Přechod na menu, Přechod na obsah, Přechod na patičku
     

Kolmogorova axiomatická definice pravděpodobnosti


1. Náhodný pokus

Teorie pravděpodobnosti se zabývá matematickými modely náhodných dějů, jejichž výsledek není jednoznačně určen. Takovému náhodnému jevu budeme říkat náhodný pokus.

Výsledkem takového pokusu může být

  • číslo, například počet bodů na horní straně hrací kostky při jednom vrhu, nebo počet vrhů hrací kostkou než padne šestka,
  • naměřená veličina, například krevní tlak pacienta,
  • číselné vektory a posloupnosti, časový průběh nějaké funkce na daném intervalu
  • libovolný kvalitativní ukazatel, například vytažení koule dané barvy z osudí obsahující různorodé barvy, odpověď ano či ne respondenta při průzkumu mínění.

O náhodném pokusu hovoříme tedy tehdy, když

  • konáme pokus, jehož výsledek není jednoznačně určen podmínkami, za nichž je prováděn;
  • přitom nás zajímají jen takové pokusy, u kterých sledovaný jev, označme jej $A$, vykazuje v opakovaných pokusech jakousi stabilitu (tzv. statistickou stabilitu), tj. relativní četnost $f_n(A)=\frac{n_A}{n}$ výskytu jevu $A$ v posloupnosti $n$ „nezávislých“ pokusů má tendenci při velkých hodnotách $n$ se příliš neměnit, tedy má tendenci držet se nějaké $f_n(A)\approx p(A)$, tj. $\lim\limits_{n\to\infty} f_n(A)= p(A)$.

Dále již budeme předpokládat, že náhodný (nebo též stochastický) pokus je statisticky stabilní.

2. Značení

V dalším budeme používat následující značení:

$\Omega$ prostor elementárních jevů, který chápeme jako množinu všech možných „nejjemnějších“ (tj. těch, které lze ještě rozlišovat) výsledků daného pokusu. Předpokládá se, že
  • $\Omega\neq\emptyset$ je neprázdná abstraktní množina,
  • počet jejich prvků může být konečný, spočetný i nespočetný,
  • je vyčerpávající, tj. obsahuje absolutně všechny možné výsledky,
  • výsledky jsou neslučitelné.
$\omega$ elementární jev, který chápeme jako jednobodovou množinu. Například při jednom hodu kostkou jsou elementárními jevy jednotlivé možné výsledky, tj. padnutí 1, 2, 3, 4, 5, 6.
$\begin{array}[t]{@{}l@{}} A,B,\ldots \\ A_1,\ldots,A_n \end{array}$ jevy (značené velkými písmeny ze začátku abecedy) získáme množinovými operacemi nad elementárními jevy. Speciálními jevy jsou:
$\emptyset$ nemožný jev
$\Omega$ jistý jev
Například při jednom hodu kostkou kromě elementárních jevů (padnutí 1, 2, 3, 4, 5, 6) můžeme uvažovat i další jevy jako je padnutí sudého či lichého čísla, padnutí čísla menšího než šest, apod.
$\exp\Omega=2^\Omega$ systém všech podmnožin množiny $\Omega$.

Mezi jednotlivými jevy mohou platit různé vztahy a můžeme pomocí nich vytvářet nové jevy, například

$C=A\cup B$ jev $C$ nastane, pokud nastane jev $A$ nebo jev $B$
$C=A\cap B$ jev $C$ nastane, pokud společně nastane jev $A$ i jev $B$. Pokud $A\cap B=\emptyset$, jevy $A$ a $B$ se nazývají neslučitelné.
$C=A-B$ jev $C$ nastane, pokud nastane jev $A$ při vyloučení (nenastoupení) jevu $B$
$\overline{A}=A^c=\Omega-A$ jev $\overline{A}$ je jev opačný k jevu $A$
$C=\bigcup\limits_{n=1}^\infty A_n$ jev $C$ nastane, pokud nastane alespoň jeden z jevů $A_1,\ldots,A_n,\ldots$
$C=\bigcap\limits_{n=1}^\infty A_n$ jev $C$ nastane, pokud nastanou všechny jevy $A_1,\ldots,A_n,\ldots$

3. Definice jevového pole

Abychom mohli zavést exaktní matematický model náhodného pokusu, je vhodné uvažovat vhodný systém náhodných jevů.

