教学大纲-北京师范大学数学科学学院.DOC

教学目的 我们在本科期间已经学习了《概率论与数理统计》, 那么为什么还要学习《概率论基础》呢? 要回答这个问题, 需弄清楚《概率论基础》这门课是干什么的,它与本科所学的概率论有什么关系. 简言之, 《概率论基础》就是概率论的数学基础, 主要目的是使用公理化手段把概率论纳入严格的数学体系. 在本科所学的概率论教材中, 许多内容都依赖于随机试验. 例如: 样本空间是随机试验中可能发生的结果全体, 事件是样本空间的子集, 事件发生的概率是当随机试验的次数趋于无穷时, 该事件所发生频数的极限等. 这些概念很直观, 因而易于理解, 但由于不严格而无法继续深入, 甚至经不起推敲. 比如,关于概率的定义, 为什么可以把一个试验做无穷多次? (人的寿命是有限的.) 即使可以一直做下去, 也只有到无穷时刻才知道某事件发生频数的极限,否则人们得到的只是一个近似值而无法严格地确定事件发生的概率是否存在~(即频数是否有极限). 当然, 有人会说依据大数定律, 这个极限一定存在.但是大数定律也是在概率有定义的假设下证明的, 这岂不是陷入循环论证的误区啦? 因此, 我们本科时所学习的概率论, 许多地方是基于直观而非严格的公理化体系. 于是几乎所有的计算只能局限于直观比较清楚的离散型与连续型这两种随机变量, 而无法继续深入, 甚至于有时基本的存在性问题也只能简单地回避.比如, 通常我们会假设某随机变量服从某分布, 那么给定这个分布如何确定具有该分布的随机变量一定存在? 为构造这样的随机变量应该怎样设计随机试验? 基于上面的解释，我们的教学目的就比较清楚了: 使同学们学会用公理化手段把我们以前所学的概率论严格化, 使之成为数学的一部分；并将有关思想应用于未来的科学研究. 课程特点 如果说本科时所学的概率论是在处理一些具体的关于随机事件的例子, 《概率论基础》则是通过对这些例子的共同特征进行抽象而形成一般的数学理论. 因此这门课具有数学理论的所有特征:内容抽象、应用广泛、推理严谨、结论明确. 正因为内容抽象, 我们在学习中会遇到许多困难, 而克服这些困难的诀窍就是在学习抽象理论时头脑中一定要有具体的例子. 通过借鉴以前所学习的具体理论~(特别是~Lebesgue~测度理论~), 就可以比较轻松地掌握更一般的理论. 3、主要内容概述 既然是撇开具体的随机试验来定义事件、概率、随机变量等, 我们首先需要一个全集~$\Omg$~代表所关心的随机现象中的基本元素全体. 再假设~$\A$~是~$\Omg$~中 某些子集所组成的类, 它代表随机现象中可以测量发生概率的事件全体. 留意, 基于~Lebesgue~测度论, 我们知道未必~$\Omg$~的所有子集都可以测量. 事实上, 根据~Lebesgue~可测集类的特征以及概率论中对事件运算的要求, 作为公设我们要求 ~$\A$~包含~$\Omg$~并对集合的可数次运算封闭, 这就引入了~$\sgm$~代数的概念. 再者, 一个事件的概率可设想成我们对~$\A$~中一个集合的测量结果, 于是为定义概率我们需要构造在~$\A$~上的函数~$\P:\A\rar [0,1]$.根据概率论中对概率的要求, 我们公设~$\P$~具有~$\sgm$~可加性, 即任给两两不交的序列~$\set{A_n}_{n\ge1}\subset\A$,有~$\P\l(\cupp_{n=1}^\ift A_n\r)=\summ_{n=1}^\ift\P(A_n)$. 这样就确立了概率空间~$(\Omg,\A,\P)$, 而一个随机变量则是~$\Omg$~到~$\R$~上的一个可测映射. 那么, 如何在一个~$\sgm$~代数上构造概率测度呢? 依据~Lebesgue~测度论, 我们通常只能先对简单的集合~(区间)~定义测度值, 然后再延拓到所有可测集类上.为将这一手法抽象到一般空间上, 首先根据欧氏空间中的左开右闭区间所组成集类的特征, 定义~$\Omg$~中的半集代数, 并设法由半集代数出发生成~$\sgm$~代数~$\A$.这一步的关键结果是单调类定理, 它是用来刻画~$\sgm$~代数中集合性质的标准工具. 进一步地, 假如我们已经在半集代数上定义了概率测度,通过使用单调类定理并结合~Lebesgue~测度的构造思想, 可将它唯一地延拓到该半集代数所生成的最小~$\sgm$~代数上, 从而完成概率空间的构造. 这就是第一章的核心结果------测度扩张定理. 有了测度空间后, 我们就完成了对集合的测量, 第二、三章的任务便是研究对函数的测量了. 关于积分的定义与性质, 完全沿用了~Lebesgue~积分的处理方法, 因而可以比较轻松地掌握. 至此, 我们可以定义一般随机变量的期望了: 它就是随机变量作为