Nächste Seite: Verteilung des maximalen Schätzfehlers
Aufwärts: Empirische Verteilungsfunktion
Vorherige Seite: Definition und elementare Eigenschaften
  Inhalt
Satz von Gliwenko-Cantelli
- Beachte
-
- Beweis
-
- Wir nehmen zunächst an, dass die Verteilungsfunktion
stetig ist.
- Für jede natürliche Zahl
gibt es dann reelle Zahlen
, so dass
und
 |
(71) |
- Mit der Schreibweise
ergibt sich dann hieraus,
dass für jedes
 |
(72) |
- Für beliebige
und
sei
- Aus Teilaussage 3 von Theorem 1.17 ergibt sich dann,
dass
 |
(73) |
für beliebige
und
.
- Damit gilt auch
 |
(74) |
wobei
denn aus (73) ergibt sich, dass
- Für jedes
gibt es nun eine natürliche Zahl
, so dass
für jedes
und für jedes
.
- Hieraus und aus (72) folgt, dass
 |
(75) |
für jedes
und für jedes
.
- Dies bedeutet, dass es für jedes
und für jedes
eine natürliche Zahl
gibt, so dass (75)
für jedes
gilt.
- Dabei ergibt sich genauso wie im Beweis von (74),
dass
weil
für jedes
.
- Weil
beliebig klein gewählt werden kann, ist somit
die Behauptung (70) für den Fall bewiesen, dass die
Verteilungsfunktion
stetig ist.
- Im Fall einer beliebigen (nichtnotwendig stetigen)
Verteilungsfunktion
lässt sich die Gültigkeit von
(70) auf ähnliche Weise zeigen.
- Anstelle von (71) nutzen wir nun die Tatsache, dass
es für jede natürliche Zahl
reelle Zahlen
gibt, so dass
und für jedes
 |
(76) |
wobei
.
- Außerdem ergibt sich genauso wie bei der Herleitung von
(72), dass für jedes
 |
(77) |
- Aus Teilaussage 3 von Theorem 1.17 ergibt sich
ähnlich wie (73), dass
für
beliebige
und
, wobei
- Hieraus und aus (77) folgt dann, dass
(75) für jedes
und für jedes
gilt, wobei
- Weil
für jedes
, ergibt sich nun die
Behauptung genauso wie im ersten Teil des Beweises.
- Beachte
Ein JAVA-Applet, mit dem die Aussage des Satzes von
Gliwenko-Cantelli, d.h. der Grenzübergang
(70) simuliert werden kann, findet man
beispielsweise auf der Internet-Seite:
Dieses JAVA-Applet simuliert die empirische
Tailfunktion
für den Fall, dass
für
, d.h.,
ist die Verteilungsfunktion der
Exponentialverteilung Exp
mit dem Parameter
.
Nächste Seite: Verteilung des maximalen Schätzfehlers
Aufwärts: Empirische Verteilungsfunktion
Vorherige Seite: Definition und elementare Eigenschaften
  Inhalt
Ursa Pantle
2004-07-14