Создай собственный wiki-сайт или wiki-страницу на Вавилон.wiki!

Все желающие приглашаются к активному участию в проекте!

Наш проект открыт для любых форм сотрудничества .

Эвентологическое распределение

Из проекта Викизнание

Эвентология
Открытый Helgus~µастер~Kласс — H~µ~K
Это незавершённая статья из области эвентологии и её применений, редактируемая при участии Мастера

Эвентологическое распределение — ключевое понятие эвентологии, которое выделяет ее в самостоятельное направление теории вероятностей; определяет и вероятностное распределение множества случайных событий, выбранных из алгебры эвентологического пространства, и вероятностное распределение случайного множества событий, возможными значениями которого служат подмножества этого множества событий, составленные из событий, наступающих при наступлении элементарного события.


Оглавление

Эвентологическое распределение множества событий

Эвентологическое распределение множества событий \mathfrak{X} \subseteq \mathcal{F}, выбранных из алгебры вероятностного пространства (\Omega, \mathcal{F}, \mathbf{P}), — определяется как набор вероятностей \{p(X), \ X \subseteq \mathfrak{X}\} событий-террасок

{\rm ter}(X) = \bigcap_{x \in X} x \bigcap_{x \in X^c} x^c, \ X \subseteq \mathfrak{X},

порожденных множеством выбранных событий \mathfrak{X}, где

p(X) = \mathbf{P}({\rm ter}(X)) = \mathbf{P}\left(\bigcap_{x \in X} x \bigcap_{x \in X^c} x^c\right), \ X \subseteq \mathfrak{X}.

Поскольку события-терраски образуют разбиение

\sum_{X \subseteq \mathfrak{X}}{\rm ter}(X) = \Omega

пространства элементарных событий \Omega \, ясно, что

\sum_{X \subseteq \mathfrak{X}}p(X) = 1

— вероятности событий-террасок удовлетоворяют вероятностной нормировке.

Эвентологическое распределение случайного множества событий

Эвентологическое распределение случайного множества событий

K : (\Omega, \mathcal{F}, \mathbf{P}) \to \left( 2^\mathfrak{X}, 2^{2^\mathfrak{X}}\right)

под множеством событий \mathfrak{X} \subseteq \mathcal{F}, выбранных из алгебры вероятностного пространства (\Omega, \mathcal{F}, \mathbf{P}), — определяется как набор вероятностей \{p(X), \ X \subseteq \mathfrak{X}\} событий \{ \omega: \  K(\omega)=X \}, которые для каждого X \subseteq \mathfrak{X} совпадают с соответствующими событиями-террасками, порожденными множеством выбранных событий \mathfrak{X}:

\{ \omega: \  K(\omega)=X \} = {\rm ter}(X),


где p(X) = \mathbf{P}({\rm ter}(X)) = \mathbf{P}\left(K=X\right) — вероятность того, что K \ принимает сет-значение X \subseteq \mathfrak{X}. Иначе говоря, событие \{ \omega: \  K(\omega)=X \} означает, что наступают все события из X \ и не наступает ни одного события из X^c = \mathfrak{X}-X. Поскольку события-терраски образуют разбиение пространства элементарных событий \Omega \, ясно, что

\sum_{X \subseteq \mathfrak{X}}p(X) = 1

— вероятности событий \{ \omega: \  K(\omega)=X \} удовлетоворяют соотношению вероятностной нормировки.

Виды эквивалентной записи эвентологических распределений

Плотность эвентологического распределения

Для любого вида эвентологического распределения p(X) определена его плотность, как сет-функция dp(X), удовлетворяющая соотношениям

p(X) = \sum_{Y \subseteq X} dp(Y), \ \ \ X \subseteq \mathfrak{X},\

из которых следуют соотношения, полученные обращением Мёбиуса:

dp(X) = \sum_{Y \subseteq X} (-1)^{|X-Y|}p(Y), \ \ \ X \subseteq \mathfrak{X}.\

Если \varphi(X) — плотность, то соответствующее ему эвентологическое распределение обозначается

\int \varphi(X) = \sum_{Y \subseteq X} \varphi(Y), \ \ \ X \subseteq \mathfrak{X}.\

Таким образом, для любой эвентологической плотности \varphi(X) и эвентологического распределения p(X) операторы d — «плотность-распределение» и \int — «распределение-плотность» взаимнообратны:

d \int \varphi(X) = \varphi(X), \ \ \ \int dp(X) = p(X).\

Классы эвентологических распределений

Равновероятные эвентологические распределения

Эвентологические распределения независимых событий

Эвентологические распределения наименее пересекающихся событий

Эвентологические распределения вложенных событий

Эвентологическое распределение n-зависимых событий

Заключение