测度

测度 (Measure)

测度是测度论的核心概念，它将"长度""面积""体积"等直观几何量的概念推广到抽象集合上，为勒贝格积分和概率论的公理化提供了严格基础。形式上，设 $X$ 为非空集合，$\Sigma \subseteq 2^X$ 为 $X$ 上的一个 $\sigma$-代数，函数 $\mu: \Sigma \to [0, +\infty]$ 若满足以下两个条件，则称 $\mu$ 为可测空间 $(X, \Sigma)$ 上的一个测度：

1. 空集零测：$\mu(\varnothing) = 0$；
2. 可数可加性（$\sigma$-可加性）：对 $\Sigma$ 中任意两两不相交的集合列 $\{A_n\}_{n=1}^\infty$，有 $\mu\left(\bigcup_{n=1}^\infty A_n\right) = \sum_{n=1}^\infty \mu(A_n)$。

三元组 $(X, \Sigma, \mu)$ 称为测度空间。当 $\mu(X) = 1$ 时，$\mu$ 特称概率测度，此时 $(X, \Sigma, \mu)$ 即为概率空间——现代概率论的标准语言。

基本性质

从定义可直接推导出测度的若干关键性质：

• 单调性：若 $A, B \in \Sigma$ 且 $A \subseteq B$，则 $\mu(A) \leq \mu(B)$。利用 $B = A \cup (B \setminus A)$ 的可加性即得。
• 可数次可加性：对任意可数集合列 $\{A_n\} \subseteq \Sigma$，即使它们相交，仍有 $\mu\left(\bigcup_n A_n\right) \leq \sum_n \mu(A_n)$。
• 下连续性：若 $\{A_n\} \subseteq \Sigma$ 单调递增（即 $A_1 \subseteq A_2 \subseteq \cdots$），则 $\mu\left(\bigcup_n A_n\right) = \lim_{n\to\infty} \mu(A_n)$。
• 上连续性：若 $\{A_n\}$ 单调递减且存在某个 $A_k$ 满足 $\mu(A_k) < \infty$，则 $\mu\left(\bigcap_n A_n\right) = \lim_{n\to\infty} \mu(A_n)$。有限测度条件是此性质成立的关键，反例：取 Lebesgue 测度下 $A_n = [n, \infty)$，则 $\mu(A_n) = \infty$ 但交为空集。

典型例子

Lebesgue 测度

$\mathbb{R}^n$ 上的勒贝格测度 $\lambda^n$ 是长度/面积/体积的自然推广：区间的测度等于其几何长度，且满足平移不变性——$\lambda^n(A + x) = \lambda^n(A)$。Lebesgue 测度的定义域是Lebesgue可测集构成的 $\sigma$-代数，严格大于Borel $\sigma$-代数（后者的完备化即 Lebesgue $\sigma$-代数）。Lebesgue 测度是 $\sigma$-有限的：$\mathbb{R}^n = \bigcup_{k=1}^\infty [-k, k]^n$，每块有有限测度。在经济学中，Lebesgue 测度是定义连续型概率密度函数的基础——概率 $P(A) = \int_A f \, d\lambda$ 正是密度 $f$ 对 Lebesgue 测度的Radon-Nikodym导数。

计数测度

若 $X$ 为可数集，计数测度 $\mu(A) = |A|$（$A$ 的基数）是离散概率的天然载体。任何离散分布的概率质量函数均可视为对计数测度的 Radon-Nikodym 导数。

Dirac 测度

固定 $x_0 \in X$，Dirac 测度 $\delta_{x_0}(A) = \mathbf{1}_A(x_0)$ 将全部质量集中在单点上，是退化分布的形式化表达。在博弈论的完美贝叶斯均衡分析中，Dirac 测度用于刻画纯策略信念。

概率测度与其他

概率测度要求 $\mu(X) = 1$，是测度族的特化。此外，Hausdorff 测度 $\mathcal{H}^s$ 用于度量低维分形集，"$s$ 维 Hausdorff 测度"统一了长度、面积与体积。在经济学中，商品空间的商品测度（commodity measure）用于刻画差异化商品连续统模型，如Dixit-Stiglitz偏好框架。

测度的构造：Carathéodory 扩张定理

测度构造的标准方法依赖Carathéodory 扩张定理：从一个代数（或半环）上的预备测度出发，通过外测度构造将其唯一扩张为 $\sigma$-代数上的测度。具体而言，对 $\mathbb{R}$ 上的 Lebesgue 测度，先在半环 $\{(a, b] : a \leq b\}$ 上定义 $\mu_0((a, b]) = b - a$，然后构造外测度 $\mu^*(E) = \inf\{\sum_n \mu_0(A_n) : E \subseteq \bigcup_n A_n\}$，最后限制到 $\mu^*$-可测集上即得 Lebesgue 测度。该构造的完备性保证了所有零测集的子集均可测，这对几乎处处概念的严格性至关重要。

