確率測度

同義語:probability measure

概要

確率測度(probability measure)とは、可測空間 $(X,\mathcal{S})$ の上の測度 $P$ で全体の値が $P(X)=1$ となるものであり、確率空間の確率や確率変数の分布を表す。確率測度は、有限測度の正規化・密度・可算個の凸結合・可測写像による像として作られ、その全体は凸集合をなし、端点は $0$ と $1$ の値しかとらない確率測度である(実数直線の Borel 集合の上では Dirac 測度に限る)。2 つの確率測度は π 系の上で一致すればその生成する σ-代数の上で一致し、近さは全変動距離や、有界連続関数の積分の収束である弱収束で測る。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: 測度, 確率空間

確率測度(probability measure)とは、全体の測度が $1$ の測度のことである。さいころの目の確率、区間 $[0,1]$ から一様に選んだ点の位置、確率変数の値の分布は、どれも確率測度で表される。確率空間 $(\Omega,\mathcal{F},P)$ の $P$ が確率測度であり、確率空間の記事では余事象の確率や確率の連続性など、1 つの確率測度の上での計算規則を扱っている。
この記事では、確率測度を「測度の一種」として見たときの性質を扱う。確率測度は、測度の正規化・密度・混合・像によって次々に作られる。同じ可測空間の上の確率測度の全体は凸集合をなし、その端点は $0$ と $1$ の値しかとらない確率測度である(thm-prm-extreme)。2 つの確率測度が等しいかどうかは、共通部分で閉じた生成系の上で比べれば判定できる(thm-prm-uniqueness)。確率測度どうしの近さは、全変動距離や、有界連続関数の積分による弱収束で測る。

定義

確率測度

$(X,\mathcal{S})$ を可測空間とする。$(X,\mathcal{S})$ の上の測度 $P$ で $P(X)=1$ となるものを、$(X,\mathcal{S})$ の上の確率測度という。$(X,\mathcal{S})$ の上の確率測度の全体を $\mathcal{M}_1(X,\mathcal{S})$ と書く。$X$ が位相空間で $\mathcal{S}$ がその Borel 集合全体のとき、$P$ を Borel 確率測度という。

この定義は 測度 の定義「有限測度・σ-有限測度・確率測度」、確率空間 の定義「確率空間」、Axl20 12.1(p. 381)、Dur19 §1.1(p. 2)と同じである。確率測度の値は $[0,1]$ にあり、$P(X\setminus E)=1-P(E)$、単調性、有限個・可算個の劣加法性、単調な列についての連続性が成り立つ(確率空間 の命題「確率の基本性質」「確率の連続性」)。確率測度は有限測度なので σ-有限であり、Fubini の定理や Radon–Nikodym の定理を σ-有限性の確認なしに使える(σ-有限測度)。
測度 $\mu$ で $\mu(X)\le1$ となるものを劣確率測度(sub-probability measure)ということがある。確率測度の列の極限を考えると、質量の一部が「無限遠へ逃げて」劣確率測度しか残らないことがある(ex-prm-escape)。

確率測度の作り方

確率測度の作り方

$(X,\mathcal{S})$ を可測空間とする。

  1. (正規化)$\mu$ が $0< \mu(X)< \infty$ を満たす測度なら、$\mu/\mu(X)$ は確率測度である。とくに、確率測度 $P$ と $P(A)>0$ となる $A\in\mathcal{S}$ について、$P(E\mid A):=P(E\cap A)/P(A)$ は確率測度である。
  2. (密度)$\mu$ が測度で、$f\colon X\to[0,\infty]$ が可測で $\int f\,d\mu=1$ なら、$(f\mu)(E):=\int_Ef\,d\mu$ は確率測度である。
  3. (混合)$P_1,P_2,\ldots$ が確率測度で、$p_n\ge0$、$\sum_np_n=1$ なら、$\sum_np_nP_n$ は確率測度である。
  4. (像)$(Y,\mathcal{T})$ を可測空間、$T\colon X\to Y$ を可測写像、$P$ を確率測度とすると、$T_*P(E):=P(T^{-1}(E))$($E\in\mathcal{T}$)は $(Y,\mathcal{T})$ の上の確率測度である。

