Care sunt axiomele probabilității? Explicație completă.

Inițiere » Ştiinţă » matematic » Statistic » Care sunt axiomele probabilității? Explicație completă.

Întrebarea „care sunt axiomele probabilității?” pare simplă, dar răspunsul conduce la o construcție matematică foarte solidă., care a început să fie organizată riguros în secolul al XX-lea odată cu lucrările lui Andrey Kolmogorov. Aceste axiome stau la baza practic întregii teorii moderne a probabilităților, de la studiul jocurilor de noroc până la modelele statistice complexe utilizate în știința datelor, finanțe și inginerie.

Inainte de Formalizarea lui KolmogorovPe atunci, probabilitatea era înțeleasă într-un mod mai intuitiv, legată de ideea de frecvență sau întâmplare.Și diferiți matematicieni au folosit interpretări diverse. Astăzi, când vorbim despre axiome ale probabilității, ne referim la un set minim de reguli pe care orice funcție de probabilitate trebuie să le respecte pentru a putea face calcule coerente, a evita contradicțiile și a construi teoreme puternice.

Intuiția de bază: experiențe și evenimente aleatorii

Pentru a înțelege axiomele probabilității, primul pas este să știm ce este un experiment aleator și ce numim eveniment.Un experiment aleatoriu este orice procedură al cărei rezultat nu poate fi prezis cu certitudine, chiar dacă cunoaștem toate rezultatele posibile; exemple clasice sunt aruncarea unei monede sau aruncarea unui zar.

Numim spațiu eșantion, de obicei notat cu Ω, mulțimea tuturor rezultatelor posibile ale acestui experiment.Dacă aruncăm o monedă, de exemplu, spațiul eșantionului poate fi scris ca Ω = {H, T}, unde H reprezintă „capul” și T reprezintă „palia”. Fiecare element al lui Ω se numește rezultat elementar.

Un eveniment este orice submulțime a lui Ω pe care suntem interesați să o observăm.Astfel, dacă experimentul este aruncarea unei monede, mulțimea {H} este evenimentul „iese cap”, mulțimea {T} este evenimentul „iese pajură”, iar Ω în sine este evenimentul „iese cap sau pajură”, adică un anumit eveniment.

Unele evenimente sunt deosebit de importante: evenimentul imposibil, evenimentul elementar și evenimentul cert.Mulțimea vidă ∅ reprezintă evenimentul imposibil, deoarece nu conține niciun rezultat; o mulțime cu un singur element {ω}, cu ω în Ω, reprezintă un eveniment elementar; iar Ω în sine este evenimentul cert, cel care apare întotdeauna atunci când se efectuează experimentul.

Limbajul teoriei mulțimilor este foarte util în studiul probabilităților.Dacă A și B sunt evenimente, atunci A ∩ B reprezintă apariția simultană a lui A și B, A ∪ B reprezintă apariția a cel puțin unuia dintre ele și complementul lui A, adesea scris ca ̄A sau Ω \ A, reprezintă „ne-apariția lui A”. Această notație și proprietățile mulțimilor vor fi utilizate direct în formularea axiomelor.

Interpretări ale conceptului de probabilitate

Deși axiomele lui Kolmogorov oferă baza matematică a probabilității, cuvântul „probabilitate” în sine poate fi interpretat în diverse moduri.Din punct de vedere istoric, au apărut diferite interpretări cu privire la ce înseamnă atribuirea unui număr P(A) unui eveniment A.

În interpretarea clasică a lui Laplace, valabilă pentru spații finite cu rezultate echiprobabile, probabilitatea lui A este raportul dintre numărul de cazuri favorabile și numărul de cazuri posibile.Dacă spațiul eșantionului are n rezultate egal probabile (adică #Ω = n) și evenimentul A conține n_A dintre aceste rezultate (#A = n_A), atunci probabilitatea este dată de P(A) = n_A / n. Această formulă este destul de intuitivă atunci când toate rezultatele au aceeași șansă de a se produce.

Eu interpretarea frecventistă Leagă probabilitatea de frecvența relativă observată în repetițiile unui experiment.Din acest punct de vedere, repetăm ​​experimentul aleator de n ori și numărăm de câte ori are loc evenimentul A, numind acest număr n_A; apoi ne uităm la limita, pe măsură ce n crește, a fracției n_A / n. Probabilitatea apariției lui A ar fi P(A) = lim_{n→∞} (n_A / n), cu condiția ca această limită să existe.