Definice 3.1. Mějme neprázdnou množinu $\Omega\neq\emptyset$ a neprázdný systém podmnožin $\mathcal{A}\subseteq\exp\Omega$, pro který platí
$(i)$ $\Omega\in\mathcal{A}$
$(ii)$ $A\in\mathcal{A}$ $\Rightarrow$ $\overline{A}\in\mathcal{A}$
$(iii)$ $A_1,\ldots,A_n,\ldots\in\mathcal{A}$ $\Rightarrow$ $\bigcup\limits_{n=1}^\infty A_n\in\mathcal{A}$ $\quad$ ($\sigma$ aditivita),
pak $\mathcal{A}$ nazýváme jevovou $\sigma$–algebrou na $\Omega$, dvojici $(\Omega,\mathcal{A})$ nazýváme jevové pole a libovolný prvek $A\in\mathcal{A}$ nazýváme náhodný jev (vzhledem k $(\Omega,\mathcal{A})$).
Poznámka 3.2. Dvojice $(\Omega,\mathcal{A})$ se v teorii míry nazývá měřitelným prostorem.
Poznámka 3.3. Podmínka $(i)$ v předchozí definici je vlastně zbytečná a uvádí se spíše z historických důvodů. Předpokládáme totiž, že $\mathcal{A}$ je neprázdný systém podmnožin, tj. existuje $A\in\mathcal{A}$. Dle podmínky $(ii)$ je také $\overline{A} \in\mathcal{A}$. Položíme-li $A_1=\overline{A},\ A_n=A$ pro $n\geq 2$, pak podle $(iii)$ $\Omega = \bigcup\limits_{n=1}^\infty A_n\in\mathcal{A}$.
Poznámka 3.4. S náhodnými jevy pracujeme jako s množinami, takže pro ně platí de Morganovy vzorce $$\overline{\bigcup\limits_{n\!=\!1,2,\!\ldots}A_n}= \bigcap\limits_{n\!=\!1,2,\!\ldots} \overline{A}_n \quad \text{a}\quad \overline{\bigcap\limits_{n\!=\!1,2,\!\ldots}A_n}= \bigcup\limits_{n\!=\!1,2,\!\ldots} \overline{A}_n .$$ Uvedeme zde důkaz prvního z nich, druhý by se dokázal analogicky a doporučujeme ho čtenáři jako domácí cvičení.
Důkaz. $\omega \in \overline{\bigcup\limits_{n\!=\!1,2,\!\ldots}A_n} \Leftrightarrow \omega \notin \bigcup\limits_{n\!=\!1,2,\!\ldots}A_n \Leftrightarrow \forall n\in \mathbb{N}\ \omega \notin A_n \Leftrightarrow \forall n \in \mathbb{N}\ \omega \in \overline{A_n} \Leftrightarrow \omega \in \bigcap\limits_{n\!=\!1,2,\!\ldots} \overline{A}_n.$
\(\Box\)
Věta 3.5. Nechť $(\Omega,\mathcal{A})$ je jevové pole. Pak platí $$\begin{array}{rlcl} (1) & \emptyset\in\mathcal{A}\\[1ex] (2) & A_1,A_2\in\mathcal{A} & \Rightarrow & A_1\cup A_2\in\mathcal{A}\\ && & A_1\cap A_2\in\mathcal{A}\\ && & A_1- A_2\in\mathcal{A}\\[1ex] (3) & A_1,\dots,A_n,\ldots\in\mathcal{A} & \Rightarrow & \bigcap\limits_{n\!=\!1}^\infty A_n\in\mathcal{A}\\ \end{array}$$
Důkaz.
  1. V definici jevového pole z vlastností $(i)$ a $(ii)$ dostáváme: $\Omega\in\mathcal{A}\Rightarrow\overline{\Omega}=\emptyset\in\mathcal{A}$.
  2. Nechť $A_1,A_2\in\mathcal{A}$.
    Sjednocení: pro $n\geq 3$ položíme $A_n=\emptyset$, takže pro $n=1,2,\ldots$ platí $A_n\in\mathcal{A}$. Z definice jevového pole z vlastnosti $(iii)$ dostáváme: $A_1\cup A_2=\bigcup\limits_{n=1}^\infty A_n\in\mathcal{A}$.
    Průnik: $A_1\cap A_2=\overline{\overline{A_1\cap A_2}}=\overline{\underbrace{\overline{A_1}}_{\in\mathcal{A}}\cup\underbrace{\overline{A_2}}_{\in\mathcal{A}}}\in\mathcal{A}$.
    Rozdíl: $A_1- A_2=\underbrace{A_1}_{\in\mathcal{A}}\cap\underbrace{\overline{A_2}}_{\in\mathcal{A}} \in\mathcal{A}$.
  3. Nechť $A_1,\dots,A_n,\ldots\in\mathcal{A}$, pak s využitím de Morg. pravidel dostaneme: $$\bigcap\limits_{n=1}^\infty A_n=\overline{\bigcup\limits_{n=1}^\infty\underbrace{\overline{A_n}}_{\in\mathcal{A}}}\in\mathcal{A}$$
\(\Box\)

4. Posloupnosti jevů a jejich limity

Definice 4.1. Horní limitou posloupnosti jevů $\left\{A_n \right\}_{n=1}^\infty$ nazýváme množinu všech $\omega\in\Omega$, které patří do nekonečně mnoha množin $A_n$. Označujeme $\limsup\limits_{n\to\infty} A_n$.
Dolní limitu posloupnosti jevů $\left\{A_n \right\}_{n=1}^\infty$ definujeme jako množinu všech $\omega\in\Omega$, které patří do všech množin $A_n$ s výjimkou konečného počtu těchto množin. Označujeme $\liminf\limits_{n\to\infty} A_n$.
Poznámka 4.2. Z definice je zřejmě vidět, že platí $\liminf\limits_{n\to\infty} A_n \subseteq \limsup\limits_{n\to\infty} A_n$.
Věta 4.3. Platí $$ \begin{array}{rl} (1) & \liminf\limits_{n\to\infty} A_n= \bigcup\limits_{n=1}^\infty\bigcap\limits_{k=n}^\infty A_k\\ (2) & \limsup\limits_{n\to\infty} A_n= \bigcap\limits_{n=1}^\infty\bigcup\limits_{k=n}^\infty A_k\\[2ex] (3) & \overline{\limsup\limits_{n\to\infty} A_n}= \liminf\limits_{n\to\infty} \overline{A_n} \end{array} $$
Důkaz.
  1. Jestliže $\omega\in\liminf\limits_{n\to\infty} A_n$, pak patří do každé $A_n$ s vyjímkou konečného počtu $A_n$ $\Leftrightarrow$ $\exists\; n\;$ takové, že $\omega\in\bigcap\limits_{k=n}^\infty A_k$ $\Leftrightarrow$ $\omega\in\bigcup\limits_{n=1}^\infty\bigcap\limits_{k=n}^\infty A_k$.
  2. Jestliže $\omega\in\limsup\limits_{n\to\infty} A_n$, pak patří do nekonečně mnoha $A_n$ $\Leftrightarrow$ pro $\forall\; n\;\exists\;k\geq n$ takové, že $\omega\in A_k$ $\Leftrightarrow$ pro $\forall\; n$ platí $\omega\in\bigcup\limits_{k=n}^\infty A_k$ $\Leftrightarrow$ $\omega\in\bigcap\limits_{n=1}^\infty\bigcup\limits_{k=n}^\infty A_k$.
  3. $\omega\in\overline{\limsup\limits_{n\to\infty} A_n}$ $\Leftrightarrow$ neplatí, že $\omega$ patří do nekonečně mnoha $A_n$ $\Leftrightarrow$ neplatí, že pro $\forall\; n\;\exists\;k\geq n$ takové, že $\omega\in A_k$ $\Leftrightarrow$ $\exists\; n\ \forall k\geq n$ $\omega\notin A_k$$\Leftrightarrow$ $\exists\; n\ \forall k\geq n$ $\omega\in \overline{A_k}$ $\Leftrightarrow$ $\exists\; n$ $\omega\in\bigcap\limits_{k=n}^\infty \overline{A_k}$$\Leftrightarrow$ $\omega\in\bigcup\limits_{n=1}^\infty\bigcap\limits_{k=n}^\infty \overline{A_k}=\liminf\limits_{n\to\infty} \overline{A_n}$.
\(\Box\)
Poznámka 4.4. (Motivace)