1:$\mu$ の正の定数倍は測度であり(測度 の命題「制限・和・像測度」の 2)、全体の値は $\mu(X)/\mu(X)=1$ である。後半は、制限 $E\mapsto P(E\cap A)$ が測度であること(同命題の 1)と前半による。2:$f\mu$ は測度である(Radon–Nikodymの定理 の命題「密度で定まる測度」の 1)。全体の値は $\int f\,d\mu=1$ である。3:測度であることは 測度 の命題「制限・和・像測度」の 2 により、全体の値は $\sum_np_n=1$ である。4:同じ命題の 3 により $T_*P$ は測度で、$T_*P(Y)=P(X)=1$ である。$\square$

4 の像測度は、確率論では分布(法則)と呼ばれる。確率空間 $(\Omega,\mathcal{F},P)$ の上の実数値の確率変数 $Z$ について、$P_Z:=Z_*P$、すなわち $P_Z(B)=P(Z\in B)$ は $\mathbb{R}$ の上の Borel 確率測度であり、$Z$ の値についての確率 $P(Z\in B)$ の計算はすべて $P_Z$ で行える(測度 の例「確率変数の分布」)。2 つの確率測度の積も確率測度である(積測度 の定理「積測度の存在と一意性」により $P\times Q$ が定まり、$(P\times Q)(X\times Y)=P(X)Q(Y)=1$)。

確率測度の例
  1. (Dirac 測度)$c\in X$ について、$c\in E$ なら $1$、そうでなければ $0$ を与える $\delta_c$(Dirac測度)。
  2. (一様な確率)空でない有限集合 $X$ の上で $P(E)=\#E/\#X$。数え上げ測度の正規化である。
  3. (区間の上の一様な確率)$[0,1]$ の Borel 集合の上の Lebesgue 測度 $\lambda$。$[a,b]$ の上では $\lambda/(b-a)$ が一様な確率である。
  4. (密度をもつもの)$\mathbb{R}$ の上の $\frac1{\sqrt{2\pi}}e^{-x^2/2}\lambda$ は標準正規分布である($\int_{\mathbb{R}}\frac1{\sqrt{2\pi}}e^{-x^2/2}\,dx=1$ は Gauss積分)。
  5. (点の質量の混合)$c>0$ について $\sum_{k\ge0}e^{-c}\frac{c^k}{k!}\delta_k$ は $\mathbb{R}$ の上の確率測度で、平均 $c$ の Poisson分布 である($\sum_ke^{-c}c^k/k!=1$)。$\frac12\delta_0+\frac12\lambda|_{[0,1]}$ のように、点の質量と密度をもつ部分を混ぜることもできる。
  6. (点の質量がない確率測度)非可算集合 $X$ の上で、可算集合に $0$、補集合が可算な集合に $1$ を与えるもの(測度 の例「点の測度がすべて 0 の確率測度」)。

確率測度の全体と端点

確率測度 $P,Q$ と $0\le t\le1$ について、$tP+(1-t)Q$ も確率測度である(prop-prm-constructions の 3)。したがって $\mathcal{M}_1(X,\mathcal{S})$ は、測度の和と実数倍について凸な集合である。$P\in\mathcal{M}_1(X,\mathcal{S})$ が端点であるとは、$0< t< 1$ と $Q,R\in\mathcal{M}_1(X,\mathcal{S})$ で $P=tQ+(1-t)R$ と書けるなら、必ず $Q=R=P$ となることをいう。

確率測度の全体の端点

$P\in\mathcal{M}_1(X,\mathcal{S})$ について、次は同値である。

  1. $P$ は $\mathcal{M}_1(X,\mathcal{S})$ の端点である。
  2. すべての $E\in\mathcal{S}$ について $P(E)\in\{0,1\}$ である。

1 ⇒ 2:対偶を示す。$0< P(E)< 1$ となる $E$ があるとし、$t:=P(E)$ とおく。$P(X\setminus E)=1-t>0$ なので、prop-prm-constructions の 1 により $Q:=P(\,\cdot\mid E)$、$R:=P(\,\cdot\mid X\setminus E)$ は確率測度である。すべての $F\in\mathcal{S}$ について
$$ tQ(F)+(1-t)R(F)=P(F\cap E)+P(F\setminus E)=P(F) $$
なので $P=tQ+(1-t)R$ である。一方 $Q(E)=1$、$R(E)=0$ なので $Q\ne R$ であり、$P$ は端点でない。
2 ⇒ 1:$P(E)\in\{0,1\}$ がすべての $E$ で成り立つとし、$P=tQ+(1-t)R$($0< t< 1$)とする。$P(E)=0$ なら $tQ(E)+(1-t)R(E)=0$ で両項は $0$ 以上なので $Q(E)=R(E)=0$ である。$P(E)=1$ なら $P(X\setminus E)=0$ なので同様に $Q(X\setminus E)=R(X\setminus E)=0$、すなわち $Q(E)=R(E)=1$ である。よって $Q=R=P$ である。$\square$

