Jaké jsou axiomy pravděpodobnosti? Úplné vysvětlení.

Zahájení » Věda » Matematika » Statistický » Jaké jsou axiomy pravděpodobnosti? Úplné vysvětlení.

Otázka „jaké jsou axiomy pravděpodobnosti?“ se zdá být jednoduchá, ale odpověď vede k velmi solidní matematické konstrukci., která začala být důsledně organizována ve 20. století s prací Andreje Kolmogorova. Tyto axiomy jsou základem prakticky veškeré moderní teorie pravděpodobnosti, od studia hazardních her až po komplexní statistické modely používané v datové vědě, financích a inženýrství.

Před Kolmogorovova formalizaceTehdy byla pravděpodobnost chápána intuitivnějším způsobem, spojeným s myšlenkou frekvence nebo náhody.A různí matematici používali rozmanité interpretace. Dnes, když mluvíme o axiomech pravděpodobnosti, máme na mysli minimální soubor pravidel, kterým se musí každá pravděpodobnostní funkce řídit, abychom mohli provádět koherentní výpočty, vyhýbat se rozporům a konstruovat účinné věty.

Základní intuice: náhodné zážitky a události

Abychom pochopili axiomy pravděpodobnosti, je prvním krokem vědět, co je náhodný experiment a co nazýváme událostí.Náhodný experiment je jakýkoli postup, jehož výsledek nelze s jistotou předpovědět, i když známe všechny možné výsledky; klasickými příklady je hod mincí nebo kostkou.

Vzorkový prostor, obvykle označovaný Ω, nazýváme množinou všech možných výsledků tohoto experimentu.Pokud například hodíme mincí, lze prostor vzorku zapsat jako Ω = {H, T}, kde H představuje „pannu“ a T představuje „ocas“. Každý prvek Ω se nazývá elementární výsledek.

Událost je jakákoli podmnožina Ω, kterou chceme pozorovat.Pokud je tedy experimentem hod mincí, množina {H} je událost „padne panna“, množina {T} je událost „padne orel“ a samotná Ω je událost „padne panna nebo orel“, tj. určitá událost.

Některé události jsou obzvláště důležité: nemožná událost, elementární událost a jistá událost.Prázdná množina ∅ představuje nemožnou událost, protože neobsahuje žádný výsledek; množina s jediným prvkem {ω}, kde ω je v Ω, představuje elementární událost; a samotná Ω je jistá událost, tedy ta, která nastane vždy při provedení experimentu.

Jazyk teorie množin je velmi užitečný při studiu pravděpodobnosti.Pokud jsou A a B události, pak A ∩ B představuje současný výskyt A a B, A ∪ B představuje výskyt alespoň jedné z nich a Doplněk A, často zapisované jako ̄A nebo Ω \ A, představuje „nevýskyt A“. Toto označení a vlastnosti množin budou použity přímo při formulaci axiomů.

Interpretace pojmu pravděpodobnost

Ačkoli Kolmogorovovy axiomy poskytují matematický základ pro pravděpodobnost, samotné slovo „pravděpodobnost“ lze interpretovat různými způsoby.Historicky se objevily různé interpretace toho, co znamená přiřadit číslo P(A) události A.

V klasické interpretaci Laplaceovy teorie, platné pro konečné prostory s rovnocennými pravděpodobnostmi výsledků, je pravděpodobnost A poměrem mezi počtem příznivých případů a počtem možných případů.Pokud má vzorový prostor n stejně pravděpodobných výsledků (tj. #Ω = n) a událost A obsahuje n_A těchto výsledků (#A = n_A), pak je pravděpodobnost dána vztahem P(A) = n_A / n. Tento vzorec je poměrně intuitivní, když všechny výsledky mají stejnou šanci nastat.

Už frekventistickou interpretaci Spojuje pravděpodobnost s relativní četností pozorovanou v opakováních experimentu.Z tohoto hlediska opakujeme náhodný experiment n-krát a spočítáme, kolikrát nastane jev A, toto číslo nazveme n_A; poté se podíváme na limitu zlomku n_A / n, jak n roste. Pravděpodobnost A by byla P(A) = lim_{n→∞} (n_A / n), za předpokladu, že tato limita existuje.