Uveďme ještě trochu jiný pohled na vztahy v předchozí větě, který by mohl mít spíše motivační charakter. Konkrétně sledujme vztah (1). Označme

$I_n=\inf\{A_k;k\in \{n,n+1,n+2,\dots\}\}=\bigcap\limits_{k=n}^\infty A_k$. Zřejmě platí $I_1\subseteq I_2 \subseteq \dots$ a můžeme psát $\liminf\limits_{n\to\infty} A_n=\lim\limits_{n\to\infty}I_n=\sup\limits_{n\in\{1,2,\dots\}}I_n = \bigcup\limits_{n=1}^\infty I_n=\bigcup\limits_{n=1}^\infty\bigcap\limits_{k=n}^\infty A_k$.
Definice 4.5. Limita posloupnosti jevů. Řekneme, že posloupnost náhodných jevů $\left\{A_n \right\}_{n=1}^\infty$ má limitu $A$, právě když $$A=\limsup\limits_{n\to\infty} A_n=\liminf\limits_{n\to\infty} A_n.$$
Věta 4.6. Pokud existuje limita posloupnosti náhodných jevů $\left\{A_n \right\}_{n=1}^\infty$, pak $\lim\limits_{n\to\infty}A_n\in\mathcal{A}$.
Důkaz. Předpokládejme, že limita existuje, pak $A=\lim\limits_{n\to\infty}A_n=\bigcup\limits_{n=1}^\infty \underbrace{\bigcap\limits_{k=n}^\infty A_k}_{\in\mathcal{A}}\in\mathcal{A}$.
\(\Box\)
Věta 4.7.
(1) Je-li $A_n\subseteq A_{n+1}$ ($n=1,2,\ldots$) $\Rightarrow$ $\exists\;A=\lim\limits_{n\to\infty}A_n$ a platí $A=\bigcup\limits_{n=1}^\infty A_n$.
(2) Je-li $A_n\supseteq A_{n+1}$ ($n=1,2,\ldots$) $\Rightarrow$ $\exists\;A=\lim\limits_{n\to\infty}A_n$ a platí $A=\bigcap\limits_{n=1}^\infty A_n$.
Důkaz. Chceme-li dokázat, že existuje příslušná limita, musíme prokázat, že horní i dolní limita se rovná.
  1. Nechť $A_n\subseteq A_{n+1}$.
    1. Horní limita: $\limsup\limits_{n\to\infty} A_n=\bigcap\limits_{n=1}^\infty \bigcup\limits_{k=n}^\infty A_k$. Označme $B_n=\bigcup\limits_{k=n}^\infty A_k$. S využitím vztahu $B_1=B_2=\cdots=B_{n}=B_{n+1}=\cdots$ upravujme $\limsup\limits_{n\to\infty} A_n=\bigcap\limits_{n=1}^\infty \underbrace{\bigcup\limits_{k=n}^\infty A_k}_{B_n=B_1}= \bigcap\limits_{n=1}^\infty B_1=B_1= \bigcup\limits_{k=1}^\infty A_k$.
    2. Dolní limita: $\liminf\limits_{n\to\infty} A_n=\bigcup\limits_{n=1}^\infty \bigcap\limits_{k=n}^\infty A_k$. Označme $C_n=\bigcap\limits_{k=n}^\infty A_k$. S využitím vztahu $C_n=A_n$ upravujme $\liminf\limits_{n\to\infty} A_n=\bigcup\limits_{n=1}^\infty \underbrace{\bigcap\limits_{k=n}^\infty A_k}_{C_n=A_n}= \bigcup\limits_{n=1}^\infty A_n$.
    Protože horní i dolní limity jsou shodné, platí první tvrzení věty.
  2. Nechť $A_n\supseteq A_{n+1}$.
    1. Horní limita: $\limsup\limits_{n\to\infty} A_n=\bigcap\limits_{n=1}^\infty \bigcup\limits_{k=n}^\infty A_k$. Označme $B_n=\bigcup\limits_{k=n}^\infty A_k$. S využitím vztahů $B_1=A_1,B_2=A_2,\ldots,B_n=A_n,B_{n+1}=A_{n+1},\ldots$ upravujme $\limsup\limits_{n\to\infty} A_n=\bigcap\limits_{n=1}^\infty \underbrace{\bigcup\limits_{k=n}^\infty A_k}_{B_n=A_n}= \bigcap\limits_{n=1}^\infty A_n.$
    2. Dolní limita: $\liminf\limits_{n\to\infty} A_n=\bigcup\limits_{n=1}^\infty \bigcap\limits_{k=n}^\infty A_k$. Označme $C_n=\bigcap\limits_{k=n}^\infty A_k$. S využitím vztahu $C_1=C_2=\cdots=C_{n}=C_{n+1}=\cdots$ upravujme $\liminf\limits_{n\to\infty} A_n=\bigcup\limits_{n=1}^\infty \underbrace{\bigcap\limits_{k=n}^\infty A_k}_{C_n=C_1}= \bigcup\limits_{n=1}^\infty C_1=C_1=\bigcap\limits_{k=1}^\infty A_k.$
    Protože i v tomto případě horní i dolní limity jsou shodné, platí i druhé tvrzení věty.
\(\Box\)