Dirac 測度 $\delta_c$ は 2 を満たすので端点である。ex-prm-examples の 6 も 2 を満たすが、すべての 1 点集合の測度が $0$ なので Dirac 測度ではない。$\mathbb{R}$ の Borel 集合の上では、このようなことは起こらない。

実数直線上の 0 と 1 だけをとる確率測度

$P$ を $\mathbb{R}$ の Borel 確率測度とし、すべての Borel 集合 $E$ で $P(E)\in\{0,1\}$ とする。このとき、ある $a\in\mathbb{R}$ について $P=\delta_a$ である。したがって、$\mathbb{R}$ の Borel 確率測度の全体の端点は、Dirac 測度 $\delta_a$($a\in\mathbb{R}$)でちょうど尽くされる。

$F(x):=P((-\infty,x])$ とおく。$F$ の値は $0$ か $1$ で、単調非減少、$x\to-\infty$ で $0$、$x\to\infty$ で $1$ に近づき、右連続である(確率の連続性による。累積分布関数 の定理「累積分布関数の性質」)。$A:=\{x\mid F(x)=1\}$ は空でなく、下に有界であり(十分小さい $x$ では $F(x)=0$)、単調性から $x\in A$、$y>x$ なら $y\in A$ である。$a:=\inf A$ とおくと、$x>a$ なら $x\in A$ であり、右連続性から $F(a)=\lim_{n}F(a+1/n)=1$ である。$x< a$ なら $x\notin A$ なので $F(x)=0$ である。よって $F=1_{[a,\infty)}$ であり、これは $\delta_a((-\infty,x])$ に等しい。区間 $(-\infty,x]$ の全体は共通部分で閉じていて Borel 集合全体を生成するので、thm-prm-uniqueness により $P=\delta_a$ である。後半は thm-prm-extreme と前半による。$\square$

第 2 可算な Hausdorff 空間の Borel 集合の上でも同じことが成り立つ(Dirac測度 の定理「0と1だけをとるBorel確率測度」)。$0$ と $1$ の値しかとらない確率測度は、確率論の 0-1 法則にも現れる(rem-prm-zero-one)。

確率測度の一致の判定

族 $\mathcal{C}\subset\mathcal{S}$ がπ 系であるとは、$C,D\in\mathcal{C}$ なら $C\cap D\in\mathcal{C}$ となることをいう(Dynkinのπ-λ定理)。

π系の上で一致する確率測度

$\mathcal{C}$ を $X$ の部分集合の π 系とし、$P,Q$ を $\sigma(\mathcal{C})$ の上の確率測度とする。すべての $C\in\mathcal{C}$ で $P(C)=Q(C)$ なら、$\sigma(\mathcal{C})$ の上で $P=Q$ である。

$P(X)=Q(X)=1< \infty$ なので、Dynkinのπ-λ定理 の定理「π系の上で一致する測度の一意性」の 1 を当てればよい。$\square$

一般の測度では全体の値の一致や σ-有限性を別に確かめる必要があるが(同記事の節「反例:条件を外すと成り立たないこと」)、確率測度どうしでは全体の値が $1$ で一致しているので、π 系の上で比べるだけでよい。次の場合によく使う。

  • $\mathbb{R}$ の上では、$\{(-\infty,x]\mid x\in\mathbb{R}\}$ は π 系で Borel 集合全体を生成する。したがって Borel 確率測度は 累積分布関数 $x\mapsto P((-\infty,x])$ で決まる(Dynkinのπ-λ定理 の系「区間の長さで決まる測度」の 2)。
  • $\mathbb{R}^n$ の上では、$\prod_i(-\infty,x_i]$ の全体が同じ役割を果たし、確率ベクトルの分布は多変数の累積分布関数で決まる。
  • 積 $X\times Y$ の上では、可測長方形 $A\times B$ の全体が π 系なので、確率測度は長方形の上の値で決まる。
    π 系であることは外せない:$X=\{1,2,3,4\}$、$\mathcal{C}=\{\{1,2\},\{1,3\}\}$ とし、$P:=\frac12(\delta_1+\delta_4)$、$Q:=\frac12(\delta_2+\delta_3)$ とおくと、$P,Q$ は $\{1,2\}$ と $\{1,3\}$ のどちらにも $\frac12$ を与え、$\sigma(\mathcal{C})$ はすべての部分集合からなる($\{1\}=\{1,2\}\cap\{1,3\}$ などから)が、$P(\{1\})=\frac12\ne0=Q(\{1\})$ である。$\{1,2\}\cap\{1,3\}=\{1\}\notin\mathcal{C}$ なので $\mathcal{C}$ は π 系でない。

