Grenzwertsätze

Grenzwertsätze beschreiben das Verhalten von Summen und Durchschnitten vieler Zufallsvariablen: Sie stabilisieren sich um ihren Mittelwert gemäß den Gesetzen der großen Zahlen, fluktuieren in einem feinen Maßstab gemäß dem zentralen Grenzwertsatz und weichen nur mit exponentiell kleiner Wahrscheinlichkeit stark ab.

Definition

Grenzwertsätze sind die Gesamtheit der Ergebnisse, die das asymptotische Verhalten von Sequenzen von Zufallsvariablen und deren Verteilungen beschreiben, hauptsächlich die Konvergenz von Durchschnitten zu Erwartungswerten, die Gaußschen Fluktuationen normierter Summen und den exponentiellen Abfall von Wahrscheinlichkeiten großer Abweichungen.

Scope

Das Gebiet umfasst die schwachen und starken Gesetze der großen Zahlen, die klassischen und Lindeberg-Feller-Zentralen Grenzwertsätze mit ihren charakteristischen Funktionsbeweisen, die Hierarchie der Konvergenzmodi für Zufallsvariablen und Verteilungen, die schwache Konvergenz von Wahrscheinlichkeitsmaßen mit Straffheit (tightness) und die Theorie der großen Abweichungen, die exponentiell seltene Ereignisse regelt.

Sub-topics

• central limit theorem
• large deviations
• laws of large numbers
• modes of convergence

Core questions

• In welchen Sinnen konvergiert der Durchschnitt vieler Zufallsvariablen gegen seinen Mittelwert?
• Warum sind die Fluktuationen einer normierten Summe unter weitreichenden Bedingungen annähernd Gaußsch?
• Wie hängen die verschiedenen Konvergenzmodi für Zufallsvariablen und Verteilungen zusammen?
• Wie selten sind große Abweichungen vom typischen Verhalten, und mit welcher Rate klingen sie ab?

Key theories

Gesetze der großen Zahlen

Die Durchschnitte unabhängiger, identisch verteilter Variablen mit endlichem Mittelwert konvergieren gegen diesen Mittelwert, in Wahrscheinlichkeit für das schwache Gesetz und fast sicher für das starke Gesetz, was die mathematische Rechtfertigung für die Schätzung von Erwartungswerten durch Stichprobenmittelwerte darstellt.

Zentraler Grenzwertsatz

Summen unabhängiger Variablen mit endlicher Varianz, geeignet zentriert und skaliert, konvergieren in Verteilung gegen eine Normalverteilung, was die Allgegenwart der Gaußschen Verteilung erklärt und die Grundlage für Konfidenzintervalle und Signifikanztests bildet.

Clinical relevance

Grenzwertsätze sind die theoretische Grundlage statistischer Praxis und Simulation: Das Gesetz der großen Zahlen validiert die Monte-Carlo-Schätzung und die frequentistische Interpretation der Wahrscheinlichkeit, der zentrale Grenzwertsatz rechtfertigt normalbasierte Inferenz und viele Approximationsmethoden, und Raten großer Abweichungen quantifizieren das Risiko seltener Ereignisse in Versicherungen, Kommunikation und Zuverlässigkeit.

History

Der erste Grenzwertsatz war Bernoullis Gesetz der großen Zahlen; de Moivre und Laplace fanden die Normalapproximation der Binomialverteilung, die von Lyapunov und Lindeberg zum zentralen Grenzwertsatz verallgemeinert wurde. Kolmogorow präzisierte das starke Gesetz, Cramer begründete die Theorie der großen Abweichungen, und die moderne maßtheoretische Behandlung vereinheitlicht sie.

Key figures

• Jacob Bernoulli
• Aleksandr Lyapunov
• Paul Levy
• Harald Cramer

Seminal works

• billingsley1995
• billingsley1999convergence

Frequently asked questions

Was ist der Unterschied zwischen dem Gesetz der großen Zahlen und dem zentralen Grenzwertsatz?

Das Gesetz der großen Zahlen besagt, dass der Durchschnitt gegen den Mittelwert konvergiert und beschreibt das Verhalten erster Ordnung, während der zentrale Grenzwertsatz die Fluktuationen zweiter Ordnung des Durchschnitts um den Mittelwert beschreibt, die auf der Skala von eins geteilt durch die Quadratwurzel der Stichprobengröße Gaußsch sind.

Gilt der zentrale Grenzwertsatz immer?

Er erfordert Bedingungen wie eine endliche Varianz und eine Vernachlässigbarkeitsbedingung wie die von Lindeberg; für schwerfällige Variablen mit unendlicher Varianz kann die Grenze stattdessen eine nicht-Gaußsche stabile Verteilung sein.