Există, de asemenea, interpretarea subiectivă, utilizată pe scară largă în statistica bayesiană, în care probabilitatea este asociată cu gradul de credință al unui subiect rațional.În această abordare, P(A) cuantifică cât de încrezătoare este cineva în apariția lui A, ținând cont de cunoștințele disponibile. Nu experiența „poartă” probabilitatea, ci subiectul care evaluează incertitudinea în mod coerent.

În ciuda acestor interpretări diferite, toate pot coexista în cadrul aceluiași cadru axiomatic al lui Kolmogorov.Cu alte cuvinte, indiferent dacă preferi un punct de vedere clasic, frecventist sau subiectiv, în cele din urmă probabilitatea va fi modelată matematic de o funcție P care respectă un set mic de axiome despre un spațiu de evenimente.

Construcție formală: spații de probabilitate și σ-algebre

Kolmogorov a descris probabilitatea în termeni de triplet (Ω, F, P), numit spațiu de probabilitate.În acest triplet, Ω este spațiul eșantionului, F este mulțimea evenimentelor posibile (tehnic, o σ-algebră de submulțimi ale lui Ω), iar P este funcția de probabilitate.

O σ-algebră F este o colecție specială de submulțimi ale lui Ω care satisface anumite proprietăți.În termeni generali, F trebuie să conțină mulțimea vidă, să fie închisă sub complement (dacă A este în F, atunci complementul său este, de asemenea, în F) și să fie închisă sub uniuni numărabile (dacă A₁, A₂, ... sunt în F, atunci reuniunea tuturor acestora este, de asemenea, în F). Această structură asigură că putem lucra cu operații pe mulțimi fără a părăsi universul evenimentelor care au o probabilitate bine definită.

Formal, F este o σ-algebră peste Ω când: Mulțimea vidă ∅ aparține lui F; dacă A este în F, atunci complementul lui A în Ω aparține, de asemenea, lui F; și dacă A₁, A₂, … este o secvență (finită sau numărabil infinită) de elemente ale lui F, atunci reuniunea A₁ ∪ A₂ ∪ … este, de asemenea, în F. În multe contexte, F este numită și câmp Borel sau σ-câmp.

Funcția de probabilitate P este definită pe F și atribuie fiecărui eveniment E din F un număr real nenegativ.Spunem atunci că P(E) se află în ℝ și P(E) ≥ 0 pentru orice E din F. În teoria generală a măsurii, măsurile pot lua valori infinite, dar în teoria standard a probabilităților, P(E) este întotdeauna finită, ceea ce aduce unele diferențe în raport cu măsurile mai generale.

Această structură (Ω, F, P) cu P(Ω) = 1 este ceea ce numim spațiu de probabilitate.Condiția P(Ω) = 1 este esențială deoarece reprezintă ideea că, atunci când se efectuează experimentul, apare cu siguranță un anumit rezultat în Ω; nu există „rezultate ascunse” în afara spațiului eșantionului.

Cele trei axiome ale lui Kolmogorov

Teoria axiomatică a lui Kolmogorov se bazează pe trei axiome fundamentale pe care orice funcție de probabilitate trebuie să le satisfacă.Sunt simplu de enunțat, dar extrem de puternice, deoarece practic toate proprietățile obișnuite ale probabilității derivă din ele.

Prima axiomă — Non-negativitatea: Pentru orice eveniment A aparținând σ-algebrei F, avem P(A) ≥ 0. Adică, probabilitățile nu sunt niciodată negative. În unele teorii mai exotice, se vorbește despre „probabilități negative”, dar aceste idei se abat de la cadrul clasic al lui Kolmogorov.

A doua axiomă — Normalizare: Probabilitatea producerii unui anumit eveniment este egală cu 1, adică P(Ω) = 1. Această axiomă stabilește convenția că 1 corespunde unei certitudini de 100%, iar 0 corespunde imposibilității. În versiuni mai elementare, această axiomă poate fi înțeleasă și ca spunând că suma probabilităților tuturor rezultatelor elementare ale lui Ω este egală cu 1.

A treia axiomă — σ-aditivitate: Dacă A₁, A₂, … este o secvență de evenimente disjuncte în perechi (numite și evenimente mutual exclusive), atunci P(∪ᵢ Aᵢ) = Σᵢ P(Aᵢ). Acest lucru este valabil atât pentru o colecție finită, cât și pentru o colecție infinită de evenimente. Această proprietate de aditivitate numărabilă este principala diferență în comparație cu simpla aditivitate finită.

