที่ที่น่าจะเป็นนามธรรมและซับซ้อนมาก ในความเป็นจริง Kolmogorov วัดรากฐานทางทฤษฎีสำหรับความน่าจะเป็นในที่สุดได้รับอนุญาตให้เครื่องมือน่าจะถูกนำไปใช้ไกลเกินกว่าขอบเขตดั้งเดิมของการประยุกต์ใช้ในพื้นที่เช่นการวิเคราะห์ฮาร์โมนิ

ในตอนแรกมันดูเหมือนตรงไปตรงมามากกว่าที่จะข้าม "ต้นแบบ" -algebraและเพื่อมอบหมายมวลความน่าจะเป็นให้กับกิจกรรมที่ประกอบไปด้วยพื้นที่ตัวอย่างโดยตรงตามที่คุณเสนอ อันที่จริงได้อย่างมีประสิทธิภาพ probabilists ทำสิ่งเดียวกันเมื่อใดก็ตามที่พวกเขาเลือกที่จะทำงานกับ "เหนี่ยวนำวัด" ในพื้นที่ตัวอย่างที่กำหนดโดย1} อย่างไรก็ตามสิ่งต่าง ๆ เริ่มมีความยุ่งยากเมื่อคุณเริ่มเข้าสู่มิติที่ไม่มีที่สิ้นสุด สมมติว่าคุณต้องการพิสูจน์กฎหมายที่แข็งแกร่งของตัวเลขจำนวนมากสำหรับกรณีเฉพาะของการโยนเหรียญที่ยุติธรรม (นั่นคือสัดส่วนของหัวมีแนวโน้มที่จะสุ่มอย่างใกล้ชิดถึง 1/2 ตามจำนวนการโยนเหรียญที่ไม่มีที่สิ้นสุด) คุณสามารถพยายามสร้างΩ P X - 1 σ ( H , T , H , . . . ) Ω = [ 0 , 1 ) 0.10100 ...σΩPX1σพีชคณิตในชุดของลำดับอนันต์ของฟอร์ม ) แต่ที่นี่จะพบว่ามันสะดวกกว่าที่จะใช้พื้นที่ต้นแบบเป็น ; จากนั้นใช้การแทนเลขฐานสองของจำนวนจริง (เช่น ) เพื่อแสดงลำดับของการโยนเหรียญ (1 เป็นหัว 0 ถูกหาง) ภาพประกอบของตัวอย่างนี้สามารถพบได้ในบทแรก ๆ ของความน่าจะเป็นของ Billingsley และ วัด(H,T,H,...)Ω=[0,1)0.10100 ...


ขอบคุณ! ฉันจะตรวจสอบหนังสือเล่มนั้น อย่างไรก็ตามเนื่องจากยังคงเป็นกฎเกณฑ์ ( ตัวอย่างเช่นในตัวอย่างของคุณคือช่วงเวลาของหน่วยหรือพื้นที่ 'ที่ต้องการ' ซึ่งจะใช้ได้ในทุกพื้นที่ สถานการณ์? หรือมีสถานการณ์ที่ซับซ้อนกว่าเช่นจะมีประโยชน์ไหม? [ 0 , 2 ) [ 0 , 1 ] [ 0 , 1 ) Ω R 2Ω[0,2)[0,1][0,1)ΩR2
Leo Vasquez

2
@Leo: ใช่ กระบวนการสุ่มแบบต่อเนื่องแสดงตัวอย่าง ตัวอย่างที่ยอมรับได้คือ Brownian motion ซึ่งพื้นที่ตัวอย่างถูกนำมาเป็นซึ่งเป็นพื้นที่ของฟังก์ชั่นมูลค่าจริงต่อเนื่องทั้งหมด CΩ
พระคาร์ดินัล

1
@NRH ใช่ฉันควรจะได้กล่าวว่าสามารถนำมาแทนจะได้รับการ ฉัน (ค่อนข้างตั้งใจ) พยายามแปรงที่ใต้พรม
พระคาร์ดินัล

