- De axioma's van Kolmogorov definiëren waarschijnlijkheid formeel als een niet-negatieve, genormaliseerde en σ-additieve maat.
- Uit deze axioma's worden eigenschappen zoals P(∅)=0, 0≤P(A)≤1, optelwetten en relaties met complementen afgeleid.
- Structuren zoals de waarschijnlijkheidsruimte (Ω, F, P), voorwaardelijke waarschijnlijkheid en onafhankelijkheid komen rechtstreeks voort uit dit axiomatische raamwerk.
De vraag "Wat zijn de axioma's van de waarschijnlijkheid?" lijkt eenvoudig, maar het antwoord leidt tot een zeer solide wiskundige constructie., die in de 20e eeuw rigoureus werd georganiseerd met het werk van Andrej Kolmogorov. Deze axioma's vormen de basis van vrijwel alle moderne kansrekening, van de studie van kansspelen tot complexe statistische modellen die worden gebruikt in datawetenschap, financiën en techniek.
Voordat Kolmogorov-formalisatieVroeger werd waarschijnlijkheid op een meer intuïtieve manier begrepen, gekoppeld aan het idee van frequentie of toeval.En verschillende wiskundigen gebruikten uiteenlopende interpretaties. Wanneer we het tegenwoordig over axioma's van waarschijnlijkheid hebben, hebben we het over een minimale set regels waaraan elke waarschijnlijkheidsfunctie moet voldoen, zodat we coherente berekeningen kunnen maken, tegenstrijdigheden kunnen vermijden en krachtige stellingen kunnen construeren.
Basisintuïtie: willekeurige ervaringen en gebeurtenissen
Om de axioma's van de waarschijnlijkheid te begrijpen, moeten we eerst weten wat een toevalsexperiment is en wat we een gebeurtenis noemen.Een toevalsexperiment is een procedure waarvan de uitkomst niet met zekerheid kan worden voorspeld, ook al kennen we alle mogelijke uitkomsten. Klassieke voorbeelden hiervan zijn het opgooien van een munt of het gooien van een dobbelsteen.
De steekproefruimte, meestal aangegeven met Ω, noemen we de verzameling van alle mogelijke uitkomsten van dit experiment.Als we bijvoorbeeld een munt opgooien, kan de steekproefruimte worden geschreven als Ω = {H, T}, waarbij H staat voor "kop" en T voor "munt". Elk element van Ω wordt een elementaire uitkomst genoemd.
Een gebeurtenis is een deelverzameling van Ω die we willen observeren.Als het experiment dus het opgooien van een munt is, is de verzameling {H} de gebeurtenis 'kop komt boven', de verzameling {T} de gebeurtenis 'munt komt boven' en Ω zelf de gebeurtenis 'kop of munt komt boven', dat wil zeggen een bepaalde gebeurtenis.
Sommige gebeurtenissen zijn extra belangrijk: de onmogelijke gebeurtenis, de elementaire gebeurtenis en de zekere gebeurtenis.De lege verzameling ∅ vertegenwoordigt de onmogelijke gebeurtenis, omdat deze geen uitkomst bevat; een verzameling met een enkel element {ω}, met ω in Ω, vertegenwoordigt een elementaire gebeurtenis; en Ω zelf is de zekere gebeurtenis, de gebeurtenis die altijd optreedt wanneer het experiment wordt uitgevoerd.
De taal van de verzamelingenleer is erg nuttig bij het bestuderen van waarschijnlijkheid.Als A en B gebeurtenissen zijn, dan stelt A ∩ B het gelijktijdig voorkomen van A en B voor, stelt A ∪ B het voorkomen van ten minste één van hen voor, en het complement van A, vaak geschreven als ̄A of Ω \ A, staat voor het "niet voorkomen van A". Deze notatie en de eigenschappen van verzamelingen zullen direct worden gebruikt bij het formuleren van de axioma's.
Interpretaties van het concept waarschijnlijkheid
Hoewel de axioma's van Kolmogorov de wiskundige basis voor waarschijnlijkheid vormen, kan het woord 'waarschijnlijkheid' zelf op verschillende manieren worden geïnterpreteerd.Door de jaren heen zijn er verschillende interpretaties ontstaan over wat het betekent om een nummer P(A) toe te kennen aan een gebeurtenis A.