5. Borelovské množiny

Věta 5.1. Nechť $\mathcal{S}$ je systém podmnožin $\Omega$. Pak existuje množinová $\sigma$-algebra $\sigma(\mathcal{S})$ taková, že platí
  1. $\mathcal{S}\subseteq \sigma(\mathcal{S})$
  2. Je-li $\mathcal{A}^*$ množinová $\sigma$-algebra taková, že $\mathcal{S}\subseteq\mathcal{A}^*$, pak $\sigma(\mathcal{S})\subseteq\mathcal{A}^*$.
Důkaz. Položme $\sigma(\mathcal{S})$ jako průnik množinových $\sigma$-algeber obsahujících $\mathcal{S}$. Pak samozřejmě $\mathcal{S}\subseteq \sigma(\mathcal{S})$ a $\sigma(\mathcal{S})$ je $\sigma$-algebra, neboť axiomy platí pro každý prvek průniku, tedy i pro průnik.
\(\Box\)
Definice 5.2. Množinová $\sigma$-algebra $\sigma(\mathcal{S})$ z předchozí věty se nazývá minimální množinová $\sigma$-algebra generovaná (systémem) $\mathcal{S}$.
Poznámka 5.3. Borelovské množiny.
Položme $\Omega=(-\infty,\infty)=\mathbb{R}$
$\mathcal{S}_x=\{(-\infty,x\rangle; \quad x\in\mathbb{R}\}, \mathcal{S}_x\subseteq 2^\Omega=2^\mathbb{R}$.
Podle předchozí věty existuje minimální množinová $\sigma$-algebra $$\sigma(\mathcal{S}_x)=\mathcal{B}$$ generovaná systémem intervalů $(-\infty,x\rangle;\;x\in\mathbb{R}$. Nazveme ji borelovskou množinovou $\sigma$-algebrou v $\mathbb{R}$. Její prvky se nazývají borelovské množiny.
Analogicky lze definovat borelovskou množinovou $\sigma$-algebru v $\mathbb{R}^n$ $\mathcal{B}^n=\sigma(\mathcal{S}_x)$:

$\Omega=\mathbb{R}^n$

$\mathcal{S}_\mathbf{x}= \{(-\infty,x_1\rangle \times (-\infty,x_2\rangle; \times \cdots \times (-\infty,x_n\rangle; \quad \mathbf{x}\in\mathbb{R}^n\}, \mathcal{S}_\mathbf{x}\subseteq 2^\Omega=2^{\mathbb{R}^n}$.

6. Definice pravděpodobnostního prostoru

Definice 6.1. Axiomatická definice pravděpodobnosti. Nechť $(\Omega,\mathcal{A})$ je jevové pole a $P$ je množinová funkce definovaná na $\mathcal{A}$ s vlastnostmi
(1) $P(\Omega)=1$ (tj. $P$ je normovaná)
(2) pro $\forall\;A\in\mathcal{A}$ je $P(A)\geq 0$ (tj. $P$ je nezáporná)
(3) je-li $\left\{A_n \right\}_{n=1}^\infty$ posloupnost náhodných jevů, které jsou po dvou neslučitelné, tj. $A_i\cap A_j = \emptyset$ pro $i\neq j$, pak $P\left( \bigcup\limits_{n=1}^\infty A_n\right)=\sum\limits_{n=1}^\infty P(A_n)$ (tj. $P$ je $\sigma$-aditivní)
Funkci $P$ nazýváme pravděpodobností a trojici $(\Omega,\mathcal{A},P)$ pravděpodobnostním prostorem.
Příklad 6.2. (Příklady různých definicí pravděpodobnosti)
  1. Konečná množina $\Omega$:
    $\Omega=\{\omega_1,\ldots,\omega_n\}$ konečná množina elementárních jevů
    $\mathcal{A}=2^\Omega$ $\mathcal{A}$ je systém všech podmnožin množiny $\Omega$
    $P$ pravděpodobnost libovolného jevu $A=\{\omega_{i_1},\ldots,\omega_{i_k}\}\in\mathcal{A}$
    je rovna $P(A)=\sum\limits_{j=1}^k P(\omega_{i_j})$, přitom platí $\sum\limits_{i=1}^n P(\omega_{i})=1$.
    Jestliže platí $P(\omega_{i})=\frac{1}{n}$ mluvíme o klasickém pravděpodobnostním pokusu, ve kterém platí $$P(A)=\frac{|A|}{|\Omega|},$$ kde $|A|$ značí počet elementárních jevů v $A$.
  2. Váhová definice pravděpodobnosti:
    $\Omega=\{\omega_i\}_{i=1}^\infty$ spočetná množina elementárních jevů
    $\mathcal{A}=2^\Omega$ $\mathcal{A}$ je systém všech podmnožin množiny $\Omega$
    $P$ pravděpodobnost libovolného jevu $A=\{\omega_{i_j}\}_{j=1}^\infty\in\mathcal{A}$
    je rovna $P(A)=\sum\limits_{\omega_{i_j}\in A} P(\omega_{i_j})=\sum\limits_{\omega_{i_j}\in A} p_{i_j}$, přitom platí $\sum\limits_{\omega_{i_j}\in\Omega} p_{i_j}=1.$
  3. Geometrická definice pravděpodobnosti:
    $\Omega\subseteq\mathbb{R}^n$ borelovská podmnožina
    $\mathcal{A}=\mathcal{B}^n(\Omega)$ $\mathcal{A}$ je nejmenší borelovská $\sigma$-algebra nad $\Omega$
    $P$ pravděpodobnost jevu $A$ je rovna $P(A)=\frac{\mu(A)}{\mu(\Omega)}$,
    kde Lebesgueova míra $\mu$ je konečná a kladná.

