Next: Satz von Gliwenko-Cantelli
Up: Empirische Verteilungsfunktion
Previous: Empirische Verteilungsfunktion
  Contents
Definition und elementare
Eigenschaften
- Man kann sich leicht überlegen, daß für jeden Vektor
die in (61) definierte
Abbildung
 |
(62) |
die Eigenschaften einer Verteilungsfunktion hat.
- Die in (62) gegebene Abbildung wird deshalb
empirische Verteilungsfunktion der (konkreten)
Stichprobe
genannt.
Dies führt zu der folgenden Begriffsbildung.
- Definition
Die Abbildung
mit
 |
(63) |
heißt empirische Verteilungsfunktion der Zufallsstichprobe
.
- Beachte
-
- Die in (63) gegebene Abbildung
kann man als eine Familie
von
Zufallvariablen
auffassen.
- Eine solche Familie von Zufallsvariablen wird empirischer Prozeß
genannt. Empirische Prozesse bilden eine spezielle Klasse
stochastischer Prozesse, d.h., eine Familie von
Zufallsvariablen, die über einunddemselben
Wahrscheinlichkeitsraum definiert sind.
Theorem 1.17
Für jedes

gilt:
- 1.
- Die Zufallsvariable
ist binomialverteilt
mit den Parametern
und
, d.h., es gilt
 |
(64) |
- 2.
- Insbesondere gilt
und |
(65) |
- 3.
- Mit Wahrscheinlichkeit
gilt
 |
(66) |
- 4.
- Falls
, dann gilt außerdem für jedes
 |
(67) |
wobei
die Verteilungsfunktion der
Standardnormalverteilung ist.
- Beweis
-
- Beachte
Weil die Zufallsvariable
den Erwartungswert
hat (vgl. (65)), kann
als ein geeigneter Schätzer von
angesehen werden.
Next: Satz von Gliwenko-Cantelli
Up: Empirische Verteilungsfunktion
Previous: Empirische Verteilungsfunktion
  Contents
Roland Maier
2003-03-06