În contexte mai simple, unii autori lucrează doar cu aditivitate finită., necesitând ca P(A ∪ B) = P(A) + P(B) pentru evenimentele disjuncte A și B și ca aceasta să se extindă la un număr finit de mulțimi. În acest caz, este suficient să se lucreze cu o algebră de mulțimi, nu neapărat o σ-algebră, dar abordarea standard în probabilitatea modernă este de a solicita σ-aditivitate.

Din această a treia axiomă decurg câteva consecințe importante, cum ar fi egalitățile, inegalitățile și legile probabilității.El se află, de asemenea, în centrul legăturii dintre probabilități și teoria măsurii, care studiază măsurile în mulțimi într-un mod destul de general.

Proprietăți derivate din axiome

Pe baza celor trei axiome ale lui Kolmogorov, am reușit să demonstrăm mai multe proprietăți de bază și extrem de utile.Aceste proprietăți nu sunt presupuse în prealabil: ele sunt consecințe logice ale axiomelor.

Una dintre primele proprietăți este monotonia probabilității.Dacă A și B sunt evenimente în F și A este conținut în B (A ⊆ B), atunci P(A) ≤ P(B). Ideea este intuitivă: dacă B cuprinde tot ce se poate întâmpla în A, și poate chiar mai mult, atunci B nu poate avea o probabilitate mai mică decât A.

O altă proprietate fundamentală este că probabilitatea unui eveniment imposibil este zero.Din punct de vedere formal, folosind σ-aditivitate, considerăm o secvență în care E₁ = A, E₂ = B \ A și Eᵢ = ∅ pentru i ≥ 3, într-un scenariu în care A ⊆ B. Deoarece Eᵢ sunt disjuncte și reuniunea lor este B, suma probabilităților trebuie să convergă către P(B). Dacă presupunem că P(∅) = a > 0, atunci suma lui P(∅) de o infinită de ori ar exploda la infinit, ceea ce este incompatibil cu P(B) finit. Prin urmare, concluzionăm că P(∅) = 0.

Prin urmare, putem enunța inegalitatea 0 ≤ P(E) ≤ 1 pentru orice eveniment E din F.Știam deja că P(E) ≥ 0 din prima axiomă. Știind că P(Ω) = 1 și folosind monotonia cu E ⊆ Ω, rezultă că P(E) ≤ P(Ω) = 1. Astfel, fiecare probabilitate este întotdeauna între 0 și 1, inclusiv.

O identitate utilizată în mod obișnuit este așa-numita lege aditivă pentru oricare două evenimente.Pentru evenimentele A și B din F, se menține că P(A ∪ B) = P(A) + P(B) − P(A ∩ B). Această formulă corectează „dubla numărare” a evenimentului comun A ∩ B, care este adunat de două ori dacă însumăm P(A) și P(B) fără ajustare.

O altă consecință importantă este relația dintre un eveniment și complementul său.Dacă notăm complementul lui A cu ̄A, atunci P(̄A) = 1 − P(A). Această egalitate transmite ideea că „fie A se întâmplă, fie A nu se întâmplă” și nu există nicio altă posibilitate în cadrul lui Ω.

Din aceasta, devine clar și faptul că P(A) = 0 nu implică neapărat că A este evenimentul imposibil.În termeni matematici, este posibil ca un eveniment să aibă probabilitate zero fără a fi mulțimea vidă (acest lucru apare, de exemplu, în spațiile continue), dar la cel mai elementar nivel, P(A) = 0 este de obicei asociat cu evenimente practic imposibile.

Exemplu practic: aruncarea unei monede

Un exemplu clasic și foarte didactic pentru vizualizarea axiomelor lui Kolmogorov este aruncarea unei monede.Să presupunem, pentru început, că moneda poate cădea doar pe „cap” (H) sau „pajă” (T) și că acestea sunt singurele rezultate posibile.

Apoi definim spațiul eșantionului ca Ω = {H, T}Evenimentele posibile formează o σ-algebră F compusă din {∅, {H}, {T}, {H, T}}. În acest context, evenimentul imposibil este ∅, evenimentele elementare sunt {H} și {T}, iar evenimentul cert este {H, T}.

Din axiomele lui Kolmogorov, știm că P(∅) = 0 și P(Ω) = 1Dacă presupunem că moneda este corectă, adică nu favorizează niciuna dintre părți, atunci simetria sugerează că P({H}) = P({T}). Deoarece suma P({H}) + P({T}) trebuie să fie egală cu 1, concluzionăm că ambele valorează 1/2.