Existuje také subjektivní interpretace, široce používaná v Bayesovské statistice, ve které je pravděpodobnost spojena s mírou přesvědčení racionálního subjektu.V tomto přístupu P(A) kvantifikuje, jak moc si je někdo jistý výskytem události A, s přihlédnutím k dostupným znalostem. Pravděpodobnost „nese“ zkušenost, ale subjekt, který koherentně hodnotí nejistotu.

Navzdory těmto rozdílným interpretacím mohou všechny koexistovat v rámci stejného axiomatického rámce Kolmogorova.Jinými slovy, bez ohledu na to, zda dáváte přednost klasickému, frekventnímu nebo subjektivnímu hledisku, bude pravděpodobnost nakonec matematicky modelována funkcí P, která se řídí malou sadou axiomů o prostoru událostí.

Formální konstrukce: pravděpodobnostní prostory a σ-algebry

Kolmogorov popsal pravděpodobnost pomocí trojice (Ω, F, P), nazývané pravděpodobnostní prostor.V této trojici je Ω vzorkovací prostor, F je množina možných událostí (technicky σ-algebra podmnožin Ω) a P je pravděpodobnostní funkce.

σ-algebra F je speciální kolekce podmnožin Ω, která splňuje určité vlastnosti.Obecně řečeno, F musí obsahovat prázdnou množinu, být uzavřená vůči doplňku (pokud A je v F, pak je jeho doplněk také v F) a být uzavřená vůči spočetným sjednocením (pokud A₁, A₂, … jsou v F, pak je sjednocení všech z nich také v F). Tato struktura zajišťuje, že můžeme pracovat s množinovými operacemi, aniž bychom opustili univerzum událostí, které mají dobře definovanou pravděpodobnost.

Formálně je F σ-algebra nad Ω, když: Prázdná množina ∅ patří do F; pokud A je v F, pak doplněk A v Ω také patří do F; a pokud A₁, A₂, … je (konečná nebo spočetně nekonečná) posloupnost prvků F, pak sjednocení A₁ ∪ A₂ ∪ … je také v F. V mnoha kontextech se F také nazývá Borelovo pole nebo σ-pole.

Pravděpodobnostní funkce P je definována na F a přiřazuje každé události E v F nezáporné reálné číslo.Pak říkáme, že P(E) je v ℝ a P(E) ≥ 0 pro všechna E v F. V obecné teorii míry mohou míry nabývat nekonečných hodnot, ale ve standardní teorii pravděpodobnosti je P(E) vždy konečná, což s sebou nese určité rozdíly ve vztahu k obecnějším mírám.

Tuto strukturu (Ω, F, P) s P(Ω) = 1 nazýváme pravděpodobnostním prostorem.Podmínka P(Ω) = 1 je zásadní, protože představuje myšlenku, že při provádění experimentu se jistě objeví nějaký výsledek v Ω; mimo prostor vzorku neexistují žádné „skryté výsledky“.

Kolmogorovovy tři axiomy

Kolmogorovova axiomatická teorie je založena na třech základních axiomech, které musí splňovat jakákoli pravděpodobnostní funkce.Jsou snadno formulovatelné, ale extrémně účinné, protože z nich jsou odvozeny prakticky všechny obvyklé vlastnosti pravděpodobnosti.

První axiom – Nezápornost: Pro jakoukoli událost A patřící do σ-algebry F máme P(A) ≥ 0. To znamená, že pravděpodobnosti nejsou nikdy záporné. V některých exotičtějších teoriích se hovoří o „záporných pravděpodobnostech“, ale tyto myšlenky se odchylují od klasického rámce Kolmogorova.

Druhý axiom – Normalizace: Pravděpodobnost výskytu určité události je rovna 1, tj. P(Ω) = 1. Tento axiom stanoví konvenci, že 1 odpovídá 100% jistotě a 0 odpovídá nemožnosti. V elementárnějších verzích lze tento axiom chápat také tak, že součet pravděpodobností všech elementárních výsledků Ω je roven 1.

Třetí axiom — σ-aditivita: Pokud A₁, A₂, … je posloupnost párově disjunktních (nazývaných také vzájemně se vylučujících) událostí, pak P(∪ᵢ Aᵢ) = Σᵢ P(Aᵢ). To platí jak pro konečnou, tak pro spočetně nekonečnou sbírku událostí. Tato vlastnost spočetné aditivity je hlavním rozdílem ve srovnání s pouhou konečnou aditivitou.

