Skriptum zur Wahrscheinlichkeitstheorie
Skriptum zur Wahrscheinlichkeitstheorie
Skriptum zur Wahrscheinlichkeitstheorie
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
116 KAPITEL 3. GESETZE DER GROSSEN ZAHLEN<br />
13 Starkes und schwaches Gesetz der großen Zahlen<br />
Sei stets (Ω, A, P) ein Wahrscheinlichkeitsraum.<br />
13.1 Definitionen<br />
Eine Familie (X i ) i∈I von Zufallsvariablen heißt identisch verteilt, wenn<br />
VertX i = VertX j<br />
(i, j ∈ I).<br />
Man beachte den Unterschied der beiden Begriffe identisch verteilt und gleichverteilt<br />
Eine Folge (X n ) n∈N reeller, integrierbarer Zufallsvariablen genügt dem starken Gesetz der großen<br />
Zahlen, wenn<br />
[<br />
P<br />
lim<br />
n→∞<br />
d.h. wenn die Folge der Zufallsvariablen ( 1 n<br />
1<br />
n<br />
n∑<br />
]<br />
(X i − E[X i ]) = 0 = 1,<br />
i=1<br />
n∑<br />
(X i −E(X i ))) n∈N P-fast sicher gegen 0 konvergiert.<br />
i=1<br />
Eine Folge (X n ) n∈N reeller, integrierbarer Zufallsvariablen genügt dem schwachen Gesetz der<br />
großen Zahlen, wenn<br />
[ n∑<br />
]<br />
lim P 1<br />
n→∞ n<br />
(X i − E[X i ]) > ɛ = 0 (ɛ > 0),<br />
i=1<br />
d.h. wenn die Folge der Zufallsvariablen ( 1 n<br />
n∑<br />
(X i − E[X i ])) n∈N stochastisch gegen 0 konvergiert.<br />
13.2 Hauptsatz (Kolmogoroff) (nach R. Zweimüller 97/98)<br />
i=1<br />
Jede unabhängige Folge (X n ) n∈N reeller, integrierbarer, identisch-verteilter Zufallsvariablen<br />
n∑<br />
genügt dem starken Gesetz der großen Zahlen, d.h. für S n := X i gilt<br />
P [ 1<br />
lim<br />
n→∞ n S n = E[X 1 ] ] = 1.<br />
i=1<br />
Beweis: Nach Transformationssatz ist<br />
∫<br />
∫<br />
E[X n ] = xP Xn [dx] =<br />
xP X1 [dx] = E[X 1 ],<br />
also E[S n ] = n · E[X 1 ]. Deshalb ist das starke Gesetz der großen Zahl in diesem Fall äquivalent<br />
<strong>zur</strong> Behauptung.<br />
1. Beh.: Es genügt, den Fall X n ≥ 0 zu betrachten.<br />
Denn: mit<br />
Y : x ↦→ sup(x, 0),<br />
Z : x ↦→ −x<br />
gilt für die Zufallsfariablen X − n<br />
und X + n<br />
X + n = Y ◦ X n , X − n = Y ◦ Z ◦ X n .<br />
Damit sind (X + n ), (X − n ) nach 12.5 unabhängige Zufallsvariablen. Wegen<br />
P X<br />
+<br />
n<br />
= Y (P Xn ), P X<br />
−<br />
n<br />
= (Y ◦ Z)(P Xn )<br />
sind sie identisch verteilt. Hat man also den Satz für X n ≥ 0 gezeigt, so lässt sich die allgemeine<br />
Fassung beweisen, indem man X − n und X + n getrennt betrachtet.