7. Vlastnosti pravděpodobnosti

Věta 7.1. Nechť $(\Omega,\mathcal{A},P)$ je pravděpodobnostní prostor. Pak pravděpodobnost $P$ má následující vlastnosti:
(1) $P(\emptyset)=0$
(2) $A,B\in\mathcal{A} ,\; A\cap B=\emptyset$ $\Rightarrow$ $P(A\cup B)=P(A)+P(B)$
(3) $A,B\in\mathcal{A} ,\; A\subseteq B$ $\Rightarrow$ $P(B-A)=P(B)-P(A)$
(4) $\Rightarrow$ $P(A)\leq P(B)$
(5) $A\in\mathcal{A}$ $\Rightarrow$ $0\leq P(A)\leq 1$
(6) $\Rightarrow$ $P(\overline{A})= 1-P(A)$
(7) $A,B\in\mathcal{A}$ $\Rightarrow$ $P(A\cup B)=P(A)+P(B)-P(A\cap B)$
(8) $A_1,\ldots,A_n\in\mathcal{A}$ $\Rightarrow$ $P\left(\bigcup\limits_{i=1}^n A_i \right) =\sum\limits_{i=1}^n P(A_i) -\sum\limits_{i=1}^{n-1}\sum\limits_{j=i+1}^{n} P(A_i\cap A_j)$
$\qquad\qquad\qquad+\sum\limits_{i=1}^{n-2}\sum\limits_{j=i+1}^{n-1}\sum\limits_{k=j+1}^{n} P(A_i\cap A_j\cap A_k)+\cdots$
$\qquad\qquad\qquad\cdots (-1)^{n-1} P(A_1\cap \cdots\cap A_n)$
(9) $\Rightarrow$ $P\left(\bigcup\limits_{i=1}^n A_i\right)\leq \sum\limits_{i=1}^n P(A_i).$
Důkaz.
  1. Protože jevy jistý $\Omega$ a nemožný $\emptyset$ jsou neslučitelné, můžeme upravovat $$\underbrace{1=P(\Omega)}_{axiom\;(1)\;def.psti}= \underbrace{P(\Omega\cup\emptyset\cup\emptyset\dots)=\overbrace{P(\Omega)}^{=1}+P(\emptyset)+P(\emptyset)+\dots}_{ \textit{axiom (3) definice pravděpodobnosti}} \quad\Rightarrow\quad P(\emptyset)=0.$$
  2. Předpokládejme, že $A,B\in\mathcal{A},\;A\cap B=\emptyset$. Uvažujme posloupnost po dvou neslučitelných jevů: $A,B,\emptyset,\emptyset,\ldots$. Pak s využitím axiomů $(3)$ definice pravděpodobnosti můžeme upravovat $$P(A\cup B)=P(A\cup B\cup\emptyset\cup\emptyset\cup\cdots)= P(A)+P(B)+\underbrace{P(\emptyset)}_{=0}+\underbrace{P(\emptyset)}_{=0}+\cdots=\\= P(A)+P(B).$$
  3. Předpokládejme, že {$A,B\in\mathcal{A},\;A\subseteq B$}. Pak můžeme psát:

    $B=\underbrace{A\cup(B-A)}_{\textit{neslučitelné jevy}}$, takže s využitím předchozí vlastnosti $(2)$ dostaneme

    $$P(B)=P(A\cup(B-A))=P(A)+P(B-A) \quad\Rightarrow\quad {P(B-A)=P(B)-P(A)}.$$
  4. Analogicky jako v předchozím případě dostaneme $$P(B)=P(A)+P(B-A) \quad\Rightarrow\quad P(A)=P(B)-\underbrace{P(B-A)}_{\geq 0} \quad\Rightarrow\quad {P(A)\leq P(B)}.$$
  5. Předpokládejme, že $A\in\mathcal{A}$. Pokud $A=\emptyset$ nebo $A=\Omega$, tvrzení zřejmě platí.

    Proto uvažujme

    $$\emptyset\subset A\subset\Omega.$$

    S využitím předchozí vlastnosti $(4)$ dostaneme

    $0=P(\emptyset)\leq P(A)\leq P(\Omega)=1$
  6. Jestliže $A\in\mathcal{A}$, pak také $\overline{A}=\Omega-A\in\mathcal{A}$. Pokud $A=\emptyset$ nebo $A=\Omega$, tvrzení zřejmě platí.

