এটি সম্ভবত একটি নির্বোধ প্রশ্ন, তবে সম্ভাব্যতা তত্ত্ব কি ফাংশনগুলির সমীক্ষা যা একটির সাথে সংহত / যোগফল করে?
সম্পাদনা করুন। আমি নেতিবাচকতা ভুলে গেছি। সুতরাং সম্ভাবনা তত্ত্বটি কি অ-নেতিবাচক ফাংশনগুলির সমীক্ষা যা একত্রে / যোগফলকে সংহত করে?
এটি সম্ভবত একটি নির্বোধ প্রশ্ন, তবে সম্ভাব্যতা তত্ত্ব কি ফাংশনগুলির সমীক্ষা যা একটির সাথে সংহত / যোগফল করে?
সম্পাদনা করুন। আমি নেতিবাচকতা ভুলে গেছি। সুতরাং সম্ভাবনা তত্ত্বটি কি অ-নেতিবাচক ফাংশনগুলির সমীক্ষা যা একত্রে / যোগফলকে সংহত করে?
উত্তর:
নিখুঁতভাবে আনুষ্ঠানিক স্তরে, কেউ সম্ভাব্যতা তত্ত্বকে মোট পরিমাপ একের সাথে পরিমাপের জায়গাগুলির অধ্যয়নের ডাক দিতে পারে, তবে এটি সংখ্যার তত্ত্বকে কলকের সংখ্যার স্ট্রিংগুলির অধ্যয়নের মতো বলা হত termin
- এলোমেলো ম্যাট্রিক্স তত্ত্বের টেরি টাওয়ের বিষয়গুলি থেকে ।
আমি মনে করি এটি সত্যই মৌলিক জিনিস। আমরা একটি সম্ভাব্যতা স্থান পেয়েছেন
এখানে প্রমাণ আছে:
এটি প্রায় অ্যাডমোর জবাব (+1) এর পুনরাবৃত্তি কারণ সমস্ত সিডিএফ càdlàg, এবং সিডিএফগুলির সেট এবং আর ( R , B ) এর সমস্ত সম্ভাব্যতার ব্যবস্থার সেটের মধ্যে একের মধ্যে সম্পর্ক রয়েছে , তবে একটি আরভি এর সিডিএফ তার বিতরণের ক্ষেত্রে সংজ্ঞায়িত করা হয়, আমি সম্ভাবনার স্থানগুলি এই ধরণের প্রচেষ্টা দিয়ে "শুরু" করার জায়গা হিসাবে দেখি।
আমি সিডিএফ এবং সম্ভাব্যতা ব্যবস্থার মধ্যে চিঠিপত্রের বিশদভাবে আপডেট করছি এবং উভয়ই কীভাবে এই প্রশ্নের যুক্তিসঙ্গত উত্তর।
আমরা দুটি সম্ভাব্য ব্যবস্থা নিয়ে শুরু করে এবং সম্পর্কিত সিডিএফ বিশ্লেষণ করে শুরু করি। পরিবর্তে একটি সিডিএফ দিয়ে শুরু করে এবং এর দ্বারা অনুপ্রাণিত পরিমাপটি দেখে আমরা শেষ করি।
যাক এবং আর উপর সম্ভাব্যতা পরিমাপ করে হতে ( আর , বি ) দিন এফ কিউ এবং এফ আর তাদের নিজ নিজ CDFs হতে (অর্থাত এফ কিউ ( একটি ) = প্রশ্নঃ ( ( - ∞ , একটি ] ) এবং জন্য একভাবে আর ।) প্রশ্নঃ এবং আর উভয়ই এলোমেলো ভেরিয়েবলের (যেমন বিতরণ) ধাক্কা ধরণের পদক্ষেপের প্রতিনিধিত্ব করবে তবে তারা আসলে কোথা থেকে এলো তা বিবেচ্য নয়।
মূল ধারণাটি হ'ল: যদি ও আর সেটগুলি সমৃদ্ধ পর্যায়ে সংগ্রহের বিষয়ে একমত হয় তবে তারা সেগুলি দ্বারা উত্পন্ন al- বীজগণিতকে সম্মত করে । স্বজ্ঞাতভাবে, যদি আমরা এমন একটি ইভেন্টের একটি ভাল আচরণের সংগ্রহ পেয়েছি যা গণনাযোগ্য সংখ্যার পরিপূরক, ছেদগুলি এবং ইউনিয়নগুলি সমস্ত বি দ্বারা তৈরি করে , তবে সেগুলির সমস্তগুলির সাথে একমত হয়ে কোনও বোরেল সেটের সাথে দ্বিমত পোষণ করার কোনও সুযোগ নেই।
এটি আনুষ্ঠানিক করা যাক। যাক দিন এল = { একটি ⊆ আর : প্রশ্নঃ ( একটি ) = আর ( একটি ) } , অর্থাত্ এল এর উপসেট পি ( আর ) যার উপর প্রশ্ন এবং আর সম্মত হন (এবং সংজ্ঞায়িত করা হয়) নোট করুন যে আমরা এল -বোরেল সেটগুলিতে তাদের সম্মতি জানাতে দিচ্ছি যেহেতু এল হিসাবে সংজ্ঞায়িত করা অগত্যা একটি উপসেট নয়
দেখা যাচ্ছে যে ( এস দ্বারা উত্পাদিত σ- বীজগণিত ) আসলে বি , তাই আমরা আশা করি যে এস ইভেন্টের যথেষ্ট পরিমাণে বড় সংগ্রহ যা যদি এস এর সর্বত্র Q = R হয় তবে তারা সমান হতে বাধ্য হয় বি এর সমস্ত উপর ।
নোট করুন যে সীমাবদ্ধ ছেদগুলির অধীনে বন্ধ রয়েছে এবং এল সম্পূর্ণরূপে এবং গণনাযোগ্য বিচ্ছিন্ন ছেদগুলির অধীনে বন্ধ রয়েছে (এটি σ- সংবেদনশীলতা থেকে অনুসরণ করে )। এর অর্থ এই যে , S একটি হল π -system এবং এল একটি হল λ -system । দ্বারা π - λ উপপাদ্য সুতরাং আমরা যে আছে σ ( এস ) = বি ⊆ এল । এস এর উপাদানগুলি
We have just shown that if
Now if we want to think about going the other direction, we want to start with a CDF
We first define a Stieltjes measure function as a function
(and note how being càdlàg follows from this definition, but because of the extra non-decreasing constraint "most" càdlàg functions are not Stieltjes measure functions).
It can be shown that each Stieltjes function
Now noting that a CDF is a Stieltjes function
Note how
All together we have now seen that the mapping
No; the Cantor distribution is just such a counterexample. It's a random variable, but it has no density. It has a distribution function, however. I would say, therefore, that probability theory is the study of càdlàg functions, inclusive of the Cantor DF, that have left limits of 0 and right limits of 1.
I'm sure you'll get good answers, but will give you a slightly different perspective here.
You may have heard mathematicians saying that physics is pretty much mathematics, or just an application of mathematics to the most basic laws of nature. Some mathematicians (many?) actually do believe that this the case. I've heard that over and over in university. In this regard you're asking a similar question, though not as wide sweeping as this one.
