Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Stochastik 1 - Mitschriften von Klaas Ole Kürtz
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Es folgt mit Qebyxev-Ungleichung:<br />
P (|h(A, n) − W (A)| ≥ ε) ≤<br />
Var h(A, n)<br />
ε 2<br />
= 1 W (A)(1 − W (A))<br />
−→ 0<br />
n ε 2<br />
Satz: Seien Y 1 , Y 2 , . . . stochastisch unabhängig mit P Y i<br />
= P Y 1<br />
= W für alle<br />
i. Dann gilt:<br />
lim P (|h(A, n) − W (A)| ≥ ε) = 0 ∀ ε > 0<br />
n→∞<br />
Beweis: Wie oben mit E(h(A, n)) = W (A) und Var(h(A, n)) =<br />
sowie der Qebyxev-Ungleichung.<br />
W (A)(1−W (A))<br />
n<br />
11.2 Schwaches Gesetz der großen Zahlen<br />
Satz: Seien X 1 , X 2 , . . . stochastisch unabhängige<br />
∑<br />
Zufallsgrößen mit endlichen<br />
Varianzen, für die gelte: lim n 1<br />
n→∞ n 2 i=1 Var(X i) = 0. Dann folgt<br />
(∣ ∣∣∣∣<br />
lim P 1<br />
n→∞ n<br />
n∑<br />
X i − 1 n<br />
i=1<br />
)<br />
n∑<br />
E(X i )<br />
∣ ≥ ε = 0 ∀ ε > 0<br />
i=1<br />
Beweis: Es gilt mit Qebyxev-Ungleichung 16 :<br />
(∣ )<br />
∣∣∣∣<br />
lim P 1<br />
n∑<br />
X i − 1 n∑<br />
E(X i )<br />
n→∞ n n ∣ ≥ ε ≤ 1 n 2<br />
i=1<br />
i=1<br />
n∑<br />
Var(X r )<br />
Die im schwachen Gesetz der großen Zahlen auftretende Konvergenzart wird<br />
als schwache Konvergenz oder Konvergenz in Wahrscheinlichkeit bezeichnet:<br />
Definition: Sind Z, Z 1 , Z 2 , . . . Zufallsgrößen, so wird definiert: Z n konvergiert<br />
schwach oder konvergiert in Wahrscheinlichkeit gegen Z, wenn<br />
lim P (|Z n − Z| ≥ ε) = 0 ∀ ε > 0<br />
n→∞<br />
i=1<br />
Das schwache Gesetz der großen Zahlen besagt also:<br />
1<br />
n<br />
n∑<br />
X i − 1 n<br />
i=1<br />
n∑<br />
E(X i ) −→ 0 in Wahrscheinlichkeit<br />
i=1<br />
16 „Warum heißt es schwaches Gesetz? Weil der Beweis so einfach ist, daß schon ein<br />
schwacher Mathematiker es beweisen kann!“<br />
77