0 ≤ P(A) ≤ 1.
2. 樣本空間機率值為1,因為S為包含任一outcome的superset,而每次實驗一定是某一個outcome或是event發生,所以包含這個outcome的sample space發生的機率為1(必然發生)。
P(S) = 1.
3. 第三個就是公理定義了INFINITE DISJOINT event之聯集如何map到機率數值:
這三公理就是整個機率論發展的基石定義,其實我們也都在日常生活中不自覺有用到了,除了第二公理我乍聽之下感覺難以理解。
公理三可以發展出finite的版本。
根據三公理,我們可以建立空集合{0}的機率為0,為什麼?
因為S和{0}以及{0}和{0}為DISJOINT,所以根據公理三:
P(S U{0} U {0} U {0} .... ) = P(S) + P(0) + P(0) + P(0) + .....
又S U{0} U {0} U {0} .... = S,所以P(S U{0} U {0} U {0} ....) = P(S) = P(S) + P(0) + P(0) + P(0) + .....
根據公理二 P(S) = 1,且根據上式 P(S) = P(S) + P(0) + P(0) + P(0) + ..... = 1
故P(0) = 0 得證。
MIT課程補充
公理三又稱為:注意sequence這個字!這意指countable / discrete (不一定要是infinite or finite)。
如果不考慮sequence,那會得出以下的paradox證明:
沒有留言:
張貼留言