確率測度の近さ

全変動距離

全変動距離

$P,Q\in\mathcal{M}_1(X,\mathcal{S})$ について
$$ d_{\mathrm{TV}}(P,Q):=\sup_{E\in\mathcal{S}}\lvert P(E)-Q(E)\rvert $$
を $P$ と $Q$ の全変動距離(total variation distance)という。

全変動距離の性質と密度による表示
  1. $d_{\mathrm{TV}}$ は $\mathcal{M}_1(X,\mathcal{S})$ の上の距離で、値は $[0,1]$ にある。
  2. 測度 $\mu$ と可測関数 $p,q\colon X\to[0,\infty)$ で $P=p\mu$、$Q=q\mu$ となるものがあるとき、$A:=\{x\mid p(x)>q(x)\}$ とおくと
    $$ d_{\mathrm{TV}}(P,Q)=P(A)-Q(A)=\frac12\int_X\lvert p-q\rvert\,d\mu $$
    である。

1:値は $0$ 以上 $1$ 以下の数の差の絶対値の上限なので $[0,1]$ にある。対称性は明らかで、三角不等式は各 $E$ で $\lvert P(E)-R(E)\rvert\le\lvert P(E)-Q(E)\rvert+\lvert Q(E)-R(E)\rvert\le d_{\mathrm{TV}}(P,Q)+d_{\mathrm{TV}}(Q,R)$ として上限をとればよい。$d_{\mathrm{TV}}(P,Q)=0$ ならすべての $E$ で $P(E)=Q(E)$ なので $P=Q$ である。
2:$\int p\,d\mu=\int q\,d\mu=1$ なので $p,q$ は可積分である。$E\in\mathcal{S}$ について、$E\cap A$ の上では $p-q>0$、$E\setminus A$ の上では $p-q\le0$ なので
$$ P(E)-Q(E)=\int_E(p-q)\,d\mu\le\int_{E\cap A}(p-q)\,d\mu\le\int_A(p-q)\,d\mu=P(A)-Q(A) $$
である。同様に $Q(E)-P(E)\le\int_{X\setminus A}(q-p)\,d\mu=Q(X\setminus A)-P(X\setminus A)=P(A)-Q(A)$ である(最後の等号は $P(X)=Q(X)=1$ による)。よって上限は $E=A$ で達成され、$d_{\mathrm{TV}}(P,Q)=P(A)-Q(A)$ である。さらに
$$ \int_X\lvert p-q\rvert\,d\mu=\int_A(p-q)\,d\mu+\int_{X\setminus A}(q-p)\,d\mu=2\bigl(P(A)-Q(A)\bigr) $$
である。$\square$

2 の式は、可算集合の上の確率測度について Dur19 §3.6(p. 168)が同じ形で示している($\mu$ を数え上げ測度とした場合)。2 の $\mu$ はいつもとれる。$\mu:=P+Q$ とすると $P,Q\ll\mu$ であり、$\mu$ は有限なので、Radon–Nikodymの定理 により密度 $p,q$ がある(値は $[0,\infty)$ にとれる)。たとえば $[0,1]$ と $[0,2]$ の上の一様な確率では $p=1_{[0,1]}$、$q=\frac121_{[0,2]}$($\mu=\lambda$)なので、$d_{\mathrm{TV}}=\frac12\bigl(\frac12+\frac12\bigr)=\frac12$ である。異なる 2 点 $x\ne y$ の Dirac 測度では、$\{x\}$ が可測なら $d_{\mathrm{TV}}(\delta_x,\delta_y)\ge\lvert\delta_x(\{x\})-\delta_y(\{x\})\rvert=1$ であり、値は $1$ である。