V jednodušších kontextech někteří autoři pracují pouze s konečnou aditivitou., který vyžaduje, aby P(A ∪ B) = P(A) + P(B) pro disjunktní jevy A a B a aby se to vztahovalo na konečný počet množin. V tomto případě stačí pracovat s algebrou množin, ne nutně σ-algebrou, ale standardní přístup v moderní pravděpodobnosti je požadavek σ-aditivity.

Právě z tohoto třetího axiomu vyplývá několik důležitých důsledků, jako jsou rovnosti, nerovnosti a zákony pravděpodobnosti.Je také jádrem spojení mezi pravděpodobností a teorií míry, která studuje míry v množinách poměrně obecným způsobem.

Vlastnosti odvozené z axiomů

Na základě Kolmogorovových tří axiomů jsme byli schopni dokázat několik základních a mimořádně užitečných vlastností.Tyto vlastnosti se předem nepředpokládají: jsou logickými důsledky axiomů.

Jednou z prvních vlastností je monotónnost pravděpodobnosti.Pokud jsou A a B události v F a A je obsaženo v B (A ⊆ B), pak P(A) ≤ P(B). Myšlenka je intuitivní: pokud B zahrnuje vše, co se může stát v A, a možná i více, pak B nemůže mít nižší pravděpodobnost než A.

Další základní vlastností je, že pravděpodobnost nemožnou události je nulová.Z formálního hlediska, s využitím σ-aditivity, uvažujeme posloupnost, kde E₁ = A, E₂ = B \ A a Eᵢ = ∅ pro i ≥ 3, ve scénáři, kde A ⊆ B. Protože Eᵢ jsou disjunktní a jejich sjednocení je B, součet pravděpodobností musí konvergovat k P(B). Pokud předpokládáme, že P(∅) = a > 0, pak by součet P(∅) nekonečněkrát explodoval do nekonečna, což je neslučitelné s konečným P(B). Proto docházíme k závěru, že P(∅) = 0.

Můžeme tedy pro libovolný jev E v F formulovat nerovnost 0 ≤ P(E) ≤ 1.Z prvního axiomu jsme již věděli, že P(E) ≥ 0. Z předpokladu, že P(Ω) = 1 a s využitím monotonie s E ⊆ Ω, vyplývá, že P(E) ≤ P(Ω) = 1. Každá pravděpodobnost je tedy vždy mezi 0 a 1 včetně.

Běžně používanou identitou je tzv. aditivní zákon pro libovolné dva jevy.Pro jevy A a B v F platí P(A ∪ B) = P(A) + P(B) − P(A ∩ B). Tento vzorec opravuje „dvojité počítání“ společného jevu A ∩ B, který se přičte dvakrát, pokud sečteme P(A) a P(B) bez úpravy.

Dalším důležitým důsledkem je vztah mezi událostí a jejím doplňkem.Označíme-li doplněk matice A jako ̄A, pak P(̄A) = 1 − P(A). Tato rovnost vyjadřuje myšlenku, že „buď se A stane, nebo se A nestane“, a v rámci Ω neexistuje žádná jiná možnost.

Z toho je také zřejmé, že P(A) = 0 nemusí nutně znamenat, že A je nemožná událost.Z matematického hlediska je možné, aby událost měla nulovou pravděpodobnost, aniž by byla prázdnou množinou (to se objevuje například v spojitých prostorech), ale na nejelementárnější úrovni je P(A) = 0 obvykle spojováno s prakticky nemožnými událostmi.

Praktický příklad: hod mincí

Klasickým a velmi didaktickým příkladem vizualizace Kolmogorovových axiomů je hod mincí.Předpokládejme nejprve, že mince může padnout pouze na „pannu“ (H) nebo „ocas“ (T) a že to jsou jediné možné výsledky.

Pak definujeme prostor vzorku jako Ω = {H, T}Možné události tvoří σ-algebru F složenou z {∅, {H}, {T}, {H, T}}. V tomto kontextu je nemožná událost ∅, elementární události jsou {H} a {T} a jistá událost je {H, T}.

Z Kolmogorovových axiomů víme, že P(∅) = 0 a P(Ω) = 1Pokud předpokládáme, že mince je spravedlivá, tj. že nepodporuje žádnou stranu, pak symetrie naznačuje, že P({H}) = P({T}). Protože součet P({H}) + P({T}) se musí rovnat 1, docházíme k závěru, že obě mají hodnotu 1/2.