    Proto uvažujme

    $$\emptyset\subset A\subset\Omega.$$

    Díky tomu, že $ A\subset\Omega$ a vlastnosti $(3)$, dostaneme

    ${P(\overline{A})}=P(\Omega-A) \stackrel{vl.(3)}{=}P(\Omega)-P(A)={1-P(A)}$.
  7. Jestliže $A,B\in\mathcal{A}$, pak jejich sjednocení lze vyjádřit jako sjednocení tří neslučitelných jevů, tj.

    $A\cup B=\underbrace{\left(A-(A\cap B)\right)}_{1.jev}\cup \underbrace{(A\cap B)}_{2.jev}\cup\underbrace{\left(B-(A\cap B)\right)}_{3.jev}$,

    takže pravděpodobnost

    $ \begin{array}{lcl} {P(A\cup B)}&=&P\left(\left(A-(A\cap B)\right)\cup (A\cap B)\cup \left(B-(A\cap B)\right)\right)\\[1ex] &=& P\left(A-(A\cap B)\right)+P\left(A\cap B\right)+P\left(B-(A\cap B)\right)\\[1ex] &=& \underbrace{P(A)-P(A\cap B)}_{\scriptsize\textit{1. člen}} +\underbrace{P(A\cap B)}_{\scriptsize\textit{2. člen}} +\underbrace{P(B)-P(A\cap B)}_{\scriptsize\textit{3. člen}}\\[5ex] &=& {P(A)+P(B)-P(A\cap B)} \end{array} $
  8. Dokážeme matematickou indukcí z předchozí vlastnosti.
  9. Jestliže $A_1,\ldots,A_n\in\mathcal{A}$, pak díky vlastnosti $(7)$ postupně dostaneme

    $\begin{array}{@{}lcl} P\left(\bigcup\limits_{i=1}^n A_i \right) &=& {P\left(\bigcup\limits_{i=1}^{n-1} A_i \right)} +P(A_n)- \underbrace{P\left(A_n\cap\bigcup\limits_{i=1}^{n-1} A_i \right)}_{\geq 0}\\[1ex] &=& {P\left(\bigcup\limits_{i=1}^{n-2} A_i \right) +P(A_{n-1})- \underbrace{P\left(A_{n-1}\cap\bigcup\limits_{i=1}^{n-2} A_i \right)}_{\geq 0}} +P(A_n)- \underbrace{P\left(A_n\cap\bigcup\limits_{i=1}^{n-1} A_i \right)}_{\geq 0}\\ &\vdots&\\ &=& { P(A_1)+\cdots+P(A_n)} {-P(A_1\cap A_2)-\cdots- P\left(A_n\cap\bigcup\limits_{i=1}^{n-1} A_i \right)} \end{array}$

    a odtud již dostáváme tvrzení věty, že $P\left(\bigcup\limits_{i=1}^n A_i\right)\leq \sum\limits_{i=1}^n P(A_i)$.

\(\Box\)
Věta 7.2. Spojitost pravděpodobnosti. Nechť $(\Omega,\mathcal{A})$ je jevové pole, $P$ reálná množinová funkce definovaná na $\mathcal{A}$ s vlastnostmi: $ \begin{array}{@{}ll} (i) & P(\Omega)=1\\[1ex] (ii) & \mbox{pro } \forall \;A\in\mathcal{A}: P(A)\geq 0\\[1ex] (iii) & A,B\in\mathcal{A}, \; A\cap B=\emptyset \quad\Rightarrow\quad P(A\cup B)=P(A)+P(B) \ (\mbox{aditivita, ne $\sigma$-aditivita}) \end{array} $ pak následující vlastnosti jsou ekvivalentní
(1) $P$ je pravděpodobnost na $(\Omega,\mathcal{A})$.
(2) spojitost pravděpodobnosti zdola:
$A_1,A_2,\ldots \in\mathcal{A}$, $A_n\subseteq A_{n+1}$ $\Rightarrow$ $\lim\limits_{n\to\infty}P(A_n)=P\left(\bigcup\limits_{n=1}^\infty A_n\right)= P\left(\lim\limits_{n\to\infty}A_n\right)$
(3) spojitost pravděpodobnosti shora:
$A_1,A_2,\ldots \in\mathcal{A}$, $A_n\supseteq A_{n+1}$ $\Rightarrow$ $\lim\limits_{n\to\infty}P(A_n)=P\left(\bigcap\limits_{n=1}^\infty A_n\right)= P\left(\lim\limits_{n\to\infty}A_n\right)$
(4) spojitost pravděpodobnosti shora v nule:
$A_1,A_2,\ldots \in\mathcal{A}$, $A_n\supseteq A_{n+1}$, $\bigcap\limits_{n=1}^\infty A_n=\emptyset$ $\Rightarrow$ $\lim\limits_{n\to\infty}P(A_n)=0$.
Důkaz.

$(1)\!\!\Rightarrow\!\! (2)$

Nejprve dokážeme, že pravděpodobnost $P$ je spojitá zdola.

Předpokládejme, že $P$ je pravděpodobnost a mějme posloupnost náhodných jevů $\left\{A_n \right\}_{n=1}^\infty$ takovou, že $A_n\subseteq A_{n+1}$.

