측도론으로 정의하는 확률
측도론으로 정의하는 확률
고등학교에서 배운 확률의 정의와 한계
확률과 통계 (천재교육/이준열, 2015 교육과정) 47p
핵심은 특정 사건의 개수를 사건의 개수/개수로 정의했다는 점. 따라서 표본 공간의 크기가 무한히 큰 경우 등 개수로 정의하지 못하는 경우에 대해서는 이러한 정의로 다룰 수 없게 된다.
처음에는 확률에 대한 더 엄밀한 정의가 왜 필요한지 이해하는 것도 오래 걸렸다.
Probability Space (확률 공간)
Measure Space
measure
는 위의 ‘수학적 확률’의 의미를 가져온 것이고, 이 가 만족해야 할 세 가지 공리를 Kolmogorov Axiom이라 한다.일반적인 measure의 조건과 달리
이다.Measure Space와 sigma algebra의 개념을 도입하면, 기존에 확률공간의 사건이라고 부르던 것들은
의 원소가 된다. 사건을 단지 집합의 원소로 봄으로써 엄밀함을 제고하게 된다.
Random Variable (확률변수)
확률과 통계 (천재교육/이준열, 2015 교육과정) 84p
Probability Space
- 확률변수는 sigma algebra의 원소를 실수값으로 매핑하는 함수이다.
- B의 preimage(역상)가 sigma algebra에 존재해야 확률변수가 정의될 수 있다.
Distribution (확률분포)
Shreve, S. E. (2010). Stochastic calculus for finance II: Continuous-time models. Springer. p.9
Probability Space
B는
- 확률분포는 measure의 일종.
Expectation (기댓값)
2024.01.31
References
Shreve, S. E. (2010). Stochastic calculus for finance II: Continuous-time models. Springer. https://bookdown.org/edeftg/machine_learning_with_rust/measuretheory.html#sigma https://blog.naver.com/birth1104/221853268891