Событие в теории вероятностей: определение, элементарные и составные события, вероятность. Объяснение основных понятий и терминов для изучения вероятности.
Сравнивайте с английским: нажмите на абзац — оригинал откроется в окне. Кнопка EN под абзацем показывает его прямо в тексте.
Введение
В статистике и теории вероятностей, множество исходов, которым приписана вероятность.
In statistics and probability theory, set of outcomes to which a probability is assigned
В теории вероятностей событие – это множество исходов эксперимента (подмножество пространства элементарных событий), которому приписана вероятность. Один исход может быть элементом многих различных событий, и различные события в эксперименте обычно не равновероятны, поскольку они могут включать в себя очень разные группы исходов. Событие, состоящее только из одного исхода, называется элементарным событием или атомарным событием; то есть, это множество, содержащее единственный элемент. Событие, которое содержит более одного возможного исхода, называется составным событием. Событие считается реализованным, если исход эксперимента (или испытания) принадлежит этому событию (то есть, если ). Вероятность (относительно некоторой меры вероятности) реализации события – это вероятность того, что исход эксперимента принадлежит этому событию (то есть, вероятность того, что ). Событие определяет противоположное (или дополнительное) событие, а именно комплементарное множество (событие не реализуется), и вместе они определяют испытание Бернулли: реализовалось событие или нет? Обычно, когда пространство элементарных событий конечно, любое подмножество пространства элементарных событий является событием (то есть, все элементы булеана пространства элементарных событий определяются как события). Однако этот подход не работает в тех случаях, когда пространство элементарных событий бесконечно. Поэтому при определении вероятностного пространства возможно и часто необходимо исключать определенные подмножества пространства элементарных событий из числа событий (см. раздел «События в вероятностных пространствах» ниже).
In probability theory, an event is a set of outcomes of an experiment (a subset of the sample space) to which a probability is assigned. A single outcome may be an element of many different events, and different events in an experiment are usually not equally likely, since they may include very different groups of outcomes. An event consisting of only a single outcome is called an elementary event or an atomic event; that is, it is a singleton set. An event that has more than one possible outcomes is called compound event. An event is said to occur if contains the outcome of the experiment (or trial) (that is, if ). The probability (with respect to some probability measure) that an event occurs is the probability that contains the outcome of an experiment (that is, it is the probability that ). An event defines a complementary event, namely the complementary set (the event not occurring), and together these define a Bernoulli trial: did the event occur or not? Typically, when the sample space is finite, any subset of the sample space is an event (that is, all elements of the power set of the sample space are defined as events). However, this approach does not work well in cases where the sample space is uncountably infinite. So, when defining a probability space it is possible, and often necessary, to exclude certain subsets of the sample space from being events (see Events in probability spaces, below).
События в пространствах вероятности
Определение всех подмножеств пространства элементарных событий как событий хорошо работает, когда число исходов конечно, но приводит к проблемам, когда пространство элементарных событий бесконечно. Для многих стандартных распределений вероятностей, таких как нормальное распределение, пространство элементарных событий является множеством действительных чисел или некоторым подмножеством действительных чисел. Попытки определить вероятности для всех подмножеств действительных чисел сталкиваются с трудностями при рассмотрении "некорректно заданных" множеств, таких как не измеримые. Следовательно, необходимо ограничить рассмотрение более узким семейством подмножеств. Для работы стандартных инструментов теории вероятности, таких как совместные и условные вероятности, необходимо использовать σ-алгебру, то есть семейство, замкнутое относительно дополнений и счетных объединений своих элементов. Наиболее естественным выбором σ-алгебры является σ-алгебра Бореля, порожденная объединениями и пересечениями интервалов. Однако на практике более полезным оказывается более широкий класс измеримых множеств Лебега. В общем, в рамках теории меры, событие может быть определено как элемент выбранной алгебры подмножеств пространства элементарных событий. Согласно этому определению, любое подмножество пространства элементарных событий, не являющееся элементом алгебры, не является событием и не имеет вероятности. Однако при разумном задании пространства вероятностей все интересующие события являются элементами алгебры.
Defining all subsets of the sample space as events works well when there are only finitely many outcomes, but gives rise to problems when the sample space is infinite. For many standard probability distributions, such as the normal distribution, the sample space is the set of real numbers or some subset of the real numbers. Attempts to define probabilities for all subsets of the real numbers run into difficulties when one considers 'badly behaved' sets, such as those that are nonmeasurable. Hence, it is necessary to restrict attention to a more limited family of subsets. For the standard tools of probability theory, such as joint and conditional probabilities, to work, it is necessary to use a σ algebra, that is, a family closed under complementation and countable unions of its members. The most natural choice of σ algebra is the Borel measurable set derived from unions and intersections of intervals. However, the larger class of Lebesgue measurable sets proves more useful in practice. In the general measure theoretic description of probability spaces, an event may be defined as an element of a selected algebra of subsets of the sample space. Under this definition, any subset of the sample space that is not an element of the algebra is not an event, and does not have a probability. With a reasonable specification of the probability space, however, all events of interest are elements of the algebra.