맨위로가기

꼬리 시그마 대수

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요

꼬리 시그마 대수는 확률 공간에서 정의되며, 독립적인 시그마 대수들의 열이 주어졌을 때, 유한 개의 앞쪽 원소를 제외한 '꼬리' 부분만으로 그 발생 여부를 결정할 수 있는 사건들을 포함하는 시그마 대수이다. 꼬리 시그마 대수는 콜모고로프 0-1 법칙에 따라 0 또는 1의 확률을 가지며, 이는 꼬리 사건의 확률이 0 또는 1임을 의미한다. 꼬리 시그마 대수는 독립 확률 변수의 수열에서 극한의 존재 여부와 같은 사건을 포함하며, 가역적 측도 보존 변환, 베르누이 자기 동형 사상, 침투 이론 등 다양한 분야에서 활용된다. 꼬리 시그마 대수는 말단 시그마 대수라고도 불리며, 독립적인 σ-대수열에 대해 정의된다.

광고

더 읽어볼만한 페이지

  • 확률론 - 확률 밀도 함수
    확률 밀도 함수는 연속 확률 변수의 확률 분포를 나타내는 함수로, 특정 구간에서 확률 변수가 값을 가질 확률은 해당 구간에 대한 함수의 적분으로 계산되며, 통계적 특성 계산 및 변수 변환 등에 활용되어 불확실성 모델링 및 분석에 중요한 역할을 한다.
  • 확률론 - 체비쇼프 부등식
    체비쇼프 부등식은 확률 변수가 평균에서 얼마나 멀리 떨어져 있는지에 대한 확률의 상한을 제공하는 부등식으로, 이레네-쥘 비네메가 처음 공식화하고 체비쇼프와 안드레이 마르코프에 의해 일반화 및 증명되었으며, 확률론적 표현 외에도 측도 공간에 대한 명제로 확장될 수 있다.

2. 정의

다음이 주어졌다고 가정하자.


또한, (\mathcal F_i)_{i\in I}가 서로 독립이라고 하자. 즉, 임의의 유한 부분 집합 J\subseteq I에 대하여,

:\Pr\left(\bigcap_{j\in J}S_j\right) = \prod_{j\in J}\Pr(S_j)\qquad(\forall j\in J\colon S_j\in \mathcal F_j)

이다.

이제, 가측 집합 S\in\mathcal F가 다음 조건을 만족시킨다면, 이를 '''꼬리 사건'''(tail event영어)이라고 한다.

  • 임의의 유한 집합 J \subseteq I에 대하여, S \in \sigma(\textstyle\bigcup_{i\in I \setminus J}\mathcal F_i)

꼬리 사건들로 생성되는 시그마 대수를

:\tau(\mathcal F_i)_{i\in I}

라고 하며, (\mathcal F_i)_{i\in I}의 '''꼬리 시그마 대수'''라고 한다.

즉, 풀어 쓴다면, 꼬리 사건은 어떤 확률 변수들(로 정의되는 시그마 대수)의 열이 주어졌을 때, 유한 개의 첫 원소를 제외한 나머지 ‘꼬리’만으로도 그 여부를 결정할 수 있는 사건이다.

3. 성질

'''콜모고로프 0-1 법칙'''에 따르면, 꼬리 사건의 확률은 0 또는 1이다.

이 정리는 만약 I가 유한 집합일 경우 자명하게 참이다. 이 경우 꼬리 시그마 대수 \tau는 공집합과 전체 공간만을 원소로 가지는 자명한 시그마 대수 \sigma(\textstyle\bigsqcup_{I\setminus I}\mathcal F_i) = \sigma(\varnothing) = \{\varnothing, \Omega\}의 부분 시그마 대수가 되기 때문이다.

콜모고로프 0-1 법칙은 보다 일반적으로 독립적인 시그마 대수열에 대해 성립한다. (\Omega, ''F'', ''P'')를 확률 공간이라고 하고, ''F''''n''을 ''F''에 포함된 독립적인 시그마 대수열이라고 하자. 각 n에 대해 ''F''''n'', ''F''''n''+1, ... 을 포함하는 가장 작은 시그마 대수를

:G_n=\sigma\bigg(\bigcup_{k=n}^\infty F_k\bigg)

라고 정의하면, 꼬리 시그마 대수는 이들의 교집합인 \mathcal T((F_n)_{n\in\mathbb N})=\bigcap_{n=1}^\infty G_n으로 정의된다. 콜모고로프 0-1 법칙은 이렇게 정의된 꼬리 시그마 대수에 속하는 모든 사건 E\in \mathcal T((F_n)_{n\in\mathbb N})에 대해 그 확률 ''P''(''E'')는 0 또는 1이라고 주장한다.

