第2章 概率与统计：概率的公理化体系——三大公理与核心推导
第2章 概率与统计：概率的公理化体系——三大公理与核心推导
一、为什么需要公理化体系
上一章我们看到，概率有古典概型、频率、主观信念等多种直观解释，但它们都有局限：
- 有的只适用于有限等可能；
- 有的依赖无穷次试验，无法严格证明；
- 有的主观性太强，难以统一。
真正严谨的概率论，不能建立在“直观”上，而必须像几何、代数一样：
从少数不证自明的公理出发，用纯逻辑推导出全部理论。
这就是概率公理化体系，由苏联数学家柯尔莫哥洛夫在1933年建立。
它只用三条公理，就统一了所有概率模型，成为现代概率论的唯一基石。
二、样本空间与事件域（预备知识）
设随机试验的所有可能结果构成样本空间Ω\OmegaΩ。
我们把所有关心的随机事件放在一起，称为事件域F\mathcal{F}F，它满足：
- Ω∈F\Omega \in \mathcal{F}Ω∈F；
- 若A∈FA \in \mathcal{F}A∈F，则对立事件A‾∈F\overline{A} \in \mathcal{F}A∈F；
- 若A1,A2,⋯∈FA_1,A_2,\dots \in \mathcal{F}A1,A2,⋯∈F，则⋃i=1∞Ai∈F\bigcup_{i=1}^\infty A_i \in \mathcal{F}⋃i=1∞Ai∈F。
简单说：事件域是对“并、交、对立”运算封闭的集合族。
有了Ω\OmegaΩ和F\mathcal{F}F，我们就可以严格定义概率。
三、概率的三大公理（核心）
定义：设Ω\OmegaΩ为样本空间，F\mathcal{F}F为事件域，
若对任意事件A∈FA \in \mathcal{F}A∈F，都有一个实数P(A)P(A)P(A)与之对应，且满足：
公理1（非负性）
对任意事件AAA，有
P(A)≥0 P(A) \ge 0P(A)≥0
公理2（规范性）
必然事件的概率为1：
P(Ω)=1 P(\Omega) = 1P(Ω)=1
公理3（可列可加性）
对任意两两互斥的事件列A1,A2,…A_1,A_2,\dotsA1,A2,…（即Ai∩Aj=∅, i≠jA_i \cap A_j = \emptyset,\ i\neq jAi∩Aj=∅, i=j），有
P(⋃i=1∞Ai)=∑i=1∞P(Ai) P\left(\bigcup_{i=1}^\infty A_i\right) = \sum_{i=1}^\infty P(A_i)P(i=1⋃∞Ai)=i=1∑