Volgens de klassieke interpretatie van Laplace, die geldt voor eindige ruimten met even waarschijnlijke uitkomsten, is de waarschijnlijkheid van A de verhouding tussen het aantal gunstige gevallen en het aantal mogelijke gevallen.Als de steekproefruimte n even waarschijnlijke uitkomsten heeft (d.w.z. #Ω = n) en gebeurtenis A n_A van deze uitkomsten bevat (#A = n_A), dan wordt de waarschijnlijkheid gegeven door P(A) = n_A / n. Deze formule is vrij intuïtief wanneer alle uitkomsten dezelfde kans hebben om voor te komen.
Reeds de frequentistische interpretatie Het koppelt waarschijnlijkheid aan de relatieve frequentie die wordt waargenomen bij herhalingen van een experiment.Vanuit dit perspectief herhalen we het toevalsexperiment n keer en tellen we hoe vaak gebeurtenis A voorkomt, waarbij we dit getal n_A noemen. Vervolgens kijken we naar de limiet, naarmate n groter wordt, van de breuk n_A / n. De waarschijnlijkheid van A zou dan P(A) = lim_{n→∞} (n_A / n) zijn, mits deze limiet bestaat.
Dan is er nog de subjectieve interpretatie, die veel wordt gebruikt in de Bayesiaanse statistiek. Hierbij wordt waarschijnlijkheid gekoppeld aan de mate waarin een rationeel subject gelooft.In deze benadering kwantificeert P(A) hoe zeker iemand is van het optreden van A, rekening houdend met de beschikbare kennis. Het is niet de ervaring die de waarschijnlijkheid "draagt", maar de persoon die onzekerheid coherent beoordeelt.
Ondanks deze verschillende interpretaties kunnen ze allemaal naast elkaar bestaan binnen hetzelfde axiomatische kader van Kolmogorov.Met andere woorden, ongeacht of u een klassiek, frequentistisch of subjectief standpunt prefereert, uiteindelijk wordt waarschijnlijkheid wiskundig gemodelleerd door een functie P die voldoet aan een kleine verzameling axioma's over een gebeurtenissenruimte.
Formele constructie: waarschijnlijkheidsruimten en σ-algebra's
Kolmogorov beschreef waarschijnlijkheid in termen van een drietal (Ω, F, P), de zogenaamde waarschijnlijkheidsruimte.In dit drietal is Ω de steekproefruimte, F de verzameling van mogelijke gebeurtenissen (technisch gezien een σ-algebra van deelverzamelingen van Ω) en P de waarschijnlijkheidsfunctie.
Een σ-algebra F is een speciale verzameling van deelverzamelingen van Ω die aan bepaalde eigenschappen voldoet.Algemeen gesproken moet F de lege verzameling bevatten, gesloten zijn onder complement (als A in F zit, dan zit zijn complement ook in F) en gesloten zijn onder aftelbare vereniging (als A₁, A₂, … in F zitten, dan zit de vereniging van al deze verzamelingen ook in F). Deze structuur zorgt ervoor dat we met verzamelingsbewerkingen kunnen werken zonder het universum van gebeurtenissen met een goed gedefinieerde waarschijnlijkheid te verlaten.
Formeel is F een σ-algebra over Ω wanneer: De lege verzameling ∅ behoort tot F; als A in F zit, dan behoort het complement van A in Ω ook tot F; en als A₁, A₂, … een (eindige of aftelbaar oneindige) reeks elementen van F is, dan zit de vereniging A₁ ∪ A₂ ∪ … ook in F. In veel contexten wordt F ook wel het Borelveld of σ-veld genoemd.
De waarschijnlijkheidsfunctie P is gedefinieerd op F en kent aan elke gebeurtenis E in F een niet-negatief reëel getal toe.We zeggen dan dat P(E) in ℝ staat en P(E) ≥ 0 voor alle E in F. In de algemene maattheorie kunnen maten oneindige waarden aannemen, maar in de standaardkansrekening is P(E) altijd eindig, wat enkele verschillen met zich meebrengt ten opzichte van meer algemene maten.
Deze structuur (Ω, F, P) met P(Ω) = 1 is wat wij een waarschijnlijkheidsruimte noemen.De voorwaarde P(Ω) = 1 is essentieel omdat deze het idee weergeeft dat bij het uitvoeren van het experiment zeker een resultaat in Ω optreedt; er zijn geen "verborgen resultaten" buiten de steekproefruimte.