1
@cardinal ในความคิดเห็นของ @ Leo มันถูกถามว่าเป็น 'ที่ต้องการ' ในทุกสถานการณ์หรือไม่ ฉันแค่บอกว่า IMO นั้นไม่มีและมันมีประโยชน์ที่จะไม่ต้องการอะไรเกี่ยวกับโดยทั่วไป เมื่อคุณต้องการทำงานกับตัวอย่างเฉพาะอาจมีเหตุผลให้เลือกหนึ่งเฉพาะ อย่างไรก็ตามโปรดทราบว่า 'tautology' กำลังกวาดใต้พรมที่การดำรงอยู่ของการเคลื่อนไหว Brownian เป็นมาตรการที่น่าจะเป็นในจะต้องมีการจัดตั้ง โอห์มโอห์มโอห์มC[0,1]ΩΩΩ
NRH

2
@NRH ขออภัยสำหรับความเชื่องช้าของฉันในวันนี้ ฉันไม่สามารถเชื่อมต่อข้อมูลอ้างอิงที่ต้องการกับความคิดเห็นก่อนหน้าของ @ Leo ขอบคุณ เกี่ยวกับคำพูด "ซ้ำซาก" ประเด็นของฉันคือในการก่อสร้างอื่น ๆ ความต่อเนื่องของเส้นทางตัวอย่างเป็นทฤษฎีบทในขณะที่ภายใต้โครงสร้าง based ที่มีแผนที่แสดงตัวตนมันเป็นเรื่องแปลก แน่นอนความจริงที่ว่า BM สามารถสร้างด้วยวิธีนี้จะต้องแสดงก่อน แต่นั่นเป็นเพียงเล็กน้อยข้างจุด
พระคาร์ดินัล

10

ปัญหาเกี่ยวกับการ -algebras รายละเอียดปลีกย่อยทางคณิตศาสตร์ที่ไม่ได้จริงๆอธิบายว่าทำไมหรือถ้าเราจำเป็นต้องมีพื้นที่พื้นหลัง แน่นอนฉันจะบอกว่าไม่มีหลักฐานที่น่าสนใจว่าพื้นที่พื้นหลังเป็นสิ่งจำเป็น สำหรับการใด ๆ การตั้งค่าความน่าจะเป็น ( E , E , μ )ที่Eเป็นพื้นที่ตัวอย่างE σพีชคณิตและμวัดความน่าจะเป็นที่น่าสนใจอยู่ในμและไม่มีเหตุผลที่เป็นนามธรรมที่เราต้องการμที่จะเป็นตัวชี้วัดภาพ ของแผนที่ที่วัดได้X : ( Ω , Bσ(E,E,μ)EEσμμμ )X:(Ω,B)(E,E)

อย่างไรก็ตามการใช้พื้นที่พื้นหลังแบบนามธรรมให้ความสะดวกสบายทางคณิตศาสตร์ที่ทำให้ผลลัพธ์จำนวนมากดูเป็นธรรมชาติและใช้งานง่ายยิ่งขึ้น วัตถุประสงค์คือเสมอที่จะพูดอะไรเกี่ยวกับการกระจายของXแต่มันอาจจะง่ายและแสดงความชัดเจนมากขึ้นในแง่ของXμXX

ตัวอย่างมีให้โดยทฤษฎีบทขีด จำกัด กลาง ถ้าเป็นค่าจริงที่มีค่าเฉลี่ยμและความแปรปรวนσ 2 CLT บอกว่า P ( X1,,Xnμσ2 โดยที่Φเป็นฟังก์ชันการแจกแจงสำหรับการแจกแจงแบบปกติมาตรฐาน หากการกระจายของXฉันคือμผลที่สอดคล้องกันในแง่ของการวัดอ่าน ρ