Prin urmare, probabilitatea de a obține „cap sau pajură” este P({H, T}) = 1Probabilitatea de a obține „cap” este P({H}) = 1/2, iar probabilitatea de a obține „pajă” este P({T}) = 1/2. Suma probabilităților evenimentelor elementare epuizează probabilitatea totală a spațiului.

Acest model, deși simplu, ilustrează modul în care axiomele se comportă în practică și cum previn inconsecvențele în calculele de probabilități.Dacă nu definim cu atenție spațiul eșantionului, putem face greșeli grave, deoarece orice eveniment este întotdeauna o submulțime a lui Ω; dacă submulțimea nu se încadrează în Ω, probabilitatea sa nici măcar nu este definită.

Probabilitatea în spații finite și numărabile

Când spațiul eșantionului este finit sau numărabil, probabilitatea poate fi descrisă într-un mod foarte concret.Să presupunem că Ω = {ω₁, ω₂, …} este o mulțime finită sau numărabilă de rezultate posibile.

Dacă A este un eveniment care conține unele dintre aceste rezultate, cum ar fi A = {ω₁*, …, ω_{k*}, …}Prin urmare, probabilitatea lui A poate fi văzută ca suma probabilităților evenimentelor elementare corespunzătoare: P(A) = P(∪ᵢ {ω_{i*}}) = Σᵢ P({ω_{i*}}). Aceasta este o aplicație directă a aditivității (sau σ-aditivității) asupra mulțimilor disjuncte.

În cazul particular în care spațiul eșantionului este finit, cu #Ω = n, și toate rezultatele sunt echiprobabileAvem P({ωᵢ}) = 1/n pentru fiecare i. Dacă A conține k rezultate distincte în Ω, atunci P(A) = Σ_{i=1}^k P({ω_{i*}}) = k/n = (#A)/(#Ω). Aceasta este exact formula clasică a lui Laplace reinterpretată în cadrul axiomatic modern.

Când spațiul eșantionului este numărabil infinit, suma probabilităților evenimentelor elementare trebuie să convergă în continuare la 1.Adică, Σᵢ P({ωᵢ}) = 1. Aici își arată puterea σ-aditivitatea, permițându-ne să ne ocupăm nu doar de sume finite, ci și de serii infinite de evenimente.

Probabilitatea condiționată și rolul axiomelor.

Un aspect central al teoriei este înțelegerea modului în care se schimbă probabilitatea atunci când știm că un anumit eveniment a avut deja loc.Aici intervine probabilitatea condiționată, de obicei scrisă ca P(A | B), care înseamnă „probabilitatea ca A să aibă loc având în vedere că B s-a produs”.

Formula de bază pentru probabilitatea condiționată este P(A | B) = P(A ∩ B) / P(B), cu condiția ca P(B) > 0Această definiție este consistentă cu axiomele lui Kolmogorov și, de fapt, pentru fiecare B cu P(B) > 0, funcția A ↦ P(A | B) satisface din nou cele trei axiome atunci când restricționăm spațiul evenimentelor la B.

Aceasta înseamnă că P(· | B) este ea însăși o funcție de probabilitate peste „noul” spațiu eșantion B.Prin urmare, toate proprietățile de bază sunt valabile pentru probabilitățile condiționate: P(̄A | B) = 1 − P(A | B), P(∅ | B) = 0, monotonicitate condiționată (dacă A₁ ⊆ A₂, atunci P(A₁ | B) ≤ P(A₂ | B)) și formula P(A₁ ∪ A₂ | B) = P(A₁ | B) + P(A₂ | B) − P(A₁ ∩ A₂ | B).

Definiția probabilității condiționate dă naștere și relației importante P(A ∩ B) = P(A)₆ P(B | A), când P(A) > 0.Simetric, putem scrie P(A ∩ B) = P(B)₆ P(A | B), cu condiția ca P(B) > 0. Aceste egalități ajută la descompunerea probabilităților comune și stau la baza mai multor rezultate, cum ar fi Teorema lui Bayes.

Este interesant de observat că probabilitatea „necondiționată” poate fi văzută ca un caz particular de probabilitate condiționată.Într-adevăr, putem scrie P(A) = P(A ∩ Ω) / P(Ω) = P(A | Ω), deoarece P(Ω) = 1. Aceasta întărește ideea că, conceptual, orice probabilitate este condiționată de anumite informații generale, chiar dacă este vorba doar de cunoașterea faptului că lucrăm în cadrul lui Ω.

