当然filtration这个概念也很重要。这个概念理论上很重要，实际中好像没有任何影响，只造成障碍。但我觉得应该会有更重要的应用。
Filtration，在连续时间下表示为F_t，序列时间下表示为F_n，其中每一个是系统可测集的集合，每一个都包含在下一个之中，一个套一个形成一个tower。
可测集代表了什么？代表了这是一个可谈论的事件。不是所有的“事件”都是可谈论的 - 当然，概率论中定义事件为可测集，所以我这里加了引号 - 要在当时条件足够的情况下才可谈论。而可谈论的事件会随着时间的增加认识的增加而越来越多，也就是说，可测集的集合越来越大，很自然就形成了filtration。
这么自然的概念，代表了认识过程的概念，我想它应该有一定的重要性。
filtration越来越大，是可测集越来越多，越来越精细。某一时刻的filtration是集合的集合。不是为了处理无穷集合。
这个和jpg图片loading有点像，一个大的jpg，loading的时候，开始有点虚化，每一块，每一个edge都逐渐清晰。这就是filtration越来越大。