P(nσ(1ni=1nXiξ)x)Φ(x)
ΦXiμ บางคำอธิบายของคำศัพท์ที่มีความจำเป็นโดย.μ*nเราหมายถึงn-times บิดของμ(การกระจายของผลรวม) ฟังก์ชันρcคือฟังก์ชันเชิงเส้นρc(x)=cxและ
ρn/στξρ1/n(μn)((,x])Φ(x)
μnnμρcρc(x)=cxคือการแปล τ ξ ( x ) = x - ξ อาจมีความคุ้นเคยกับสูตรที่สอง แต่มันก็เป็นงานที่ดีในการซ่อนสิ่งที่มันเกี่ยวกับτξτξ(x)=xξ

สิ่งที่น่าจะเป็นประเด็นคือการแปลงเลขคณิตที่เกี่ยวข้องกับ CLT นั้นค่อนข้างชัดเจนในแง่ของตัวแปรสุ่ม แต่ก็แปลได้ไม่ดีนักในแง่ของมาตรการ


(+1) คำอธิบายที่ดี ฉันคิดว่าเหตุผลอื่น ๆ ที่สัญกรณ์ในอดีตนั้นเป็นที่นิยมมากคือมันมีความหมายตามธรรมชาติมากกว่าในการใช้งาน (โหวตเมื่อหลายชั่วโมงก่อน)
พระคาร์ดินัล

@ cardinal ขอบคุณที่ทำให้จุดนั้นชัดเจนยิ่งขึ้น ดูเหมือนเป็นธรรมชาติมากขึ้นที่จะคิดและโต้แย้งในแง่ของผลรวมของตัวแปรไม่ใช่การวัดความน่าจะเป็นที่น่าเชื่อถือและเราต้องการให้คณิตศาสตร์สะท้อนสิ่งนั้น
NRH

0

ฉันเพิ่งสะดุดวิธีการใหม่นี้จะคิดเกี่ยวกับการสุ่มตัวแปรเช่นเดียวกับเกี่ยวกับภูมิหลังพื้นที่Ω ฉันไม่แน่ใจว่านี่เป็นคำถามที่คุณกำลังมองหาหรือไม่เพราะมันไม่ใช่เหตุผลทางคณิตศาสตร์ แต่ฉันคิดว่ามันเป็นวิธีที่ดีในการคิดถึง RVsXΩ

ลองนึกภาพสถานการณ์ที่เราโยนเหรียญ การตั้งค่าการทดลองนี้ประกอบด้วยชุดของเงื่อนไขเริ่มต้นที่เป็นไปได้ซึ่งรวมถึงรายละเอียดทางกายภาพของวิธีการโยนเหรียญ พื้นที่พื้นหลังประกอบด้วยเงื่อนไขเริ่มต้นที่เป็นไปได้ทั้งหมด เพื่อความง่ายเราอาจสันนิษฐานได้ว่าเหรียญโยนแตกต่างกันเพียงความเร็วแล้วเราจะตั้งค่าΩ=[0,vmax]

ตัวแปรสุ่มแล้วอาจจะคิดว่าเป็นหน้าที่ที่แมทุกรัฐเริ่มต้นโอห์มโอห์มกับผลที่สอดคล้องกันของการทดลองคือไม่ว่าจะเป็นหางหรือหัวXωΩ

สำหรับ RV: การวัดQจะสอดคล้องกัน เพื่อวัดความน่าจะเป็นเหนือเงื่อนไขเริ่มต้นซึ่งรวมถึงการเปลี่ยนแปลงของการทดลองแสดงโดยXX:([0,vmax],B[0,vmax],Q)({0,1},2{0,1})QX กำหนดการกระจายความน่าจะเป็นเหนือผลลัพธ์

สำหรับการอ้างอิงความคิดนี้คุณสามารถดูบทของ Tim Maudlin หรือ Micheal Strevens ใน "Probabilties in Physics" (2011)

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.