24.01.2013 Aufrufe

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

Klenke Wahrscheinlichkeitstheorie

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

N� �<br />

�μn({k}) − μ({k}) � �<br />

ε<br />

<<br />

4<br />

k=0<br />

3.2 Poisson-Approximation 79<br />

für jedes n ≥ n0.<br />

Speziell ist für n ≥ n0 auch μn({N +1,N +2,...}) < ε<br />

2 .Alsoistfür n ≥ n0<br />

�<br />

�μn(A) − μ(A) � � ≤ μn({N +1,N +2,...})+μ({N +1,N +2,...})<br />

n). Für jedes n ∈ N sei (Xn,k)k∈N eine unabhängige<br />

Familie von Zufallsvariablen mit Xn,k ∼ Berpn,k . Setze<br />

S n :=<br />

∞�<br />

l=1<br />

Xn,l und S n k :=<br />

k�<br />

Xn,l für k ∈ N.<br />

Satz 3.7 (Poisson-Approximation). Unter den obigen Annahmen konvergieren<br />

die Verteilungen (PS n)n∈N schwach gegen die Poisson-Verteilung Poiλ.<br />

Beweis. Die Poisson-Verteilung hat die Erzeugendenfunktion ψ(z) =eλ(z−1) (siehe<br />

(3.4)). Andererseits sind Sn − Sn k und Sn k unabhängig für jedes k ∈ N, also<br />

.Nunistfür jedes z ∈ [0, 1]<br />

ψS n = ψS n k · ψS n −S n k<br />

1 ≥<br />

ψS n(z)<br />

l=1<br />

ψS n k (z) = ψS n −S n k (z) ≥ 1 − P[Sn − S n k ≥ 1] ≥ 1 −<br />

∞�<br />

l=k+1<br />

pn,l<br />

k→∞<br />

−→ 1,

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!