弱収束

全変動距離は強すぎる尺度で、点 $1/n$ の Dirac 測度は、$n$ を大きくしても $\delta_0$ との全変動距離が $1$ のままである。点の位置が近づくことを捉えるのが弱収束である。以下 $(X,d)$ を距離空間とし、Borel 確率測度を考える。

確率測度の弱収束

$(X,d)$ の上の Borel 確率測度 $P_n,P$ について、すべての有界連続関数 $g\colon X\to\mathbb{R}$ で
$$ \int_Xg\,dP_n\to\int_Xg\,dP\qquad(n\to\infty) $$
となるとき、$P_n$ は $P$ に弱収束するといい、$P_n\Rightarrow P$ と書く。

弱収束の極限はただ 1 つである。$P_n\Rightarrow P$、$P_n\Rightarrow Q$ なら、すべての有界連続関数 $g$ について $\int g\,dP=\lim_n\int g\,dP_n=\int g\,dQ$ であり、距離空間の上の有限な Borel 測度は有界連続関数の積分の値で決まるからである(Borel測度 の定理「有限なBorel測度の一意性」。閉集合 $K$ の指示関数を連続関数 $\max\{0,1-k\,d(x,K)\}$ で上から近似し、閉集合の全体が π 系であることから thm-prm-uniqueness に帰着させる)。

全変動距離の収束は弱収束を導く

$(X,d)$ の上の Borel 確率測度について、$d_{\mathrm{TV}}(P_n,P)\to0$ なら $P_n\Rightarrow P$ である。より詳しく、有界な可測関数 $g$ について
$$ \Bigl\lvert\int g\,dP_n-\int g\,dP\Bigr\rvert\le2\sup_X\lvert g\rvert\cdot d_{\mathrm{TV}}(P_n,P) $$
である。

$\mu:=P_n+P$ についての密度 $p_n,p$ をとる(prop-prm-tv の後の注意)。$M:=\sup\lvert g\rvert$ とすると
$$ \Bigl\lvert\int g\,dP_n-\int g\,dP\Bigr\rvert=\Bigl\lvert\int g\,(p_n-p)\,d\mu\Bigr\rvert\le M\int\lvert p_n-p\rvert\,d\mu=2M\,d_{\mathrm{TV}}(P_n,P) $$
である(最後の等号は prop-prm-tv の 2)。$\square$

逆は成り立たない。$\mathbb{R}$ の上で $\delta_{1/n}$ は $\delta_0$ に弱収束する(有界連続な $g$ について $\int g\,d\delta_{1/n}=g(1/n)\to g(0)$)が、全変動距離は $1$ のままである。$\mathbb{R}$ の上の弱収束は、累積分布関数がその極限の連続点で収束することと同値であり、確率変数の言葉では 分布収束 である(同記事の定理「分布収束の特徴づけ」、Dur19 Theorem 3.2.9、p. 119。$\mathbb{R}^d$ の場合は同書 Theorem 3.10.2、p. 198)。

質量が無限遠へ逃げる

$\mathbb{R}$ の上の $P_n:=\delta_n$ は、どの Borel 確率測度にも弱収束しない。弱収束の極限 $P$ があったとすると、$g(x):=\max\{0,\min\{1,x-k\}\}$($k$ は自然数)は有界連続で $x\le k$ で $0$ だから、$n\ge k+1$ で $\int g\,dP_n=g(n)=1$ であり、$\int g\,dP=1$ となる。$g\le1_{(k,\infty)}$ なので $P((k,\infty))\ge1$ がすべての $k$ で成り立つ。ところが $(k,\infty)$ は $k\to\infty$ で減少して空集合に近づくので、確率の連続性から $P((k,\infty))\to0$ となり矛盾する。累積分布関数で見ると $F_n=1_{[n,\infty)}$ はすべての点で $0$ に収束し、極限の $0$ は累積分布関数でない。質量の全部が無限遠へ逃げている。

確率測度の列が質量を無限遠へ逃がさなければ(緊密性:任意の $\varepsilon>0$ に対し、コンパクト集合 $K$ で、すべての $n$ について $P_n(X\setminus K)< \varepsilon$ となるものがある)、弱収束する部分列がとれる(Prokhorovの定理)。実数直線の場合は Hellyの選出定理 の系「分布関数の列の選出」がその出発点になり、緊密性は部分列の極限が確率測度になるための条件である(Dur19 Theorem 3.2.13、p. 122)。この記事ではこれ以上扱わない。

