Lexikon der Mathematik: starkes Gesetz der großen Zahlen
eine, wie der Name schon andeutet, Verschärfung des schwachen Gesetzes der großen Zahlen.
Man sagt, daß eine Folge \({({X}_{n})}_{n\in {\mathbb{N}}}\) von auf einem Wahrscheinlichkeitsraum \((\Omega, {\mathfrak{A}},p)\) definierten reellen Zufallsvariablen mit \(E(|{X}_{n}|)\lt \infty \) für alle \(n\in {\mathbb{N}}\) dem starken Gesetz der großen Zahlen genügt, wenn P-fast sicher
Für beliebige unabhängige Folgen \({({X}_{n})}_{n\in {\mathbb{N}}}\) von Zufallsgrößen mit endlichen Varianzen konnte Kolmogorow zeigen, daß die Bedingung
Das klassische Beispiel für das starke Gesetz der großen Zahlen stellen unabhängige Wiederholungen eines Bernoulli-Experimentes dar. Ist (Xn)n∈ℕ eine Folge von unabhängigen und identisch verteilten Bernoulli-Variablen mit Erfolgswahrscheinlichkeit P(Xn = 1) = p, so gibt Sn die Anzahl der Erfolge bei n Wiederholungen des Experimentes an. Aufgrund des starken Gesetzes konvergiert die relative Häufigkeit für einen Erfolg Sn/n dann fast sicher gegen p. Das starke Gesetz der großen Zahlen liefert somit die Grundlage für die frequentistische Interpretation von Wahrscheinlichkeiten. Wirft man etwa wiederholt eine Münze und faßt man bei jedem Wurf das Aufteten eines Wappens als Erfolg auf, so stabilisiert sich die relative Häufigkeit Sn/n mit zunehmender Anzahl der Würfe bei der Erfolgswahrscheinlichkeit p. Das starke Gesetz ist weiterhin von Bedeutung für die Statistik und stellt die Grundlage der Monte-Carlo-Methode dar.
Wenn Sie inhaltliche Anmerkungen zu diesem Artikel haben, können Sie die Redaktion per E-Mail informieren. Wir lesen Ihre Zuschrift, bitten jedoch um Verständnis, dass wir nicht jede beantworten können.