コルモゴロフの0-1法則

確率論におけるコルモゴロフの0-1法則（コルモゴロフの0-1ほうそく、英: Kolmogorov's zero–one law）は、アンドレイ・コルモゴロフにちなんで名づけられた定理である。この定理は、末尾事象（tail event）と呼ばれる特別な事象は、ほとんど確実に起きるか、あるいはほとんど確実に起きないかのどちらかであることを主張している。つまり、このような事象が起きる確率は0か1かのどちらかであるということである。

末尾事象は、確率変数の無限列を用いて定義される。

${\displaystyle X_{1},X_{2},X_{3},\dots \,}$

を独立な確率変数の無限列とする^{[注釈 1]}。このとき末尾事象とは、その事象が起きるか起きないかはこれらの確率変数の値によって決まるが、この確率変数列の各有限部分列とは独立な事象のことである。例えば、級数

${\displaystyle \sum _{k=1}^{\infty }X_{k}}$

が収束するという事象は末尾事象である。しかし例えば、この収束先の和が1以上になるという事象は、X₁の値と独立ではないので、末尾事象ではない。コイントスの無限列においては、100回連続して表が出るという事象が無限回起きる事象などは末尾事象である。

多くの状況において、ある事象が起きる確率が0か1であることを示すために、コルモゴロフの0-1法則を容易に適用することができる。しかし、実際の確率がこの2つの極端な値のうちどちらであるかを決定するのは、驚くほど難しい。

定式化

コルモゴロフの0-1法則は、より一般的に独立な σ-加法族に対して定式化できる。 (Ω,F,P) を確率空間、F_n ⊆ F (n=1,2,...) を独立なσ-加法族の列とする。

${\displaystyle G_{n}=\sigma {\bigg (}\bigcup _{k=n}^{\infty }F_{k}{\bigg )}}$

は F_n, F_n+1, … を含む最小の σ-加法族である。このときコルモゴロフの0-1法則によれば、事象

${\displaystyle F\in \bigcap _{n=1}^{\infty }G_{n}}$

の確率 P(F) は 0 または 1 のいずれでなければならない。

確率変数についてのステートメントは、σ-加法族についてのステートメントにおいて、F_n を X_n から生成された σ-加法族であるとすれば得られる。このとき定義より、末尾事象族は

${\displaystyle \sigma (X_{1},X_{2},\ldots X_{n},\ldots )}$

の部分集合族であって、かつ任意の有限個の X_n から生成される加法族

${\displaystyle \sigma (X_{j_{1}},X_{j_{2}},\ldots ,X_{j_{l}})\quad (j_{1}<j_{2}<\cdots <j_{l})}$

とは独立であるような事象族である。つまり末尾事象とは、積集合 ${\displaystyle \textstyle {\bigcap _{n=1}^{\infty }G_{n}}}$ の要素のことである。実際、任意の

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

と任意の

${\displaystyle T\in \textstyle {\bigcap _{n=1}^{\infty }G_{n}}\subseteq G_{j_{l}+1}=\sigma (X_{j_{l}+1},X_{j_{l}+2},X_{j_{l}+3},\ldots )}$

は独立になっている。

脚注

注釈

関連項目

• ヒュウィット－サヴェジの0-1法則

参考文献

• Brzezniak, Zdzislaw; Tomasz Zastawniak (2000). Basic Stochastic Processes. Springer Science+Business Media. ISBN 3-5407-6175-6 

外部リンク

• The Legacy of Andrei Nikolaevich Kolmogorov Curriculum Vitae and Biography. Kolmogorov School. Ph.D. students and descendants of A.N. Kolmogorov. A.N. Kolmogorov works, books, papers, articles. Photographs and Portraits of A.N. Kolmogorov.

表 話 編 歴 確率論
確率の歴史	アンドレイ・コルモゴロフ トーマス・ベイズ アンドレイ・マルコフ ジョゼフ・L・ドゥーブ 伊藤清
確率の定義	客観確率 統計的確率 古典的確率 公理的確率 主観確率 ベイズ確率 確率の拡張 外確率 負の確率
基礎概念	モデル 試行 結果 事象 標本空間 確率測度 確率空間 確率変数 確率変数の収束 確率分布 離散確率分布 連続確率分布 同時分布 周辺分布 条件付き確率分布 独立同分布 関数 確率質量関数 確率密度関数 累積分布関数 特性関数 用語 独立 期待値 モーメント 条件付き確率 条件付き期待値
確率の解釈	ベルトランの逆説 3囚人問題 モンティ・ホール問題 サンクトペテルブルクのパラドックス 合接の誤謬 ギャンブラーの誤謬
問題	壺問題 クーポンコレクター問題
法則・定理	ベイズの定理 大数の法則 中心極限定理 コルモゴロフの0-1法則 デ・フィネッティの定理 ウィーナー＝ヒンチンの定理
測度論	確率測度の拡張 カラテオドリの拡張定理 E.ホップの拡張定理 コルモゴロフの拡張定理 ヴィタリの収束定理 ルベーグの優収束定理 ラプラス原理 スコロホッドの表現定理
確率微分方程式	伊藤の補題
確率過程	独立増分過程 定常過程 マルチンゲール マルコフ過程 マルコフ性 マルコフ連鎖 マルコフ決定過程 部分観測マルコフ決定過程 マルコフ再生過程 ウィーナー過程 ブラウン運動 幾何ブラウン運動 非整数ブラウン運動 ベルヌーイ過程 ガウス過程 自己相似過程 経験過程 中華料理店過程 オルンシュタイン＝ウーレンベック過程
情報量	最大エントロピー原理 交差エントロピー 結合エントロピー カルバック・ライブラー情報量 相互情報量
応用	数理ファイナンス ブラック–ショールズ方程式 確率的ボラティリティモデル 系統学 ベイズ法
カテゴリ