이 법칙은 확률 변수의 관점에서도 설명할 수 있다. 각 시그마 대수 ''F''''n''을 독립적인 확률 변수 ''X''''n''에 의해 생성된 시그마 대수로 생각하자. 이 경우, 꼬리 사건은 모든 ''X''''n''에 의해 생성된 시그마 대수 \sigma (X_1, X_2, \ldots X_n, \ldots)에 대해 가측이면서도, 임의의 유한 개의 ''X''''n''으로부터 생성되는 시그마 대수와는 독립적인 사건으로 정의된다. 즉, 꼬리 사건은 정확히 꼬리 시그마 대수 \textstyle{\bigcap_{n=1}^\infty G_n}의 원소이다. 실제로, 임의의 유한 부분 집합 \{j_1, j_2, \ldots, j_l\}에 대해

:A \in \sigma (X_{j_{1}}, X_{j_{2}}, \ldots ,X_{j_{l}})

인 사건 A와, 꼬리 시그마 대수의 임의의 원소

:T \in \textstyle{\bigcap_{n=1}^\infty G_n} \subseteq G_{j_{l}+1} = \sigma (X_{j_{l}+1}, X_{j_{l}+2}, X_{j_{l}+3}, \ldots )

는 서로 독립이다.

3. 1. 증명

임의의 유한 부분 집합 J\subseteq I에 대하여, 꼬리 시그마 대수 \tau

:\tau\subseteq\sigma(\textstyle\bigcup_{i\in I \setminus J}\mathcal F_i)

이므로, \{\tau\} \cup \{\mathcal F_j\}_{j\in J}는 서로 독립인 시그마 대수들의 족이다. 독립성은 유한 부분 집합에 대하여 정의되므로,

:\{\tau\} \cup \{\mathcal F_i\}_{i\in I}

는 서로 독립인 시그마 대수들의 족이다. 특히, \tau

:\sigma\left(\bigcup_{i\in I}\mathcal F_i\right)

와 독립이다. 그런데

:\tau\subseteq\sigma\left(\bigcup_{i\in I}\mathcal F_i\right)

이다. 따라서, \tau는 스스로와 독립이다. 그 모든 원소 T\in \tau에 대하여

:\Pr(T) = \Pr(T)\Pr(T)

이며, x^2 = x의 두 해는 0 및 1이다. 따라서, \Pr(T) \in \{0,1\}이다.

4. 예시

가역적 측도 보존 변환은 0-1 법칙을 따르는 표준 확률 공간에서 콜모고로프 자기 동형 사상이라고 한다. 모든 베르누이 자기 동형 사상은 콜모고로프 자기 동형 사상이지만, 그 반대는 성립하지 않는다. 침투 이론의 맥락에서 무한 클러스터의 존재 여부 역시 0-1 법칙을 따른다.

\{X_n\}_n을 독립적인 확률 변수의 수열이라고 하자. 이때 사건 \left\{\lim _{n \rightarrow \infty} \sum_{k=1}^n X_k \text { exists }\right\} (즉, 급수의 합이 수렴하는 사건)은 꼬리 사건에 해당한다. 따라서 콜모고로프 0-1 법칙에 따라, 이 사건이 일어날 확률은 0 또는 1이다. 여기서 꼬리 사건 조건을 만족하기 위해서는 확률 변수들의 독립성이 필수적이다. 만약 독립성이 없다면, 예를 들어 각 확률 \frac{1}{2}(0,0,0,\dots) 또는 (1,1,1,\dots)인 수열을 생각해보자. 이 경우, 합은 확률 \frac{1}{2}로 수렴하게 되어 0-1 법칙이 성립하지 않는다.

콜모고로프 0-1 법칙은 더 일반적으로 독립적인 σ-가법족에 대해 정의될 수 있다. (Ω, *F*, *P*)를 확률 공간이라 하고, *F**n* ⊆ *F* (*n*=1,2,...)를 독립적인 σ-가법족의 열이라고 하자.