Pravděpodobnost, že padne „panna nebo orel“, je tedy P({H, T}) = 1Pravděpodobnost, že padne „panna“, je P({H}) = 1/2 a pravděpodobnost, že padne „ocas“, je P({T}) = 1/2. Součet pravděpodobností elementárních událostí vyčerpává celkovou pravděpodobnost prostoru.

Tento model, ačkoli jednoduchý, ilustruje, jak se axiomy chovají v praxi a jak zabraňují nekonzistencím ve výpočtech pravděpodobnosti.Pokud pečlivě nedefinujeme prostor vzorku, můžeme se dopustit závažných chyb, protože jakákoli událost je vždy podmnožinou Ω; pokud se podmnožina do Ω nehodí, její pravděpodobnost není ani definována.

Pravděpodobnost v konečných a spočetných prostorech

Pokud je prostor vzorku konečný nebo spočetný, lze pravděpodobnost popsat velmi konkrétním způsobem.Předpokládejme, že Ω = {ω₁, ω₂, …} je konečná nebo spočetná množina možných výsledků.

Pokud je A událost, která obsahuje některé z těchto výsledků, například A = {ω₁*, …, ω_{k*}, …}Pravděpodobnost události A lze tedy chápat jako součet pravděpodobností odpovídajících elementárních událostí: P(A) = P(∪ᵢ {ω_{i*}}) = Σᵢ P({ω_{i*}}). Toto je přímá aplikace aditivity (nebo σ-aditivity) na disjunktních množinách.

V konkrétním případě, kdy je prostor vzorku konečný, s #Ω = n a všechny výsledky jsou stejně pravděpodobnéMáme P({ωᵢ}) = 1/n pro každé i. Pokud A obsahuje k různých výsledků v Ω, pak P(A) = Σ_{i=1}^k P({ω_{i*}}) = k/n = (#A)/(#Ω). Toto je přesně klasický Laplaceův vzorec reinterpretovaný v rámci moderního axiomatického rámce.

I když je prostor vzorku spočetně nekonečný, součet pravděpodobností elementárních událostí stále musí konvergovat k 1.To znamená, že Σᵢ P({ωᵢ}) = 1. Zde σ-aditivita ukazuje svou sílu, což nám umožňuje pracovat nejen s konečnými součty, ale také s nekonečnými řadami událostí.

Podmíněná pravděpodobnost a role axiomů.

Ústředním aspektem teorie je pochopení toho, jak se pravděpodobnost mění, když víme, že k určité události již došlo.Zde přichází na řadu podmíněná pravděpodobnost, obvykle zapisovaná jako P(A | B), což znamená „pravděpodobnost, že A nastalo za předpokladu, že B nastalo“.

Základní vzorec pro podmíněnou pravděpodobnost je P(A | B) = P(A ∩ B) / P(B), za předpokladu, že P(B) > 0Tato definice je v souladu s Kolmogorovovými axiomy a ve skutečnosti pro každé B s P(B) > 0 funkce A ↦ P(A | B) opět splňuje tři axiomy, když omezíme prostor událostí na B.

To znamená, že P(· | B) je sama o sobě pravděpodobnostní funkcí nad „novým“ vzorkovým prostorem B.V důsledku toho platí pro podmíněné pravděpodobnosti všechny základní vlastnosti: P(̄A | B) = 1 − P(A | B), P(∅ | B) = 0, podmíněná monotonie (pokud A₁ ⊆ A₂, pak P(A₁ | B) ≤ P(A₂ | B)) a vzorec P(A₁ ∪ A₂ | B) = P(A₁ | B) + P(A₂ | B) − P(A₁ ∩ A₂ | B).

Definice podmíněné pravděpodobnosti také vede k důležitému vztahu P(A ∩ B) = P(A) P(B | A), když P(A) > 0.Symetricky můžeme zapsat P(A ∩ B) = P(B) P(A | B), za předpokladu, že P(B) > 0. Tyto rovnosti pomáhají rozkládat společné pravděpodobnosti a jsou základem pro několik výsledků, jako je Bayesova věta.

Je zajímavé poznamenat, že „bezpodmínečná“ pravděpodobnost může být chápána jako zvláštní případ podmíněné pravděpodobnosti.Vskutku, můžeme zapsat P(A) = P(A ∩ Ω) / P(Ω) = P(A | Ω), protože P(Ω) = 1. To posiluje myšlenku, že koncepčně je veškerá pravděpodobnost podmíněna nějakými informacemi na pozadí, i když se jedná pouze o znalost, že pracujeme v rámci Ω.

