فضای متریک احتمالاتی (Probabilistic Metric Space)، در ریاضیات (Mathematics)

انواع فضاهای متریک (Metric Space) را در آموزش زیر شرح دادیم :

فضای متریک احتمالاتی (Probabilistic Metric Space) :

تعریف: در فضای متریک احتمالاتی، فاصله بین دو نقطه یک عدد قطعی نیست، بلکه یک تابع توزیع احتمال (یا به طور کلی یک متغیر تصادفی) است. این فضا توسط کارل منگر در دهه ۱۹۴۰ معرفی شد.

ساختار اصلی: به ازای هر

\[ x, y \in X \]

و هر

\[ t > 0 \]

، مقدار

\[ F_{x,y}(t) \]

به عنوان احتمال اینکه فاصله بین

\[ x \]

و

\[ y \]

کمتر از

\[ t \]

باشد تعریف می شود. بنابراین

\[ F_{x,y} \]

یک تابع توزیع تجمعی است.

\[ F_{x,y}: [0, \infty) \to [0,1] \] \[ F_{x,y}(0) = 0 \] \[ F_{x,y}(t) = 1 \text{ برای } t \to \infty \] \[ F_{x,y} = F_{y,x} \quad \text{(تقارن)} \] \[ F_{x,x}(t) = 1 \text{ برای } t > 0 \]

توضیح مفهومی: در بسیاری از موقعیت های واقعی، فاصله دقیق بین دو چیز مشخص نیست و با عدم قطعیت همراه است. مثلا فاصله بین دو شهر را با خطای اندازه گیری، یا فاصله بین دو مفهوم در یک فضای معنایی. فضای متریک احتمالاتی این عدم قطعیت را مدل می کند.

نامساوی مثلث احتمالاتی: شرط اصلی در این فضاها، مشابه نامساوی مثلث، به صورت زیر است:

\[ F_{x,z}(t_1 + t_2) \geq \tau(F_{x,y}(t_1), F_{y,z}(t_2)) \]

که

\[ \tau \]

یک تابع مثلثی (معمولا نرم مثلثی) است.

انواع توابع مثلثی: رایج ترین توابع مثلثی مورد استفاده عبارتند از:

\[ \tau(a, b) = \min(a, b) \]

(ساده ترین حالت)

\[ \tau(a, b) = ab \]

(حاصلضرب)

\[ \tau(a, b) = \max(0, a+b-1) \]

(توصیه شده توسط منگر)

تاریخچه و توسعه: این نظریه ابتدا توسط کارل منگر مطرح شد و بعدها توسط برادران شوایزر و سکلار گسترش یافت. آنها نشان دادند که بسیاری از قضایای کلاسیک فضاهای متریک (مانند قضیه انقباض باناخ) را می توان به این فضاها تعمیم داد.

کاربردها: این فضاها در آمار (تحلیل خوشه ای)، فیزیک نظری (مکانیک کوانتومی)، علوم کامپیوتر (هوش مصنوعی و سیستم های فازی) و اقتصاد (نظریه تصمیم گیری) کاربرد دارند.

📌 مثال ساده:

فرض کنید می خواهیم فاصله بین دو نقطه روی یک خط را با خطای اندازه گیری مدل کنیم. اگر خطای اندازه گیری نرمال با واریانس

\[ σ^2 \]

باشد، آن گاه

\[ F_{x,y}(t) = Φ(\frac{t - |x-y|}{σ}) \]

که

\[ Φ \]

تابع توزیع نرمال استاندارد است. این یک فضای متریک احتمالاتی می دهد.