跳轉到

1933 - Kolmogorov 公理化#

案件摘要#

1933 年，年僅 30 歲的蘇聯數學家 Kolmogorov 出版《機率論基礎》（Grundbegriffe der Wahrscheinlichkeitsrechnung），以測度論為工具，用三條公理為機率論奠定嚴格基礎，使機率論正式成為數學的一個分支。

前因 -- 為什麼會有這個案子#

  • 十九世紀以來，機率論被 Bertrand 悖論等「無限多種等可能定義」的問題困擾，基礎含糊不清。
  • Hilbert 於 1900 年提出第六問題：應將物理學（尤其機率論）公理化。
  • Borel 與 Lebesgue 建立了測度論與 Lebesgue 積分，提供了現成的數學工具。
  • Bernstein（1917）、Frechet 等人已嘗試公理化，但都不夠完備；機率論被數學主流視為「半吊子」學問。

線索與推理 -- 數學式、程式、理論#

Kolmogorov 的關鍵洞察：機率只是一種特殊的測度，隨機試驗就是一個測度空間。

公理體系#

  1. 樣本空間與 σ-代數：給定樣本空間 \(\Omega\) 與其上的 σ-代數 \(\mathcal{F}\) （對補集與可數聯集封閉的事件集合）， \((\Omega, \mathcal{F})\) 描述「有哪些事件」。
  2. 三條機率公理：機率 \(P: \mathcal{F} \to [0,1]\) 滿足
\[ \text{(K1) 非負性：} \quad P(A) \geq 0, \quad \forall A \in \mathcal{F} \]
\[ \text{(K2) 規範性：} \quad P(\Omega) = 1 \]
\[ \text{(K3) 可數可加性：} \quad A_i A_j = \emptyset \ (i \neq j) \Rightarrow P\left(\bigcup_{i=1}^{\infty} A_i\right) = \sum_{i=1}^{\infty} P(A_i) \]

由這三條公理即可推出熟悉的所有機率性質，例如：

\[ P(A^c) = 1 - P(A), \quad P(\emptyset) = 0, \quad P(A \cup B) = P(A) + P(B) - P(A \cap B) \]

隨機變數與分佈函數#

隨機變數是可測函數 \(X: \Omega \to \mathbb{R}\) ，其機率行為完全由分佈函數刻劃：

\[ F(x) = P(X \leq x) \]

期望值則定義為 Lebesgue 積分 \(E[X] = \int_{\Omega} X \, dP\) 。這使「機率論 = 測度論 + 額外公理 \(P(\Omega)=1\) 」。

嚴格證明大數法則與重對數法則#

在此架構下，Kolmogorov 證明了強大數法則（SLLN）：若 \(X_i\) 獨立且 \(\sum_i \frac{\mathrm{Var}(X_i)}{i^2} < \infty\) ，則

\[ \frac{S_n - E[S_n]}{n} \xrightarrow{a.s.} 0, \quad S_n = \sum_{i=1}^n X_i \]

以及重對數法則（LIL）：對 iid、零均值、變異數 \(\sigma^2\) 的 \(X_i\) ，

\[ \limsup_{n \to \infty} \frac{S_n}{\sigma \sqrt{2 n \log\log n}} = 1 \ \text{a.s.} \]

這精確刻劃了隨機波動的「極限包絡線」，超越了大數法則與中央極限定理。

對隨機過程的影響#

公理化使「無限維」的隨機現象可以嚴格處理： - Markov 過程：轉移機率 \(P(X_{n+1}=j \mid X_n=i) = p_{ij}\) 成為嚴格定義的條件機率。 - Brownian 運動：Kolmogorov 與 Wiener 之後確立了布朗運動的存在性（連續樣本路徑），定義為滿足

\[ W(0)=0, \quad W(t)-W(s) \sim N(0, t-s), \quad \text{獨立增量} \]

的隨機過程，成為隨機分析的起點。

# 以模擬「驗證」大數法則與重對數法則的包絡線
import numpy as np
rng = np.random.default_rng(0)
n = 100000
X = rng.standard_normal(n)
S = np.cumsum(X)
t = np.arange(1, n+1)
env = np.sqrt(2 * t * np.log(np.log(t)))   # LIL 上包絡線（sigma=1）
ratio = S / env
print(f"limsup 逼近值: {np.nanmax(ratio[np.isfinite(ratio)]):.4f}")  # 應接近 1
print(f"S_n/n = {S[-1]/n:.6f}")  # 應接近 0（SLLN）

結案 -- 後果與影響#

  • 機率論正式成為數學分支，所有機率命題都可由公理嚴格推導，Bertrand 悖論消解。
  • 開啟了隨機過程、隨機分析（Itô 積分）、遍歷理論等新領域。
  • 現代金融數學（Black–Scholes 建立在布朗運動上）與統計力學的數學基礎皆源於此。
  • Kolmogorov 公理至今仍是教科書的標準起點。

關鍵人物與文獻#

  • Andrey Kolmogorov（1903–1987）：蘇聯數學家，本案件主謀。
  • Emile Borel / Henri Lebesgue：提供測度論兇器。
  • A. N. Kolmogorov (1933), Grundbegriffe der Wahrscheinlichkeitsrechnung, Springer.（英譯：Foundations of the Theory of Probability）
  • Kolmogorov (1929)：Über das Gesetz des iterierten Logarithmus（重對數法則證明）。