Položme $B_1=A_1,\ B_n=A_n-A_{n-1}$ pro $n\geq 2$, takže $\bigcup\limits_{n=1}^\infty A_n= \bigcup\limits_{n=1}^\infty B_n$ a přitom $B_i\cap B_j=\emptyset$ pro $i\neq j$. S využitím vztahu $A_n=\bigcup\limits_{i=1}^n B_i$ postupně upravujme:
$\begin{array}{lcl} P\left(\bigcup\limits_{n=1}^\infty A_n\right) & = & P\left(\bigcup\limits_{n=1}^\infty B_n\right) \stackrel{ax(3)}{=} \sum\limits_{n=1}^\infty P(B_n) =\lim\limits_{n\to\infty}\sum\limits_{i=1}^n P(B_i) \\[3ex] & = & \lim\limits_{n\to\infty}\underbrace{[P(A_1)+P(A_2-A_1)+\cdots+P(A_n-A_{n-1})].}_{=P(A_n)} \end{array}$

$(2)\!\!\Rightarrow\!\!(3)$

Předpokládejme, že $P$ je spojitá zdola. Dokážeme, že je spojitá i shora.

Nechť pro posloupnost náhodných jevů $\left\{A_n \right\}_{n=1}^\infty$ platí $A_n\supseteq A_{n+1}$.

Protože $\overline{A}_n\in\mathcal{A}$, pak pro posloupnost opačných náhodných jevů $\{\overline{A}_n\}_{n=1}^\infty$ platí {$\overline{A}_n\subseteq \overline{A}_{n+1}$}. Díky předpokladu a de Morg. pravidlům

$\begin{array}{lcl} \lim\limits_{n\to\infty} P(\overline{A}_n) &=& P\left(\bigcup\limits_{n=1}^\infty \overline{A}_n\right) =P\left(\overline{\bigcap\limits_{n=1}^\infty {A}_n}\right) =1-P\left(\bigcap\limits_{n=1}^\infty {A}_n\right) \end{array}$,

takže

$\lim\limits_{n\to\infty} P({A}_n)$} $=\lim\limits_{n\to\infty} \left[1- P(\overline{A}_n)\right] =1-\left[1-P\left(\bigcap\limits_{n=1}^\infty {A}_n\right)\right]=$ {$P\left(\bigcap\limits_{n=1}^\infty {A}_n\right)$

$(3)\!\!\Rightarrow\!\!(4)$

Předpokládejme, že $P$ je spojitá shora. Dokážeme pak, že je spojitá shora i v nule.

Nechť pro posloupnost náhodných jevů $\left\{A_n \right\}_{n=1}^\infty$ platí $A_n\supseteq A_{n+1}$ a $\bigcap\limits_{n=1}^\infty A_n=\emptyset$, pak podle předchozí implikace $\lim\limits_{n\to\infty} P({A}_n)=P\left(\bigcap\limits_{n=1}^\infty {A}_n\right)=0$, neboť $\bigcap\limits_{n=1}^\infty A_n=\emptyset$.

$(4)\!\!\Rightarrow\!\!(1)$

Předpokládejme, že $P$ je spojitá shora v nule. Ukážeme, že $P$ splňující vlastnosti $(i)$, $(ii)$ a $(iii)$ je pravděpodobnost.

Jediná vlastnost, která v tomto výčtu vlastností chybí, je $\sigma$-aditivita:

$$P\left(\bigcup\limits_{i=1}^\infty {B}_i\right)\stackrel{?}{=} \sum\limits_{i=1}^\infty P(B_i), \hspace{3ex}\text{kde}\hspace{3ex} B_i\cap B_j=\emptyset\ \text{pro}\ i\neq j.$$

Mějme $n$ lib., pevně. Ozn. $Z_{n+1}=\bigcup\limits_{i=n+1}^\infty {B}_i$. Pak $Z_n\supseteq Z_{n+1}$ a $\bigcap\limits_{n=1}^\infty Z_n=\emptyset$, neboť $\bigcap\limits_{n=1}^\infty Z_n= \bigcap\limits_{n=1}^\infty \bigcup\limits_{i=n}^\infty {B}_i =\limsup\limits_{n\to\infty}B_n =\{\omega\in\Omega:\omega\ patří\ do\ nekonečně\ mnoha\ B_i\}=\emptyset$, protože $B_i$ jsou po dvou disjunktní.

Protože podle předpokladu je $P$ spojitá shora v nule, tak platí $\lim\limits_{n\to\infty}P(Z_n)=0$. Nyní využijeme aditivitu množinové funkce $P$ a pro $n\geq 2$ počítejme

$P\left(\bigcup\limits_{i=1}^\infty {B}_i\right)$ $=\lim\limits_{n\to\infty} P(B_1\cup \cdots\cup B_{n}\cup Z_{n+1}) =\lim\limits_{n\to\infty}\left[ \sum\limits_{i=1}^{n} P({B}_i)+P(Z_{n+1})\right]$
$=\lim\limits_{n\to\infty} \sum\limits_{i=1}^{n} P({B}_i)+ \underbrace{\lim\limits_{n\to\infty}P(Z_{n+1})}_{=0}=$ {$\sum\limits_{i=1}^\infty P(B_i)$
\(\Box\)
Věta 7.3. Nechť $(\Omega,\mathcal{A},P)$ je pravděpodobnostní prostor, $A_n\in\mathcal{A}$ pro $n=1,2,\ldots$ a existuje limita $A_n$. Pak platí $P\left(\lim\limits_{n\to\infty} A_n\right)=\lim\limits_{n\to\infty}P(A_n)$.
Důkaz.

