从集合论角度看随机事件
贡献者： jiangnan
在概率论问题中，我们通常要处理各种各样的时间。比如，我们要问，当掷出一个骰子时，点数大于四的概率是多少？或者当掷出两个骰子，一个点数大于二，另一个点数小于三的概率是多少？在这里我们将处理各种事件的想法与集合论中集合的运算相对应，来看待如何从集合运算视角处理概率论中的问题。
1. 样本空间
我们定义在随机试验过程中，每次获得的一个数据称为一个样本，或称一个样本点，获得样本点的过程我们称为随机抽样。所有可能的样本点所构成的集合称为样本空间
\begin{equation}
S = \{e_1,e_2,...,e_n\}~.
\end{equation}
定义 1 事件
事件 A 是一个由样本点组成的集合 $A = \{e_1,e_2,e_3...\}$,在这里当 $A=\emptyset$ 时，我们称 $A$ 为不可能事件。当 $A=S$ 时，我们称 $A$ 为必然事件。如果 $A$ 中只包含一个样本，我们称 $A$ 为基本事件。
在这里我们多说几句这个定义的一些想法，我们在进行随机试验时，得到的总是一个个样本，但是我们通常需要根据样本的性质对各种采样结果分类。比如，掷出两个骰子点数如果总和大于 6 点的时候我们说这个结果是大。这样所谓"大"的结果作为一个事件，就将包含多个可能的样本点，所以我们将事件定义为样本点的集合。这样，如果一个事件不包含任何样本，那它就不会在抽样中发生。相应地，如果一个事件包含所有样本，则这个事件就必然发生。
2. 事件的关系与运算
当我们有了集合论的视角后，我们来看不同事件之间的关系。
- 如果 $A\subseteq B$，则事件 A 的发生一定导致事件 B 的发生。
- 如果 $A \cap B = \emptyset$,则 $A$ 事件发生时 $B$ 事件必定不会发生，反之亦然。即 $A$ 事件与 $B$ 事件是互斥事件。
进而我们可以利用集合之间的运算，利用一些事件构造新的事件。例如
推论 1 事件的构造
- 设 A,B 是事件，则 $C = A \cap B$,$C$ 事件可以被解释为 $A$ 事件与 $B$ 事件同时发生。
- $C = A \cup B$,$C$ 事件可以被解释为 $A$ 事件与 $B$ 事件中至少一个发生了。
- 设 $A$ 的补集为 $\bar{A}$，则 $\bar{A}$ 就被解释为 $A$ 事件未发生，我们记为 $\bar{A}=S-A$。
- $C = A \cap \bar{B}$，$C$ 事件可以被解释为 $A$ 事件发生而 $B$ 事件不发生。
- 以及多个事件的运算，$\cup_i A_i$，$A_i$ 中至少一个事件发生,$\cap_i A_i$,$A_i$ 中所有事件都发生。
更多类似的事件之间的运算与解释读者可自行进行构造。在这里我们再回顾一下集合间运算的一些规则，这里也直接对应事件构造的规则
- 交换律：$A \cup B = B \cup A$, $A \cap B = B \cap A$.
- 结合律：$(A \cup B)\cup C = A \cup (B \cup C)$, $(A \cap B)\cap C = A \cap (B\cap C)$
- 分配律：$(A\cup B)\cap C = (A \cap C) \cup (B \cap C)$, $(A\cap B) \cup C = (A \cup C)\cap (B \cup C)$
- De Morgan 定律：$\bar{\cup_i A_i} = \cap_i \bar{A}_i$, $\bar{\cap_i A_i} = \cup_i \bar{A}_i$
3. 概率
现在我们从集合论的视角澄清了事件之间的关系，接下来我们引入概率的概念。概率是指每个事件发生的几率，按照我们对概率一般的理解，我们将概率定义为一个从集合 $A$ 映射到实数的一个函数 $P$，这个函数应该满足如下几个性质
- 非负性：对于任意一个事件 $A$,都有 $P(A)\leq 0$
- 归一条件：对于样本空间 $S$,有 $P(S) = 1$，对于空集 $P(\emptyset) = 0$
- 可加性: 对于两个事件 $A_1,A_2$,如果有 $A_1 \cap A_2 = \emptyset$,则有 $P(A_1 \cup A_2) = P(A_1)+P(A_2)$
我们很快可以知道对于任意一个事件（除不可能事件外），这个事件发生的概率等于其把它分割成基本事件后，所有基本事件的和。在实际运算中，事件构造经常会使用省略记号，如
\begin{align}
A\cup B \rightarrow A+B\\~
A \cap B \rightarrow AB\\~
B \cap \bar{A} \rightarrow B-A~
\end{align}
致读者： 小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损， 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。