重要子类与相关概念

• 有限测度：$\mu(X) < \infty$。概率测度是特例。
• $\sigma$-有限测度：$X$ 可表为可数个有限测度集合的并。Lebesgue 测度虽非有限，但 $\sigma$-有限，这保证了Fubini定理和 Radon-Nikodym 定理的适用性。
• 完备测度：若 $A \in \Sigma, \mu(A) = 0$ 且 $B \subseteq A$，则 $B \in \Sigma$ 且 $\mu(B) = 0$。Lebesgue 测度是完备的，但 Borel 测度不完备。
• Borel 测度：定义在拓扑空间的 Borel $\sigma$-代数上的测度。每个局部紧 Hausdorff 空间上的Radon测度是内正则的 Borel 测度。
• 符号测度：允许取负值的广义测度，满足 $\sigma$-可加性。Hahn分解定理和Jordan分解将符号测度分解为正负两部分的差。符号测度在风险度量的表示中有重要应用。

测度与积分

测度是定义抽象积分的基石。给定测度空间 $(X, \Sigma, \mu)$，勒贝格积分的构造分三步：首先对特征函数 $\int \mathbf{1}_A \, d\mu = \mu(A)$，然后线性扩张到简单函数，最后通过单调收敛推广到非负可测函数，再以正负部分解推广到一般可测函数。这一构造使得积分理论不再依赖 Riemann 和的特殊结构，从而具备了控制收敛定理、单调收敛定理和Fatou引理等强大工具。

Radon-Nikodym 定理与密度

若 $\nu$ 对 $\mu$ 满足 $\mu(A) = 0 \Rightarrow \nu(A) = 0$（称 $\nu$ 对 $\mu$绝对连续，记作 $\nu \ll \mu$），且 $\mu$ 为 $\sigma$-有限，则存在唯一的可测函数 $f \geq 0$ 使得 $\nu(A) = \int_A f \, d\mu$。$f$ 称为 $\nu$ 对 $\mu$ 的Radon-Nikodym 导数，记作 $f = d\nu / d\mu$。该定理是概率密度函数存在性的理论基础，也是条件期望严格定义的前提——$E[Y \mid \mathcal{G}]$ 本质上是对子 $\sigma$-代数 $\mathcal{G}$ 的 Radon-Nikodym 导数。

乘积测度与 Fubini 定理

给定两个 $\sigma$-有限测度空间 $(X, \Sigma_X, \mu)$ 与 $(Y, \Sigma_Y, \nu)$，其乘积空间上存在唯一的乘积测度 $\mu \times \nu$ 满足 $(\mu \times \nu)(A \times B) = \mu(A) \cdot \nu(B)$。Fubini定理断言重积分可交换积分次序：若 $f$ 为非负可测或对乘积测度可积，则 $\int_X \int_Y f \, d\nu \, d\mu = \int_Y \int_X f \, d\mu \, d\nu = \int_{X \times Y} f \, d(\mu \times \nu)$。该定理在随机过程的联合分布分析和多维期望效用计算中不可或缺。

经济学中的应用

测度论在经济学中的核心地位主要通过概率论间接体现。期望效用理论中，von Neumann-Morgenstern效用函数 $U(F) = \int u(x) \, dF(x)$ 正是效用函数 $u$ 对概率测度 $F$ 的 Lebesgue 积分。一般均衡理论中，Aumann的连续统代理人模型将经济主体建模为无原子测度空间（atomless measure space）上的测度，从而严格论证了核心等价定理——此时单个代理人测度为零，无法单独影响市场结果，完美刻画了完全竞争的数学本质。

在金融经济学中，等价鞅测度的存在性关联无套利定价的基本定理：市场无套利当且仅当存在与原测度等价（相互绝对连续）的概率测度，在该测度下资产贴现价格过程为鞅。风险中性定价即在此等价测度下计算期望。此外，风险度量理论中，一致风险度量的表示定理涉及符号测度的对偶刻画。

在计量经济学中，渐近理论依赖概率测度的弱收敛（依分布收敛）：估计量序列 $\{\hat{\theta}_n\}$ 的分布（概率测度）弱收敛于极限分布，该框架统一了中心极限定理和 Delta 方法等工具。

测度论的深层意义

测度论将分析学从对具体构造的依赖中解放出来。在 Riemann 积分框架下，极限与积分的交换需要一致收敛的强条件；而 Lebesgue 积分仅需控制收敛定理的温和条件即可。这一优势在经济学中至关重要：在动态规划中，值函数迭代的收敛性论证依赖控制收敛定理；在信息经济学中，信号空间的测度论建模使贝叶斯更新得以在一般可测空间上严格定义——后验概率由先验测度经 Radon-Nikodym 导数调整得到，而非局限于有限样本空间的初等概率。

另一个深层后果是Lebesgue分解定理：任何 $\sigma$-有限测度 $\nu$ 可唯一分解为 $\nu = \nu_{\text{abs}} + \nu_{\text{sing}}$，其中 $\nu_{\text{abs}} \ll \mu$（绝对连续部分）且 $\nu_{\text{sing}} \perp \mu$（奇异部分）。该分解在经济学中对应随机变量的分解：任何分布可分解为离散部分（对计数测度绝对连续）、连续部分（对 Lebesgue 测度绝对连续）和奇异连续部分（如Cantor分布），从而统一了离散型和连续型随机变量的数学处理。