掷硬币模型的测度论形式化：它的发展历程是怎样的？

完全懂这种每次重读Billingsley这段内容时的惊叹感——把看似直观的掷硬币实验和测度论的核心框架拧在一起，那种打通任督二脉的感觉太爽了！下面就聊聊这个形式化思路的发展脉络：

1. 从直观频率到数学化的早期探索 #

最初，掷硬币的概率就是朴素的频率解释：掷很多次，正面出现的比例趋近于0.5。但当我们要处理无限次掷硬币的问题（比如“几乎必然会出现无穷多次正面”“大数定律的严格证明”）时，这种直观解释就撑不住了——无限序列的“频率”没法直接定义。

早在上世纪初，Borel就率先把无限二进制序列和单位区间$(0,1]$联系了起来：把每次掷硬币的结果（正=1，反=0）对应成二进制小数的每一位，比如“正、正、反、正...”就对应$0.1101\cdots$。他用这个框架证明了强大数定律的早期版本，这是第一次把离散的随机实验嵌入到连续测度空间里，算是这个思路的雏形。

2. 测度论框架的成型：绑定Lebesgue测度 #

当Lebesgue测度和抽象测度论发展成熟后，概率学家们开始把概率看作一种“规范化的测度”（也就是总测度为1的测度）。掷硬币模型的形式化就是在这个背景下完成的：

• 样本空间：所有可能的无限掷硬币结果，也就是所有无穷二进制序列的集合$\Omega$；
• 事件与$\sigma$-代数：每个“合理的事件”（比如“前5次有3次正面”“正面出现的频率趋近于0.5”）对应$\Omega$的一个子集，这些子集需要构成一个$\sigma$-代数——而通过二进制展开，这个$\sigma$-代数刚好和$(0,1]$上的Borel $\sigma$-代数对应；
• 概率测度：把每个事件的概率映射到[0,1]，而这个测度完全可以通过$(0,1]$上的Lebesgue测度来定义——比如“第一次掷出正面”对应的就是区间$(0.5,1]$，它的Lebesgue测度是0.5，正好对应正面的概率。

Billingsley在书里把这个思路进一步推广到时变二元实验（也就是每次掷硬币的正面概率可以不一样，比如第n次是$p_n$），这时候对应的就不是标准Lebesgue测度了，而是一种乘积测度——把每次试验的概率测度相乘，再通过二进制展开对应到单位区间上的一个绝对连续测度（相对于Lebesgue测度）。

3. 为什么选单位区间的二进制展开？ #

这个设计的精妙之处在于：

• 它把一个离散的、无限的样本空间（无穷序列）转化成了我们熟悉的连续空间，而Lebesgue测度的性质已经被研究得非常透彻；
• 它完美解决了“无限序列的可测性”问题——我们可以用单位区间上的Borel集来描述所有我们关心的事件，不用再纠结“无限序列的子集怎么定义概率”；
• 它为后续的随机过程（比如伯努利过程）提供了坚实的测度论基础，让我们能严格证明那些之前只能靠直觉理解的命题，比如大数定律、强大数定律。

4. 后续的拓展方向 #

这个思路后来还被推广到了更一般的离散实验：比如每次试验有k种结果，就对应k进制小数和单位区间上的测度；甚至可以拓展到更抽象的乘积空间，为可数无限次独立试验的模型提供统一的测度论框架。但掷硬币的情况是最基础、最直观的，也是理解测度论概率的绝佳入口。

内容的提问来源于stack exchange，提问作者Meagain