Physicist usually don't bother even responding to this statement: it's too obvious to them that it's not true. However, if you try to respond it becomes clear that the answer is not so trivial, if you want to make it convincing.
My answer is that physics is not just a bunch of models and equations and theories. It's a field with its own set of approaches and tools and heuristics and the ways of thinking. That's one reason why although Poincare developed relativity theory before Einstein, he didn't realize all the implications and didn't pursue to get everyone on board. Einstein did, because he was a physicist and he got what it meant immediately. I'm not a fan of the guy, but his work on Brownian motion is another example of how a physicist builds a mathematical model. That paper is amazing, and is filled with intuition and traces of thinking that are unmistakenly physics-ey.
So, my answer to you is that even if it were the case that probability deals with the kind of functions you described, it would still not have been the study of those function. Nor it is a measure theory applied to some subclass of measures. Probability theory is the distinct field that studies probabilities, it's linked to a natural world through radioactive decay and quantum mechanics and gases etc. If it happens so that certain functions seem to be suitable to model probabilities, then we'll use them and study their properties too, but while doings so we'll keep an eye on the main prize - the probabilities.
Well, partially true, it lacks a second condition. Negative probabilities do not make sense. Hence, these functions have to satisfy two conditions:
Continuous distributions:
Discrete distributions:
Where
I would say no, that's not what probability theory fundamentally is, but I would say it for different reasons than the other answers.
Fundamentally, I would say, probability theory is the study of two things:
Stochastic processes, and
Bayesian inference.
Stochastic processes includes things like rolling dice, drawing balls from urns, etc., as well as the more sophisticated models found in physics and mathematics. Bayesian inference is reasoning under uncertainty, using probabilities to represent the value of unknown quantities.
These two things are more closely related than they might at first appear. One reason we can study them under the same umbrella is that important aspects of both of them can be represented as non-negative functions that sum/integrate to one. But probability isn't just the study of those functions - their interpretation in terms of random processes and inference is also an important part of it.
For example, probability theory includes concepts such as conditional probabilities and random variables, and quantities such as the entropy, the mutual information, and the expectation and variance of random variables. While one could define these things purely in terms of normalised non-negative functions, the motivation for this would seem pretty weird without the interpretation in terms of random processes and inference.
Moreover, one sometimes comes across concepts in probability theory, particularly on the inference side, which cannot be expressed in terms of a non-negative function that normalises to one. The so-called "improper priors" come to mind here, and AdamO gave the Cantor distribution as another example.
There certainly are some areas of probability theory in which the main interest is in the mathematical properties of normalised non-negative functions, for which the two application domains I mentioned are not important. When this is the case, we often call it measure theory rather than probability theory. But probability theory is also - indeed, I would say mostly - an applied field, and the applications of probability distributions are in themselves a non-trivial component of the field.