De drie axioma's van Kolmogorov
De axiomatische theorie van Kolmogorov is gebaseerd op drie fundamentele axioma's waaraan elke waarschijnlijkheidsfunctie moet voldoen.Ze zijn eenvoudig te formuleren, maar buitengewoon krachtig, omdat vrijwel alle gebruikelijke eigenschappen van waarschijnlijkheid ervan zijn afgeleid.
Eerste axioma — Niet-negativiteit: Voor elke gebeurtenis A die tot de σ-algebra F behoort, geldt P(A) ≥ 0. Dat wil zeggen dat waarschijnlijkheden nooit negatief zijn. In sommige meer exotische theorieën wordt wel gesproken over "negatieve waarschijnlijkheden", maar deze ideeën wijken af van Kolmogorovs klassieke raamwerk.
Tweede axioma — Normalisatie: De waarschijnlijkheid dat een bepaalde gebeurtenis zich voordoet, is gelijk aan 1, d.w.z. P(Ω) = 1. Dit axioma stelt de conventie vast dat 1 overeenkomt met 100% zekerheid en 0 met onmogelijkheid. In meer elementaire versies kan dit axioma ook worden begrepen als de som van de waarschijnlijkheden van alle elementaire uitkomsten van Ω gelijk is aan 1.
Derde axioma — σ-additiviteit: Als A₁, A₂, … een reeks paarsgewijs disjuncte (ook wel wederzijds exclusieve) gebeurtenissen is, dan is P(∪ᵢ Aᵢ) = Σᵢ P(Aᵢ). Dit geldt voor zowel een eindige als een aftelbaar oneindige verzameling gebeurtenissen. Deze aftelbare additiviteitseigenschap is het grootste verschil met louter eindige additiviteit.
In eenvoudigere contexten werken sommige auteurs alleen met eindige additiviteit., waarbij vereist is dat P(A ∪ B) = P(A) + P(B) voor disjuncte gebeurtenissen A en B, en dat dit geldt voor een eindig aantal verzamelingen. In dit geval is het voldoende om te werken met een verzamelingenalgebra, niet noodzakelijkerwijs een σ-algebra, maar de standaardbenadering in de moderne kansrekening is om σ-additiviteit te vereisen.
Uit dit derde axioma vloeien verschillende belangrijke gevolgen voort, zoals gelijkheden, ongelijkheden en waarschijnlijkheidswetten.Hij vormt ook de kern van de verbinding tussen waarschijnlijkheidsleer en maattheorie, die maten in verzamelingen op een vrij algemene manier bestudeert.
Eigenschappen afgeleid van axioma's
Op basis van de drie axioma's van Kolmogorov konden we een aantal fundamentele en uiterst nuttige eigenschappen bewijzen.Deze eigenschappen worden niet van tevoren aangenomen: ze zijn logische consequenties van de axioma's.
Eén van de eerste eigenschappen is de monotoniciteit van de waarschijnlijkheid.Als A en B gebeurtenissen in F zijn en A vervat is in B (A ⊆ B), dan is P(A) ≤ P(B). Het idee is intuïtief: als B alles omvat wat in A kan gebeuren, en misschien zelfs meer, dan kan B geen lagere waarschijnlijkheid hebben dan A.
Een andere fundamentele eigenschap is dat de waarschijnlijkheid van een onmogelijke gebeurtenis nul is.Vanuit een formeel oogpunt, met behulp van σ-additiviteit, beschouwen we een reeks waarbij E₁ = A, E₂ = B \ A en Eᵢ = ∅ voor i ≥ 3, in een scenario waarbij A ⊆ B. Omdat de Eᵢ disjunct zijn en hun vereniging B is, moet de som van de waarschijnlijkheden convergeren naar P(B). Als we aannemen dat P(∅) = a > 0, dan zou de som van P(∅) oneindig vaak exploderen tot oneindig, wat onverenigbaar is met eindige P(B). Daarom concluderen we dat P(∅) = 0.