Independența evenimentelor

Un alt concept cheie care se bazează pe axiome este cel al independenței dintre evenimente.Două evenimente A și B sunt independente dacă apariția unuia nu modifică probabilitatea celuilalt.

În limbaj formal, A și B sunt independente când P(A ∩ B) = P(A)₆ P(B)În termeni de probabilitate condiționată, aceasta implică faptul că, dacă P(B) > 0, atunci P(A | B) = P(A), iar dacă P(A) > 0, atunci P(B | A) = P(B). Adică, faptul că știm că a avut loc evenimentul B nu schimbă probabilitatea ca evenimentul A și invers.

Orice eveniment este independent de evenimentul imposibil ∅ și de evenimentul cert Ω.Pentru mulțimea vidă, P(A ∩ ∅) = 0 și P(∅) = 0, deci relația este valabilă în mod trivial. Pentru evenimentul sigur, P(A ∩ Ω) = P(A) și P(Ω) = 1, prin urmare P(A ∩ Ω) = P(A) ≤ P(Ω) = P(A).

O întrebare frecventă este dacă două evenimente disjuncte pot fi independente.În general, dacă A și B sunt disjuncte și ambele au probabilitate pozitivă, atunci P(A ∩ B) = 0, dar P(A) = P(B) > 0, ceea ce încalcă definiția independenței. Astfel, în multe cazuri, două evenimente disjuncte cu probabilitate diferită de zero nu sunt independente, deoarece apariția unuia exclude posibilitatea apariției celuilalt.

Când se lucrează cu mai mult de două evenimente, apar mai multe noțiuni diferite de independență.Putem avea independență pe perechi, independență comună și alte tipuri. În toate aceste cazuri, însă, punctul de plecare rămâne relația P(A ∩ B) = P(A)₆₆₆ P(B), bazată pe axiomele lui Kolmogorov și pe definiția probabilității condiționate.

Reguli practice și legi clasice ale probabilității

Dincolo de proprietățile lor formale, axiomele permit formularea unor legi mai operaționale, utile în munca zilnică a celor care efectuează calcule de probabilități.Una dintre ele este așa-numita lege a adunării, deja menționată sub forma P(A ∪ B) = P(A) + P(B) − P(A ∩ B), care poate fi extinsă la un număr mai mare de evenimente prin intermediul principiului includerii-excluderii.

O altă regulă frecvent utilizată este relația dintre un eveniment și partea sa „exterioară” unui alt eveniment.Pentru A și B în F, este valabilă următoarea afirmație: P(A ∩ ̄B) = P(A) − P(A ∩ B). Aceasta descompune pur și simplu A în două părți: partea care apare împreună cu B (A ∩ B) și partea care apare fără B (A ∩ ̄B). Aceste două părți sunt disjuncte, iar reuniunea lor este A, ceea ce duce la egalitatea anterioară prin aditivitate.

Legea probabilității totale și teorema lui Bayes, deși nu sunt detaliate pe deplin aici, se bazează direct pe axiome.Legea probabilității totale combină probabilitățile condiționate într-o partiție a spațiului eșantionului, în timp ce teorema lui Bayes „inversează” probabilitățile condiționate, permițând actualizarea probabilităților pe baza unor noi dovezi.

În versiuni mai didactice, sunt enumerate și câteva „axiome practice” ușor de memorat.De exemplu: probabilitatea maximă este 1 (100%); suma probabilităților tuturor elementelor din spațiul eșantionului este egală cu 1; iar probabilitatea unui eveniment X adăugată la probabilitatea ca „să nu fie X” este întotdeauna 1. Aceste afirmații sunt reflectări directe ale axiomelor formale.

Cu acest set de legi, devine posibilă rezolvarea unor probleme variind de la jocuri simple de noroc până la modele sofisticate cu multe variabile.Marele avantaj este că, în spatele tuturor formulelor și trucurilor de calcul, suportul logic rămâne același trepied axiomatic.

Axiomele probabilității ale lui Kolmogorov oferă o bază riguroasă, dar flexibilă, pentru gestionarea incertitudinii.Pe baza a trei principii simple — non-negativitatea, normalizarea și σ-aditivitatea — a fost construită o teorie bogată, capabilă să încorporeze interpretări clasice, frecvențiste și subiective, să gestioneze spații finite sau infinite, să descrie probabilitățile condiționate și independența și să susțină aplicații în practic toate domeniile științifice și tehnologice.