反例:条件を外すと成り立たないこと

主張外す条件反例成り立たなくなること
thm-prm-uniqueness生成系が π 系であること4 点集合の $\frac12(\delta_1+\delta_4)$ と $\frac12(\delta_2+\delta_3)$(上の節)生成系の上で一致しても等しくない
prop-prm-diracσ-代数が Borel 集合全体であること$\mathbb{R}$ の可算・補可算 σ-代数の上の 0-1 値の確率測度0 と 1 だけをとるのに Dirac 測度でない
確率の連続性(確率空間 の命題「確率の連続性」)可算加法性(定義域を集合代数にして、有限加法性だけにする)$\mathbb{N}$ の有限集合に $0$、補集合が有限な集合に $1$$\{1,\dots,n\}$ は $\mathbb{N}$ に増加するのに値は $0$ のまま

2 行目:$\mathbb{R}$ は非可算なので ex-prm-examples の 6 の確率測度がとれ、可算・補可算 σ-代数は 1 点集合を含むが区間 $(-\infty,x]$ を含まない($(-\infty,x]$ もその補集合も非可算)。prop-prm-dirac の証明は $(-\infty,x]$ が可測であることを使っている。3 行目:有限集合と補集合が有限な集合の全体は集合代数で、その上で有限集合に $0$、補集合が有限な集合に $1$ を与える割り当ては、互いに交わらない 2 つの集合の両方の補集合が有限になることはないので有限加法的であり、全体の値は $1$ である(Carathéodoryの拡張定理 の例「有限加法的だが前測度でない」)。しかし $\{1,\dots,n\}$ の値はすべて $0$ で、和集合 $\mathbb{N}$ の値は $1$ なので、増加列についての連続性が成り立たない。定義域を σ-代数 $\mathcal{P}(\mathbb{N})$ のままにしたければ、選択公理のもとで、$\mathbb{N}$ の単項でない超フィルターの元に $1$、それ以外の部分集合に $0$ を与える有限加法的な割り当てをとればよい(有限集合の値は $0$、補集合が有限な集合の値は $1$ である)。可算加法性は、確率を極限と両立させるための条件である。

端点と 0-1 法則

独立な確率変数の列の末尾の事象の確率は $0$ か $1$ である(Kolmogorovの0-1法則)。thm-prm-extreme の言葉では、確率測度を末尾σ-代数に制限したものが、末尾σ-代数の上の確率測度の全体の端点になる、ということである。

平行移動で不変な確率測度はない

$\mathbb{R}$ の Borel 確率測度 $P$ で、すべての Borel 集合 $E$ と $t\in\mathbb{R}$ について $P(E+t)=P(E)$ となるものはない。実際、$(n,n+1]$($n\in\mathbb{Z}$)は互いに $(0,1]$ の平行移動なので、どれも同じ値 $c$ をもち、$\mathbb{R}$ はそれらの互いに交わらない和集合なので、可算加法性から $1=P(\mathbb{R})=\sum_{n\in\mathbb{Z}}c$ となる。$c=0$ なら右辺は $0$、$c>0$ なら $\infty$ なので矛盾する。Lebesgue 測度は平行移動で不変だが、全体の値は $\infty$ で正規化できない。同じ理由で、可算無限集合の上に「一様な確率」はない(確率空間 の例「反例:可算無限集合の上の一様な確率」)。

補足

確率空間の記事との分担

確率空間 は、標本空間・事象の σ-代数・確率測度の 3 つ組と、その上での確率の計算規則を扱う。この記事は、確率測度を可測空間の上の測度の一種として扱い、確率測度どうしの関係(作り方・凸結合・一致・距離・収束)を述べた。$\mathbb{R}$ の上の確率測度と累積分布関数の対応は 累積分布関数 と Lebesgue–Stieltjes測度 にある。

関連項目

参考文献

[2]
Rick Durrett, Probability: Theory and Examples, 5th ed., Cambridge University Press, 2019, §1.1(p. 2、probability measure の定義)、Theorem 3.2.9(p. 119、有界連続関数による弱収束)、Theorem 3.2.13(p. 122、緊密性)、§3.6(p. 168、可算集合の上の全変動距離)、Theorem 3.10.2(p. 198、$\mathbb{R}^d$ の弱収束)

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する