We kunnen dus voor elke gebeurtenis E in F de ongelijkheid 0 ≤ P(E) ≤ 1 vaststellen.We wisten al dat P(E) ≥ 0 uit het eerste axioma. Wetende dat P(Ω) = 1 en gebruikmakend van monotoniciteit met E ⊆ Ω, volgt hieruit dat P(E) ≤ P(Ω) = 1. Elke waarschijnlijkheid ligt dus altijd tussen 0 en 1, inclusief.
Een veelgebruikte identiteit is de zogenaamde additieve wet voor twee willekeurige gebeurtenissen.Voor gebeurtenissen A en B in F geldt: P(A ∪ B) = P(A) + P(B) − P(A ∩ B). Deze formule corrigeert de "dubbeltelling" van de gemeenschappelijke gebeurtenis A ∩ B, die twee keer wordt opgeteld als we P(A) en P(B) zonder correctie optellen.
Een ander belangrijk gevolg is de relatie tussen een gebeurtenis en zijn complement.Als we het complement van A aanduiden met ̄A, dan is P(̄A) = 1 − P(A). Deze gelijkheid drukt het idee uit dat "A gebeurt of A gebeurt niet", en er is geen andere mogelijkheid binnen Ω.
Hieruit blijkt ook dat P(A) = 0 niet noodzakelijkerwijs betekent dat A de onmogelijke gebeurtenis is.In wiskundige termen is het mogelijk dat een gebeurtenis een waarschijnlijkheid van nul heeft, zonder dat het een lege verzameling is (dit gebeurt bijvoorbeeld in continue ruimtes), maar op het meest elementaire niveau wordt P(A) = 0 gewoonlijk geassocieerd met praktisch onmogelijke gebeurtenissen.
Praktisch voorbeeld: een muntje opgooien
Een klassiek en zeer didactisch voorbeeld om de axioma's van Kolmogorov te visualiseren is het opgooien van een munt.Laten we allereerst aannemen dat het muntje alleen op 'kop' (H) of 'munt' (T) kan belanden en dat dit de enige mogelijke uitkomsten zijn.
Vervolgens definiëren we de steekproefruimte als Ω = {H, T}De mogelijke gebeurtenissen vormen een σ-algebra F bestaande uit {∅, {H}, {T}, {H, T}}. In deze context is de onmogelijke gebeurtenis ∅, de elementaire gebeurtenissen {H} en {T}, en de zekere gebeurtenis {H, T}.
Uit de axioma's van Kolmogorov weten we dat P(∅) = 0 en P(Ω) = 1Als we aannemen dat de munt eerlijk is, dat wil zeggen dat hij geen van beide kanten bevoordeelt, dan suggereert symmetrie dat P({H}) = P({T}). Omdat de som P({H}) + P({T}) gelijk moet zijn aan 1, concluderen we dat beide 1/2 waard zijn.
De kans om 'kop of munt' te krijgen is dus P({H, T}) = 1De kans op kop is P({H}) = 1/2 en de kans op munt is P({T}) = 1/2. De som van de waarschijnlijkheden van de elementaire gebeurtenissen vormt de totale waarschijnlijkheid van de ruimte.
Dit model is weliswaar eenvoudig, maar het illustreert hoe axioma's zich in de praktijk gedragen en hoe ze inconsistenties in waarschijnlijkheidsberekeningen voorkomen.Als we de steekproefruimte niet nauwkeurig definiëren, kunnen we ernstige fouten maken, omdat elke gebeurtenis altijd een deelverzameling van Ω is. Als de deelverzameling niet in Ω past, is de waarschijnlijkheid ervan niet eens gedefinieerd.
Waarschijnlijkheid in eindige en aftelbare ruimtes
Wanneer de steekproefruimte eindig of aftelbaar is, kan waarschijnlijkheid op een heel concrete manier worden beschreven.Veronderstel dat Ω = {ω₁, ω₂, …} een eindige of aftelbare verzameling van mogelijke uitkomsten is.
Als A een gebeurtenis is die een aantal van deze resultaten bevat, zoals A = {ω₁*, …, ω_{k*}, …}De waarschijnlijkheid van A kan daarom worden gezien als de som van de waarschijnlijkheden van de corresponderende elementaire gebeurtenissen: P(A) = P(∪ᵢ {ω_{i*}}) = Σᵢ P({ω_{i*}}). Dit is een directe toepassing van additiviteit (of σ-additiviteit) op disjuncte verzamelingen.
