Bu muhtemelen aptalca bir soru, fakat olasılık teorisi bire entegre eden / toplayan fonksiyonların çalışması mı?
DÜZENLE. Olumsuzluğu unuttum. Öyleyse, olasılık teorisi bire entegre eden / toplayan negatif olmayan fonksiyonların çalışması mıdır?
Bu muhtemelen aptalca bir soru, fakat olasılık teorisi bire entegre eden / toplayan fonksiyonların çalışması mı?
DÜZENLE. Olumsuzluğu unuttum. Öyleyse, olasılık teorisi bire entegre eden / toplayan negatif olmayan fonksiyonların çalışması mıdır?
Yanıtlar:
Tamamen biçimsel bir düzeyde, olasılık teorisi, toplam ölçü bir ile ölçü uzaylarının çalışılması olarak adlandırılabilir, ancak bu, sayı teorisinin sonlandırılan rakam dizelerinin çalışılması olarak adlandırılması gibidir.
- Terry Tao'nun Rastgele Matris Teorisindeki Konuları .
Bunun gerçekten temel bir şey olduğunu düşünüyorum. Olasılık alanımız ve ileriye dönük P X : = P ∘ X - 1 ölçüsüne sahip rastgele bir X : Ω → R değişkenimiz varsa , o zaman neden yoğunluk yoğunluğu f = d P X bire bütünleşir çünküP(Ω)=1. Ve bu, pdfs ve pmfs'den daha temel.
İşte kanıtı:
Bu Adamo cevabı (1) neredeyse bir Yeniden ifadelendirmenin tüm CDFs càdlàg vardır ve orada TDF kümesi arasında bire bir ilişki olduğundan ve tüm olasılık önlemlerinin seti ( R , B ) beri, ama Bir RV'nin CDF'sinin dağılımı bakımından tanımlanmıştır, olasılık alanlarını bu tür bir çabayla “başlama” yeri olarak görüyorum.
CDF'ler ve olasılık önlemleri arasındaki yazışmalar ve bu sorunun her ikisi için de ne kadar makul cevaplar olduğunu detaylandırmak için güncelleme yapıyorum.
İki olasılık ölçüsünden başlayarak ve ilgili CDF'leri analiz ederek başlarız. Bunun yerine bir CDF ile başlayıp, onun neden olduğu ölçüme bakarak sonuçlandırıyoruz.
(ve sınıflamanın nasıl yapıldığının bu tanımdan sonra geldiğine dikkat edin, ancak ekstra azalan kısıtlama nedeniyle "çoğu" sınıflandırma fonksiyonları Stieltjes ölçüm fonksiyonu değildir).
Not nasıl ve böylece bir olasılık ölçüsüdür ve tam tersi olsaydık tanımlamak için kullanacağımız şeydir .
Hep birlikte gördük, şimdi eşlemesinin 1-1 olduğunu ve bunun üzerine gerçekten de ve arasında bir . Bunu asıl soruya geri getirerek, bu, CDF'leri veya olasılık tedbirlerini, çalışma olasılığını ilan ettiğimiz hedefimiz olarak eşit tutabileceğimizi gösterir (bunun biraz daha karmaşık bir çaba olduğunu da kabul eder). Ben şahsen hala olasılık alanlarını tercih ediyorum çünkü teoride o yönde daha doğal bir şekilde akıyormuş gibi hissediyorum ama CDF'ler "yanlış" değil.
Yok hayır; Cantor dağılımı böyle bir counterexample olduğunu. Rastgele bir değişken, ancak yoğunluğu yok. Ancak, bir dağıtım işlevi vardır. Bu nedenle, olasılık teorisinin, Cantor DF dahil olmak üzere, 0 sol limiti ve 1 sağ limiti olan cadad fonksiyonlarının incelenmesi olduğunu söyleyebilirim .
Eminim iyi cevaplar alırsınız, ancak size burada biraz farklı bir bakış açısı sunar.
Fiziğin hemen hemen matematik olduğunu söyleyen matematikçiler duymuş olabilirsiniz veya doğanın en temel yasalarına göre sadece bir matematik uygulaması. Bazı matematikçiler (çoğu?) Aslında bunun böyle olduğuna inanıyor. Bunu üniversitede defalarca duydum. Bu bağlamda, benzer bir soru soruyorsunuz, bunun kadar geniş olmasa da.
Fizikçi genellikle bu ifadeye cevap bile vermez: onların doğru olmadığı çok açıktır. Ancak, cevap vermeye çalışırsanız, inandırıcı hale getirmek istiyorsanız, cevabın çok önemsiz olmadığı açıkça anlaşılır.
