Next: Beispiel (Buffonsches Nadelexperiment)
Up: Abschätzungen und Grenzwertsätze
Previous: Tschebyschewsche Ungleichung
  Contents
Gesetz der großen Zahlen
Wir diskutieren nun zwei allgemeinere Varianten des Gesetzes der
großen Zahlen, das bereits in Abschnitt 4.1.1 im
Zusammenhang mit dem Beispiel des wiederholten Würfelns erwähnt
wurde. Dabei
Aus der Tschebyschewschen Ungleichung (40) ergibt sich
- Theorem 4.20
Sei
eine Folge von Zufallsvariablen mit dem
gleichen Erwartungswert
und
mit
für alle
.
- Falls
Var  |
(45) |
dann gilt für jedes
 |
(46) |
- Die Bedingung (45) ist insbesondere
dann erfüllt, wenn die Zufallsvariablen
unabhängig sind mit der gleichen
Varianz
Var
für alle
.
- Beweis
-
- Definition 4.21
Man sagt, daß die Zufallsvariablen
stochastisch
gegen die Zahl
konvergieren, falls
(46) für jedes
gilt.
Schreibweise:
- Beachte
-
- Die stochastische Konvergenz wird auch
Konvergenz in Wahrscheinlichkeit genannt.
- Die Konvergenz (46) des arithmetischen
Mittels
gegen den Erwartungswert
heißt das
schwache Gesetz der großen Zahlen.
Neben der stochastischen Konvergenz gibt es noch weitere
Konvergenzarten von Zufallsvariablen. Insbesondere gilt neben
Theorem 4.20 der folgende Grenzwertsatz.
- Theorem 4.22
Sei
eine Folge von unabhängigen und identisch verteilten
Zufallsvariablen mit
für alle
;
. Für das arithmetische Mittel
gilt dann
 |
(47) |
- Beweis
Der Beweis von Theorem 4.22 ist tiefliegend und
geht über den Rahmen dieser einführenden Vorlesung hinaus.
- Definition 4.23
Man sagt, daß die Zufallsvariablen
fast sicher
gegen die Zahl
konvergieren, falls
(47) gilt.
Schreibweise:
- Beachte
-
- Die fast sichere Konvergenz wird auch
Konvergenz mit Wahrscheinlichkeit 1 genannt.
- Man kann zeigen, daß die fast sichere Konvergenz
einer Folge von Zufallsvariablen
stets die stochastische Konvergenz
impliziert.
- Die Konvergenz (47) des arithmetischen
Mittels
gegen den Erwartungswert
heißt
deshalb das starke Gesetz der großen Zahlen.
- Schließlich sei noch erwähnt, daß man in Theorem 4.22
(analog zur Situation in Theorem 4.20) die Bedingungen
der Unabhängigkeit bzw. der identischen Verteiltheit der
Zufallsvariablen
durch schwächere
Bedingungen ersetzen kann, ohne daß dabei die
Gültigkeit von (47) verloren geht.
Next: Beispiel (Buffonsches Nadelexperiment)
Up: Abschätzungen und Grenzwertsätze
Previous: Tschebyschewsche Ungleichung
  Contents
Roland Maier
2001-08-20