:G_n=\sigma\bigg(\bigcup_{k=n}^\infty F_k\bigg)

는 *F**n*, *F**n*+1, … 을 포함하는 가장 작은 σ-가법족이다. 이때 콜모고로프 0-1 법칙은 다음을 말한다: 만약 사건 F가 모든 G_n의 교집합, 즉

:F\in \bigcap_{n=1}^\infty G_n

에 속한다면 (이러한 사건 F를 꼬리 사건이라고 한다), 그 사건의 확률 *P*(*F*)는 반드시 0 또는 1이어야 한다.

확률 변수에 대한 설명은 σ-가법족에 대한 설명에서 각 *F**n*을 *X**n*으로부터 생성된 σ-가법족으로 설정하면 얻을 수 있다. 이 정의에 따르면, 꼬리 사건족은 전체 확률 변수들로 생성된 σ-가법족

:\sigma (X_1, X_2, \ldots X_n, \ldots)

의 부분 집합족이며, 동시에 임의의 유한한 개수의 *X**n*으로부터 생성되는 가법족

:\sigma (X_{j_{1}}, X_{j_{2}}, \ldots ,X_{j_{l}}) \quad (j_1 < j_2 < \cdots < j_l)

과는 독립적인 사건들의 모임이다. 즉, 꼬리 사건은 교집합 \textstyle{\bigcap_{n=1}^\infty G_n} 의 원소이다. 실제로, 임의의 사건

:A \in \sigma (X_{j_{1}}, X_{j_{2}}, \ldots ,X_{j_{l}})

와 임의의 꼬리 사건

:T \in \textstyle{\bigcap_{n=1}^\infty G_n} \subseteq G_{j_{l}+1} = \sigma (X_{j_{l}+1}, X_{j_{l}+2}, X_{j_{l}+3}, \ldots )

는 서로 독립이다.

5. 정식화

콜모고로프 영-일 법칙은 독립적인 σ-대수열에 대해 보다 일반적으로 정식화할 수 있다. (Ω, ''F'', ''P'')를 확률 공간이라고 하고, ''F''''n''을 ''F''에 포함된 σ-대수열이라고 하자.

:G_n=\sigma\bigg(\bigcup_{k=n}^\infty F_k\bigg)

는 ''F''''n'', ''F''''n''+1, ...을 포함하는 가장 작은 σ-대수이다. 이 σ-대수열 ''F''''n''말단 σ-대수(tail σ-algebra)는 다음과 같이 정의된다.

:\mathcal T((F_n)_{n\in\mathbb N})=\bigcap_{n=1}^\infty G_n

콜모고로프 영일 법칙은 만약 σ-대수열 ''F''''n''이 확률적으로 독립적이라면, 말단 σ-대수 \mathcal T((F_n)_{n\in\mathbb N})에 속하는 모든 사건 ''E'' (이를 꼬리 사건(tail event)이라고도 한다)에 대해 그 확률 ''P''(''E'')는 0 또는 1 중 하나여야 한다고 주장한다.

이 법칙은 확률 변수의 관점에서도 설명할 수 있다. 각 σ-대수 ''F''''n''을 독립적인 확률 변수 ''X''''n''에 의해 생성된 σ-대수라고 생각하면 된다. 이 경우, 꼬리 사건은 모든 확률 변수 ''X''''n'' 전체에 의해 결정되지만, 임의의 유한한 개수의 ''X''''n''들과는 독립인 사건으로 이해할 수 있다. 즉, 꼬리 사건은 정확히 말단 σ-대수 \textstyle{\bigcap_{n=1}^\infty G_n}의 원소들이다.

예를 들어, 유한 개의 확률 변수 X_{j_{1}}, X_{j_{2}}, \ldots ,X_{j_{l}}로부터 생성된 σ-대수 \sigma (X_{j_{1}}, X_{j_{2}}, \ldots ,X_{j_{l}})에 속하는 임의의 사건 ''A''와, ''l''보다 큰 인덱스를 가지는 확률 변수들 X_{j_{l}+1}, X_{j_{l}+2}, \ldots 에만 의존하는 꼬리 사건 ''T''는 서로 독립이다. 이는 ''T''가 \textstyle{\bigcap_{n=1}^\infty G_n} \subseteq G_{j_{l}+1} = \sigma (X_{j_{l}+1}, X_{j_{l}+2}, \ldots )에 속하기 때문이다.



본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com