Zdarzenie o prawdopodobieństwie zero nie musi być niemożliwe
W ciągłym rozkładzie prawdopodobieństwa pojedynczy dokładny wynik może mieć prawdopodobieństwo 0, choć eksperyment oczywiście musi zwrócić jakiś wynik. Jeśli losujemy liczbę jednostajnie z przedziału [0,1], prawdopodobieństwo trafienia dokładnie 0,5 wynosi 0 — podobnie jak dla każdej innej konkretnej liczby — ale po losowaniu dostaniemy pewną konkretną wartość. W modelach ciągłych prawdopodobieństwo jest przypisane długości, polu lub bardziej ogólnej mierze zbioru wyników. Pojedynczy punkt ma miarę zero; unia nieprzeliczalnie wielu takich punktów może mieć miarę dodatnią, nawet równą 1.
Zero jako pole pod gęstością
Dla ciągłej zmiennej losowej prawdopodobieństwo przedziału obliczamy jako pole pod funkcją gęstości. Pojedynczy punkt ma zerową szerokość, więc nie wnosi pola: P(X=x)=0. To nie oznacza, że wartość x została usunięta z przestrzeni możliwych wyników. Oznacza tylko, że żaden pojedynczy punkt nie otrzymuje dodatniego kawałka całkowitej masy prawdopodobieństwa.
Dlaczego suma intuicyjna zawodzi
W zbiorze skończonym lub przeliczalnym często myślimy: jeśli każdy wynik ma prawdopodobieństwo zero, suma wszystkich zer też wyniesie zero. Aksjomaty prawdopodobieństwa gwarantują jednak addytywność dla unii przeliczalnych, nie dla dowolnej nieprzeliczalnej rodziny rozłącznych zdarzeń. Przedział [0,1] zawiera nieprzeliczalnie wiele punktów. Każdy pojedynczy ma miarę zero, ale cały przedział ma prawdopodobieństwo 1.
Prawdopodobieństwo 1 także nie jest logiczną koniecznością
Analogicznie zdarzenie może mieć prawdopodobieństwo 1, choć istnieją wyniki spoza niego. Przy jednostajnym losowaniu z [0,1] prawdopodobieństwo wylosowania liczby różnej od konkretnego x wynosi 1, mimo że x nadal jest dopuszczalnym wynikiem. W języku probabilistyki mówi się wtedy, że zdarzenie zachodzi „prawie na pewno”, a nie że jest logicznie niemożliwe, by zaszło inaczej.
Nie każda „szansa zero” ma ten sam sens
W dyskretnym modelu, w którym pojedynczym wynikom przypisuje się dodatnie masy, wynik o prawdopodobieństwie zero zwykle jest rzeczywiście wykluczony. W modelu ciągłym sytuacja wygląda inaczej. Dlatego zdanie „prawdopodobieństwo wynosi zero” trzeba interpretować w kontekście modelu. To kolejny przykład, jak codzienne słowa „niemożliwe” i „pewne” są ostrzejsze niż techniczne pojęcia miary probabilistycznej.
Dlaczego w praktyce używamy przedziałów
Pomiar fizyczny ma skończoną dokładność, więc zwykle sensowniejsze jest pytanie o przedział, np. P(0,499<X<0,501), niż o dokładną liczbę rzeczywistą z nieskończoną liczbą cyfr. W rozkładzie ciągłym takie przedziały mają dodatnie prawdopodobieństwo. Gęstość mówi, które okolice są bardziej prawdopodobne, choć prawdopodobieństwo każdego pojedynczego punktu nadal wynosi zero.
Granica intuicji z modeli skończonych
Wiele podstawowych intuicji probabilistycznych pochodzi z kostek, kart i monet, gdzie istnieje skończona lista elementarnych wyników. Przejście do przestrzeni ciągłych zmienia reguły gry. Nie można rozdzielić jednostkowej masy na nieprzeliczalnie wiele punktów, dając każdemu jednakową dodatnią porcję. Zamiast tego prawdopodobieństwo jest rozłożone w sposób opisany przez miarę i gęstość.
„Prawie na pewno” to techniczne i bardzo użyteczne pojęcie
W teorii prawdopodobieństwa wiele twierdzeń formułuje się jako zachodzące prawie na pewno, czyli poza zbiorem wyników o mierze zero. Taki wyjątek może być matematycznie niepusty, a nawet zawierać nieskończenie wiele punktów. Z punktu widzenia miary probabilistycznej nie zmienia jednak wyniku. To pozwala tworzyć mocne twierdzenia o procesach ciągłych bez wymagania, by własność zachodziła dla każdej logicznie możliwej trajektorii. Rozróżnienie jest subtelne, ale fundamentalne: probabilistyka często ignoruje zbiory zerowej miary podobnie jak całka ignoruje zmianę funkcji w pojedynczych punktach.