Připomeňme, že limita existuje, pokud existuje horní i dolní limita a rovnají se, tj.

$$A=\lim\limits_{n\to\infty} A_n =\liminf\limits_{n\to\infty} A_n=\bigcup\limits_{n=1}^\infty\underbrace{\bigcap\limits_{k=n}^\infty A_k}_{ozn.B_n} =\limsup\limits_{n\to\infty} A_n=\bigcap\limits_{n=1}^\infty \underbrace{\bigcup\limits_{k=n}^\infty A_k}_{ozn.C_n}$$

Díky vztahům $\bigcap\limits_{k=n}^\infty A_k\!=\!{B_{n}\subseteq B_{n+1}}\!=\!\bigcap\limits_{k=n+1}^\infty A_k$ a $\bigcup\limits_{k=n}^\infty A_k\!=\!C_{n}\supseteq C_{n+1}\!=\!\bigcup\limits_{k=n+1}^\infty A_k$ dostaneme

$P\left(\liminf\limits_{n\to\infty} A_n\right)$ $=P\!\left(\!\bigcup\limits_{n=1}^\infty\bigcap\limits_{k=n}^\infty A_k\!\right) \!=\!P\!\left(\bigcup\limits_{n=1}^\infty B_n\right) \!\stackrel{V7.2,(2)}{=}\!\lim\limits_{n\to\infty} P(B_n)\!=\!\liminf\limits_{n\to\infty}P(B_n) \!\stackrel{B_n\subseteq A_n}{\leq}\!$
$\leq {\liminf\limits_{n\to\infty}P(A_n)} \leq {\limsup\limits_{n\to\infty}P(A_n)} \stackrel{A_n\subseteq C_n}{\leq} \limsup\limits_{n\to\infty}P(C_n) =\lim\limits_{n\to\infty}P(C_n) \!\stackrel{V7.2,(3)}{=}\!$
$=P\!\left(\!\bigcap\limits_{n=1}^\infty C_n\!\right) =P\!\left(\!\bigcap\limits_{n=1}^\infty \bigcup\limits_{k=n}^\infty A_k\!\right)=P\left(\limsup\limits_{n\to\infty} A_n\right)$
Protože první a poslední člen se rovnají, všude platí rovnost, takže i $$\liminf\limits_{n\to\infty}P(A_n)=\limsup\limits_{n\to\infty}P(A_n) =\lim\limits_{n\to\infty}P(A_n)$$ a díky tomu i tvrzení věty.
\(\Box\)
Věta 7.4. Cantelliho lemma. (též Borelovo-Cantelliho lemma). Nechť $\left\{A_n \right\}_{n=1}^\infty$ je posloupnost náhodných jevů na $(\Omega,\mathcal{A},P)$ taková, že $\sum\limits_{n=1}^{\infty}P(A_n)\lt\infty$, pak $P(\limsup\limits_{n\to\infty}A_n)=0$.
Důkaz. Nejprve vyjádřeme $$ P(\limsup\limits_{n=\to\infty} A_n)= P\!\left(\!\bigcap\limits_{n=1}^\infty \bigcup\limits_{k=n}^\infty A_k\!\right) $$ S využitím faktu, že $$\bigcup\limits_{k=n}^\infty A_k\!=\!{C_{n}\supseteq C_{n+1}}\!=\!\bigcup\limits_{k=n+1}^\infty A_k$$ je klesající posloupnost náhodných jevů, můžeme upravovat $$\begin{array}{lcl} {0} &\leq& P(\limsup\limits_{n=\to\infty} A_n)= P\!\left(\!\bigcap\limits_{n=1}^\infty \bigcup\limits_{k=n}^\infty A_k\!\right) =P\!\left(\!\bigcap\limits_{n=1}^\infty C_{n}\!\right)\\ &=& \lim\limits_{n\to\infty} P\!\left(C_{n}\!\right)= \lim\limits_{n\to\infty} \underbrace{P\!\left(\!\bigcup\limits_{k=n}^\infty A_{k}\!\right)}_{\stackrel{V.7.1,vl(9)}{\leq} \sum\limits_{k=n}^\infty P(A_k)}\\ & {\leq} & {\lim\limits_{n\to\infty} \sum\limits_{k=n}^\infty P(A_k)} \end{array}$$ Protože $$Z_n=\sum\limits_{k=n}^\infty P(A_k)$$ je zbytek konvergentní řady, neboť předpokládáme, že $$\sum\limits_{n=1}^\infty P(A_n)\lt\infty,$$ pak musí platit $$ {P(\limsup\limits_{n\to\infty}A_n)=0}. $$
\(\Box\)
Příklad 7.5. I když ještě neznáme pojem „náhodná veličina“, uvedeme motivační příklad pro lepší pochopení předchozí věty.

Nechť $\{X_n\}_{n=1}^\infty$ je posloupnost náhodných veličin, pro které platí $P(X_n=0)=\frac{1}{n^2}$ a označme $A_n$ jev $X_n=0$ (přesněji $A_n=\{\omega\in\Omega;\ X_n(\omega)=0\}$). Zkoumáme pravděpodobnost, že jev $A_n$ nastane pro nekonečně mnoho $n$. Řada $\sum\limits_{n=1}^\infty P(A_n)$ je konvergentní, neboť $\lim\limits_{n\to\infty}\frac{1}{n^2}=\frac{\pi}{6}\lt\infty$. Je tedy splněn předpoklad pro Cantelliho lemma, které říká, že pro nekonečně mnoho $n$ nastane jev $A_n$ s pravděpodobností 0. Naopak, téměř jistě (s pravděpodobností 1) je $X_n\neq 0$ pro všechny konečné $n$-tice.

RNDr. Marie Forbelská, Ph.D., Mgr. Jan Koláček, Ph.D. |
ÚMS, Přírodovědecká fakulta, Masarykova univerzita |
Návrat na úvodní stránku webu, přístupnost |
Stránky Přírodovědecké fakulty MU
| Technická spolupráce:
| Servisní středisko pro e-learning na MU
| Fakulta informatiky Masarykovy univerzity, 2013

Centrum interaktivních a multimediálních studijních opor pro inovaci výuky a efektivní učení | CZ.1.07/2.2.00/28.0041