Nezávislost událostí

Dalším klíčovým konceptem, který se opírá o axiomy, je koncept nezávislosti mezi událostmi.Dvě události A a B jsou nezávislé, pokud výskyt jedné z nich nemění pravděpodobnost druhé.

Ve formálním jazyce jsou A a B nezávislé, když P(A ∩ B) = P(A) P(B)Z hlediska podmíněné pravděpodobnosti to znamená, že pokud P(B) > 0, pak P(A | B) = P(A), a pokud P(A) > 0, pak P(B | A) = P(B). To znamená, že znalost toho, že došlo k události B, nemění pravděpodobnost události A a naopak.

Každá událost je nezávislá na nemožnou události ∅ a jisté události Ω.Pro prázdnou množinu platí P(A ∩ ∅) = 0 a P(∅) = 0, takže vztah platí triviálně. Pro jistou událost platí P(A ∩ Ω) = P(A) a P(Ω) = 1, proto P(A ∩ Ω) = P(A) P(Ω) = P(A).

Častou otázkou je, zda dvě disjunktní události mohou být nezávislé.Obecně platí, že pokud jsou A a B disjunktní a obě mají kladnou pravděpodobnost, pak P(A ∩ B) = 0, ale P(A) P(B) > 0, což porušuje definici nezávislosti. V mnoha případech tedy dvě disjunktní události s nenulovou pravděpodobností nejsou nezávislé, protože výskyt jedné vylučuje možnost druhé.

Při jednání s více než dvěma událostmi se objevuje několik různých pojmů nezávislosti.Můžeme mít párovou nezávislost, společnou nezávislost a další typy. Ve všech těchto případech však výchozím bodem zůstává vztah P(A ∩ B) = P(A) P(B), založený na Kolmogorovových axiomech a definici podmíněné pravděpodobnosti.

Praktická pravidla a klasické zákony pravděpodobnosti

Kromě svých formálních vlastností umožňují axiomy formulaci operačních zákonů, které jsou užitečné v každodenní práci těch, kteří provádějí výpočty pravděpodobnosti.Jedním z nich je tzv. zákon sčítání, již zmíněný ve tvaru P(A ∪ B) = P(A) + P(B) − P(A ∩ B), který lze rozšířit na větší počet jevů pomocí principu zahrnutí a vyloučení.

Dalším běžně používaným pravidlem je vztah mezi událostí a její „vnější“ částí jiné události.Pro A a B v F platí: P(A ∩ ̄B) = P(A) − P(A ∩ B). Jedná se o jednoduché rozložení A na dvě části: část, která se vyskytuje společně s B (A ∩ B) a část, která se vyskytuje bez B (A ∩ ̄B). Tyto dvě části jsou disjunktní a jejich sjednocením je A, což vede k předchozí rovnosti aditivitou.

Zákon totální pravděpodobnosti a Bayesova věta, ačkoli zde nejsou plně podrobně popsány, se také přímo opírají o axiomy.Zákon totální pravděpodobnosti kombinuje podmíněné pravděpodobnosti do rozdělení vzorkového prostoru, zatímco Bayesova věta „invertuje“ podmíněné věty a umožňuje aktualizaci pravděpodobností na základě nových důkazů.

V didaktičtějších verzích jsou uvedeny i některé snadno zapamatovatelné „praktické axiomy“.Například: maximální pravděpodobnost je 1 (100 %); součet pravděpodobností všech prvků ve vzorku je roven 1; a pravděpodobnost události X přičtená k pravděpodobnosti „ne X“ je vždy 1. Tato tvrzení jsou přímým odrazem formálních axiomů.

S touto sadou zákonů je možné řešit problémy od jednoduchých hazardních her až po sofistikované modely s mnoha proměnnými.Velkou výhodou je, že za všemi vzorci a výpočetními triky zůstává logickou oporou tentýž axiomatický trojnožka.

Kolmogorovovy axiomy pravděpodobnosti poskytují rigorózní, ale zároveň flexibilní základ pro řešení nejistoty.Na základě tří jednoduchých principů – nenegativity, normalizace a σ-aditivity – byla zkonstruována celá bohatá teorie, schopná zahrnovat klasické, frekventní a subjektivní interpretace, pracovat s konečnými nebo nekonečnými prostory, popisovat podmíněné pravděpodobnosti a nezávislost a podporovat aplikace prakticky ve všech vědeckých a technologických oblastech.