这一页在讲什么
进度条:现在进入第 1 部分「概率空间与可测事件」。这一部分要把「一个概率模型由什么组成、要守什么规矩」讲清楚。
课件原文逐句精读
- Probability spaces and measurable events(高亮)
- From Jordan content to outer measure
- Lebesgue measurable sets and measure
- Lebesgue integration
- MCT, Fatou's Lemma, DCT, BCT
我们现在在哪里:第 1 部分「概率空间与可测事件」(深色高亮),其余四部分暂时淡化。
老师每进入一个新部分,都会放一页 Where we are(我们现在在哪里)。深色的一行是接下来要讲的部分。
第 1 部分会讲什么
| 页 | 内容 | 要回答的问题 |
|---|---|---|
| 第 5 页 | 样本点与样本空间 | 一个概率模型从哪里开始? |
| 第 6 页 | 事件 | 「某件事发生」在数学上是什么? |
| 第 7 页 | 手写续页:无穷次抛硬币 | 「无穷多次正面」怎么写成集合? |
| 第 8 页 | 可数可加性 | 概率要满足什么加法规则? |
| 第 9 页 | σ-代数 | 允许谈概率的事件清单要满足什么? |
| 第 10 页 | 为什么不总是用全部子集 | 清单为什么不能随便取最大的? |
| 第 11 页 | 生成的 σ-代数、博雷尔 σ-代数 | 怎样从几个「基本事件」造出整张清单? |
| 第 12 页 | 测度空间与概率空间 | 把以上拼起来,正式定义是什么? |
| 第 13 页、第 14 页 | 测度的连续性 | 集合一点点变大 / 变小,测度怎样变化? |
这一部分几乎全是集合语言:并 交 补 子集 如果这些符号还不熟,先读基础补课里的「集合」一节,再往下读,会轻松很多。
小结与自测
- 进入第 1 部分:概率空间与可测事件(第 5–14 页)。
- 这一部分的核心产物:概率空间 和一般的测度空间。
| 中文 | English | 白话解释 |
|---|---|---|
| 概率空间 | probability space | 三元组 (Ω, 𝓕, P):样本空间、事件的 σ-代数、概率测度。 |
| 事件 | event | 样本空间的(允许谈概率的)子集;实现的 ω 落在里面,就说事件发生。 |
| 样本空间 | sample space | 一次试验所有可能的完整结局组成的集合,记作 Ω。 |
| 样本点 | sample point | 一个完整的结局 ω;每次试验恰好实现一个样本点。 |
| 无穷多次 | infinitely often (i.o.) | 「Aₙ 发生无穷多次」就是集合 lim sup Aₙ。 |
| 集合 | set | 把一些对象放在一起当成一个整体,例如 {1,2,3}。 |
| 可数可加性 | countable additivity | 两两不交的可数个集合,并集的测度等于各自测度之和。 |
| σ-代数 | sigma-algebra | 允许谈概率的「事件清单」:含 Ω,对补集和可数并封闭。 |
| 子集 | subset | A 的每个元素都在 B 里,就说 A 是 B 的子集,记作 A ⊆ B。 |
| 生成的 σ-代数 | generated sigma-algebra | 包含给定集合族的最小 σ-代数 σ(𝒞):只加入「被逼着加入」的集合。 |
| 博雷尔 σ-代数 | Borel sigma-algebra | 由实数轴上所有开区间生成的 σ-代数 𝓑(ℝ),包含所有常见的集合。 |
| 测度空间 | measure space | 三元组 (S, 𝓜, μ):空间、σ-代数、测度。 |
| 测度 | measure | 给 σ-代数里的每个集合一个 [0, ∞] 中的「大小」,空集为 0,并且可数可加。 |