In het bijzondere geval waarin de steekproefruimte eindig is, met #Ω = n, en alle uitkomsten even waarschijnlijk zijnWe hebben P({ωᵢ}) = 1/n voor elke i. Als A k verschillende uitkomsten in Ω bevat, dan is P(A) = Σ_{i=1}^k P({ω_{i*}}) = k/n = (#A)/(#Ω). Dit is precies de klassieke Laplace-formule, opnieuw geïnterpreteerd binnen het moderne axiomatische raamwerk.
Wanneer de steekproefruimte aftelbaar oneindig is, moet de som van de waarschijnlijkheid van de elementaire gebeurtenissen nog steeds convergeren naar 1.Dat wil zeggen, Σᵢ P({ωᵢ}) = 1. Dit is waar de kracht van σ-additiviteit tot uiting komt, omdat het ons in staat stelt om niet alleen met eindige sommen om te gaan, maar ook met oneindige reeksen van gebeurtenissen.
Voorwaardelijke waarschijnlijkheid en de rol van axioma's.
Een centraal aspect van de theorie is het begrijpen hoe waarschijnlijkheid verandert als we weten dat een bepaalde gebeurtenis al heeft plaatsgevonden.Hier komt de voorwaardelijke waarschijnlijkheid in beeld, die gewoonlijk wordt geschreven als P(A | B), wat staat voor "de waarschijnlijkheid van A gegeven dat B is opgetreden".
De basisformule voor voorwaardelijke waarschijnlijkheid is P(A | B) = P(A ∩ B) / P(B), op voorwaarde dat P(B) > 0Deze definitie is in overeenstemming met de axioma's van Kolmogorov en voldoet voor elke B met P(B) > 0, de functie A ↦ P(A | B), opnieuw aan de drie axioma's wanneer we de gebeurtenissenruimte beperken tot B.
Dit betekent dat P(· | B) zelf een waarschijnlijkheidsfunctie is over de “nieuwe” steekproefruimte B.Als gevolg hiervan gelden alle basiseigenschappen voor voorwaardelijke waarschijnlijkheden: P(̄A | B) = 1 − P(A | B), P(∅ | B) = 0, voorwaardelijke monotoniciteit (als A₁ ⊆ A₂, dan is P(A₁ | B) ≤ P(A₂ | B)) en de formule P(A₁ ∪ A₂ | B) = P(A₁ | B) + P(A₂ | B) − P(A₁ ∩ A₂ | B).
De definitie van voorwaardelijke waarschijnlijkheid geeft ook aanleiding tot de belangrijke relatie P(A ∩ B) = P(A) P(B | A), wanneer P(A) > 0.Symmetrisch kunnen we schrijven P(A ∩ B) = P(B) P(A | B), op voorwaarde dat P(B) > 0. Deze gelijkheden helpen bij het ontbinden van gezamenlijke waarschijnlijkheden en vormen de basis voor verschillende resultaten, zoals de stelling van Bayes.
Het is interessant om op te merken dat "onvoorwaardelijke" waarschijnlijkheid gezien kan worden als een bijzonder geval van voorwaardelijke waarschijnlijkheid.We kunnen inderdaad schrijven P(A) = P(A ∩ Ω) / P(Ω) = P(A | Ω), aangezien P(Ω) = 1. Dit versterkt het idee dat alle waarschijnlijkheid conceptueel afhankelijk is van enige achtergrondinformatie, zelfs als het alleen maar de kennis is dat we binnen Ω werken.
Onafhankelijkheid van gebeurtenissen
Een ander belangrijk concept dat op axioma's gebaseerd is, is dat van de onafhankelijkheid tussen gebeurtenissen.Twee gebeurtenissen A en B zijn onafhankelijk als het optreden van de ene de waarschijnlijkheid van de andere niet verandert.
In formele taal zijn A en B onafhankelijk wanneer P(A ∩ B) = P(A) P(B)In termen van voorwaardelijke waarschijnlijkheid impliceert dit dat als P(B) > 0, dan P(A | B) = P(A), en als P(A) > 0, dan P(B | A) = P(B). Dat wil zeggen, de wetenschap dat B is gebeurd, verandert niets aan de waarschijnlijkheid van A, en vice versa.