Cevabım, fiziğin sadece bir grup model ve denklem ve teori değil. Kendi yaklaşımları ve araçları ile sezgiselliği ve düşünme biçimleri olan bir alan. Poincare'in Einstein'dan önce görelilik teorisi geliştirmesine rağmen, tüm sonuçları anlamadığı ve herkesi uçurmaya devam etmemesinin bir nedeni budur. Einstein yaptı, çünkü fizikçi idi ve hemen ne anlama geldiğini aldı. Ben bir adamın hayranı değilim, ama Brownian hareketi üzerine yaptığı çalışma, bir fizikçinin matematiksel bir model oluşturma şeklinin bir başka örneği. Bu makale şaşırtıcı ve açıkça fizik-ey olan sezgi ve düşünce izleri ile doludur.
Bu yüzden, benim cevabım, sizin tarif ettiğiniz fonksiyonlarla ilgili olasılıklarla ilgileniyor olsa bile, yine de bu fonksiyonun çalışması olmayacaktı. Ayrıca, bazı alt sınıflara uygulanan bir ölçü teorisi değildir. Olasılık teorisi olasılıkları inceleyen ve radyoaktif bozunma ve kuantum mekaniği ve gazlar vb. İle doğal bir dünyayla bağlantılı olan farklı bir alandır. Bazı fonksiyonların olasılıkları modellemek için uygun göründüğü durumlarda, bunları kullanacağız ve çalışacağız. mülkler de öyle, ancak bunu yaparken de ana ödüle göz atacağız - olasılıklar.
Kısmen doğru, ikinci bir koşuldan yoksundur. Olumsuz olasılıklar anlam ifade etmiyor. Bu nedenle, bu işlevler iki koşulu yerine getirmek zorundadır:
Sürekli dağılımlar:
Ayrık dağılımlar:
Burada olasılık dağılımının tanımlandığı alandır.
Hayır derdim, olasılık teorisinin temelde bu değil, ama diğer cevaplardan farklı nedenlerle olduğunu söyleyebilirim.
Temel olarak, şunu söyleyebilirim ki, olasılık teorisi iki şeyin incelenmesidir:
Stokastik süreçler ve
Bayesci çıkarım.
Stokastik süreçler, zar atma, çömleğin toplarını çekme vb. Gibi şeylerin yanı sıra fizik ve matematikte bulunan daha sofistike modelleri içerir. Bayesci çıkarım, belirsizliğin altındaki nedeni, bilinmeyen büyüklüklerin değerini temsil etmek için olasılık kullanarak.
Bu iki şey ilk başta göründüklerinden daha yakından ilgilidir. Onları aynı çatı altında inceleyebilmemizin bir nedeni, her ikisinin de önemli yönlerinin birine ekleyen / bütünleşen negatif olmayan işlevler olarak gösterilebilmesidir. Ancak olasılık sadece bu fonksiyonların incelenmesi değildir - rastgele süreçler ve çıkarımlar açısından yorumlanmaları da bunun önemli bir parçasıdır.
Örneğin, olasılık teorisi, koşullu olasılıklar ve rastgele değişkenler gibi kavramları ve entropi, karşılıklı bilgi ve rastgele değişkenlerin beklenti ve varyansı gibi miktarları içerir. Biri olsa olabilir normalize negatif olmayan işlevleri açısından tamamen bunları tanımlamak, bunun için motivasyon rasgele süreçler ve çıkarım açısından yorumlanması olmadan oldukça garip görünüyor.
Üstelik, bazen olasılık teorisindeki kavramlarla, özellikle de bire normalize olan negatif olmayan bir fonksiyon olarak ifade edilemeyen çıkarım tarafında ortaya çıkar. Burada "uygun olmayan öncelikler" olarak adlandırılanlar aklıma geldi ve AdamO Cantor dağıtımını başka bir örnek olarak verdi.
Bahsettiğim iki uygulama alanının önemli olmadığı, ana ilginin normalize edilmiş negatif olmayan fonksiyonların matematiksel özelliklerine sahip olduğu bazı olasılık teorisi alanları vardır. Böyle bir durumda, genellikle olasılık teorisi yerine ölçü teorisi olarak adlandırıyoruz. Ancak, olasılık teorisi de - aslında, daha çok söyleyeceğim - uygulamalı bir alan ve olasılık dağılımlarının uygulamaları kendileri için alanın önemsiz bir bileşenidir.