lorsque


13

Je sais que pour la variable continue .P[X=x]=0

Mais je ne peux pas visualiser que si , il y a un nombre infini de x possibles . Et aussi pourquoi leurs probabilités deviennent-elles infiniment petites?P[X=x]=0x



2
Il y a déjà deux votes pour clore cette question en double. Je ne suis pas d'accord. Il s'agit d'un sujet assez basique, l'un de ceux qui réapparaîtront probablement à l'avenir, donc ce serait bien s'il avait une réponse directe et de haute qualité, afin que nous puissions y faire référence à l'avenir. Le lien fourni par @ Xi'an peut être considéré comme un doublon, mais il est également assez spécifique et difficile à trouver via la recherche. Le lien ne fournit pas non plus de réponse exhaustive, alors que cette menace semble converger vers celle-ci. Je pense qu'il devrait rester ouvert comme référence future.
Tim

Il pourrait être utile de considérer l'inverse de cette situation. Laissez soit une variable aléatoire et laisser ε est un nombre réel positif. Il ne peut y avoir qu'un nombre fini de ω pour lequel Pr ( X = ω ) ϵ , sinon - en additionnant toutes ces probabilités sur des événements disjoints - vous concluriez que la probabilité totale est au moins ϵ + ϵ + , qui dépasse finalement 1 . (Il s'agit de la propriété archimédienne des nombres réels.) Ce raisonnement utilise seulement trois axiomesXϵωPr(X=ω)ϵϵ+ϵ+1: les probabilités d'événements disjoints s'ajoutent, la probabilité totale est de et l'axiome archimédien. 1
whuber

1
@Tim Merci, mais j'ai posté cette pensée comme un commentaire, plutôt que comme une réponse, car elle est incomplète: je n'ai pas trouvé un moyen élémentaire d'expliquer ce qui se passe dans la limite comme . Cela semble nécessiter une certaine connaissance des cardinalités des ensembles infinis. ϵ0
whuber

3
@ Xi'an Je suis d'accord, mais le fil que vous avez proposé n'est pas un doublon suffisamment proche. C'est une chose difficile à rechercher. Êtes-vous peut-être au courant d'autres discussions qui dupliquent cette question?
whuber

Réponses:


14

Les probabilités sont des modèles pour les fréquences relatives des observations. Si un événement est observé qu'il ya eu N A fois sur N essais, sa fréquence relative est la fréquence relative de  ( A ) = N AANAN et on pense généralement que la valeur numérique du rapport ci-dessus est une approximation proche deP(A)lorsqueNest "grand"où ce que l'on entend par "grand" est préférable de laisser à l'imagination (et la crédulité) du lecteur .

relative frequency of (A)=NAN
P(A) N

Or, il a été observé que si notre modèle de est celui d'une variable aléatoire continue, alors les échantillons de X { x 1 , x 2 , , x N } sont N nombres distincts. Ainsi, la fréquence relative d'un nombre spécifique x (ou, plus pédantiquement, l'événement { X = x } ) est soit 1XX {x1,x2,,xN}Nx{X=x} si l'un desxia la valeurx, ou01Nxix si tous lesxisont différents dex. Si un lecteur plus sceptique recueilleNéchantillonssupplémentaires , la fréquence relative de l'événement{X=x} est soit10NxixN{X=x} ou continue de profiter de la valeur012N . Ainsi, on est tenté de deviner queP{X=x}doit recevoir la valeur0car c'est une bonne approximation de la fréquence relative observée.0NP{X=x}0

Remarque: l'explication ci-dessus est (généralement) satisfaisante pour les ingénieurs et autres intéressés par l'application des probabilités et des statistiques (c'est-à-dire ceux qui croient que les axiomes de probabilité ont été choisis de manière à faire de la théorie un bon modèle de réalité), mais totalement insatisfaisant à beaucoup d'autres. Il est également possible d'aborder votre question d'un point de vue purement mathématique ou statistique et de prouver que doit avoir la valeur 0 chaque fois que XP{X=x} 0X est une variable aléatoire continue via des déductions logiques des axiomes de probabilité, et sans aucune référence à la fréquence relative ou aux observations physiques, etc.


1
+1 "Remarque: l'explication ci-dessus est ... satisfaisante pour ... ceux qui croient que les axiomes de probabilité ont été choisis de manière à faire de la théorie un bon modèle de réalité), mais totalement insatisfaisant ...", dans le phrasé préféré d'Internet, lol.
gung - Réintégrer Monica

2
X

3
NXX

2
@ StéphaneLaurent Je pense que les remarques de Dilip sont faites dans un esprit différent. Cette réponse n'est pas un effort pour fournir une démonstration mathématiquement rigoureuse, mais pour fournir une certaine intuition et motivation pour un fait qui intrigue le PO. Je suis intrigué par cette approche car elle a un tel potentiel pour combler le fossé entre la théorie des probabilités discrètes traditionnellement enseignée aux débutants et la théorie générale plus riche des probabilités basée sur la théorie des mesures.
whuber

2
N=2x2 is never x1 Pr(X2=x1)=0

13

(Ω,F,P)X:ΩRμX(R,B)μX(B)=P{XB}XλBλ(B)=0μX(B)=0fX:RRμX(B)=Bf(x)dλ(x)B={x1,x2,}Rλλ(B)=λ(i1{xi})=i1λ({xi})

λ({xi})=λ(k1[xi,xi+1/k))λ([xi,xi+1/n))=1n,()
n1λ({xi})0()n1λ({xi})=0λ(B)=0XμX(B)=P{XB}=0

La variable aléatoire continue n'a pas besoin d'être absolument continue (elle pourrait ne pas avoir de densité.)
Zhanxiong

1
Balivernes. "Variable aléatoire continue" est un nom informel pour "une variable aléatoire qui est absolument continue par rapport à la mesure de Lebesgue". Par conséquent, Radon-Nikodym garantit l'existence d'une densité. Une variable aléatoire avec une distribution singulière (par exemple Cantor) est une chose différente. Vous induisez les étudiants potentiels en erreur avec votre faux commentaire.
Zen

X

Wikipedia n'est pas d'accord avec vous, @Solitary: " Une distribution de probabilité continue est une distribution de probabilité qui a une fonction de densité de probabilité. Les mathématiciens appellent également une telle distribution absolument continue [...]".
amibe dit Réintégrer Monica le

4

XFP(X=x)=0

FF(x)=F(x)xR1

P(X=x)=P(Xx)P(X<x)=F(x)F(x)=0.

XX

Mon ami, cela peut en fait être un contre-exemple de votre propre réponse, pas la mienne. Depuis l'existence d'un tel RV continu singulier , il est nécessaire de distinguer le RV continu absolu et le RV continu singulier , bien que leurs fonctions de distribution soient toutes continues. Égaliser la RV continue et la RV continue absolue est ambigu.
Zhanxiong

Ce n'est pas le cas, mais vous n'entendrez pas, mon ami.
Zen

P(X=x)=0xP(X=x)=0x
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.