Elke gebeurtenis is onafhankelijk van de onmogelijke gebeurtenis ∅ en de zekere gebeurtenis Ω.Voor de lege verzameling geldt P(A ∩ ∅) = 0 en P(∅) = 0, dus de relatie geldt triviaal. Voor de bepaalde gebeurtenis geldt P(A ∩ Ω) = P(A) en P(Ω) = 1, dus P(A ∩ Ω) = P(A) P(Ω) = P(A).
Een veelgestelde vraag is of twee disjuncte gebeurtenissen onafhankelijk van elkaar kunnen zijn.In het algemeen geldt: als A en B disjunct zijn en beide een positieve waarschijnlijkheid hebben, dan is P(A ∩ B) = 0, maar P(A) P(B) > 0, wat in strijd is met de definitie van onafhankelijkheid. In veel gevallen zijn twee disjuncte gebeurtenissen met een waarschijnlijkheid ongelijk aan nul dus niet onafhankelijk, omdat het voorkomen van de ene de mogelijkheid van de andere uitsluit.
Wanneer er sprake is van meer dan twee gebeurtenissen, ontstaan er verschillende opvattingen over onafhankelijkheid.We kunnen paarsgewijze onafhankelijkheid, gezamenlijke onafhankelijkheid en andere typen hebben. In al deze gevallen blijft het uitgangspunt echter de relatie P(A ∩ B) = P(A) P(B), gebaseerd op de axioma's van Kolmogorov en de definitie van voorwaardelijke waarschijnlijkheid.
Praktische regels en klassieke wetten van de waarschijnlijkheid
Naast hun formele eigenschappen maken axioma's het mogelijk om meer operationele wetten te formuleren, die nuttig zijn in het dagelijkse werk van degenen die kansberekeningen uitvoeren.Eén daarvan is de zogenaamde wet van optellen, die al genoemd is in de vorm P(A ∪ B) = P(A) + P(B) − P(A ∩ B), en die via het inclusie-uitsluitingsprincipe kan worden uitgebreid naar een groter aantal gebeurtenissen.
Een andere veelgebruikte regel gaat over de relatie tussen een gebeurtenis en het 'externe' deel van een andere gebeurtenis.Voor A en B in F geldt: P(A ∩ ̄B) = P(A) − P(A ∩ B). Dit is simpelweg het ontbinden van A in twee delen: het deel dat samen met B voorkomt (A ∩ B) en het deel dat zonder B voorkomt (A ∩ ̄B). Deze twee delen zijn disjunct en hun vereniging is A, wat leidt tot de voorgaande gelijkheid door additiviteit.
De wet van de totale waarschijnlijkheid en de stelling van Bayes zijn, hoewel hier niet volledig uitgewerkt, ook rechtstreeks gebaseerd op de axioma's.De wet van de totale waarschijnlijkheid combineert voorwaardelijke waarschijnlijkheden in een partitie van de steekproefruimte, terwijl de stelling van Bayes de voorwaardelijke waarschijnlijkheden "omkeert", waardoor waarschijnlijkheden kunnen worden bijgewerkt op basis van nieuw bewijs.
In meer didactische versies worden ook enkele gemakkelijk te onthouden 'praktische axioma's' vermeld.Bijvoorbeeld: de maximale waarschijnlijkheid is 1 (100%); de som van de waarschijnlijkheid van alle elementen in de steekproefruimte is gelijk aan 1; en de waarschijnlijkheid van een gebeurtenis X opgeteld bij de waarschijnlijkheid van "niet X" is altijd 1. Deze beweringen zijn directe weerspiegelingen van de formele axioma's.
Met deze wetten is het mogelijk om allerlei problemen op te lossen, van eenvoudige kansspelen tot complexe modellen met veel variabelen.Het grote voordeel is dat achter alle formules en rekentrucs de logische onderbouwing nog steeds hetzelfde axiomatische statief is.
Kolmogorovs waarschijnlijkheidsaxioma's bieden een rigoureuze maar flexibele basis voor het omgaan met onzekerheid.Op basis van drie eenvoudige principes – non-negativiteit, normalisatie en σ-additiviteit – is een uitgebreide theorie opgesteld die klassieke, frequentistische en subjectieve interpretaties kan bevatten, eindige of oneindige ruimten kan behandelen, voorwaardelijke waarschijnlijkheid en onafhankelijkheid kan beschrijven en toepassingen in vrijwel alle wetenschappelijke en technologische vakgebieden kan ondersteunen.