Stochastik für die Naturwissenschaften

Stochastik für die
Naturwissenschaften
Dr. C.J. Luchsinger
7. n → ∞ (Konvergenz, LLN, CLT)
”n → ∞” heisst für uns ”n gross”
Literatur Kapitel 7
* Statistik in Cartoons: Kapitel 5, Seite 114 in Kapitel 6
* Stahel: 5.8 in Kapitel 5 und 6.12 in Kapitel 6
* Storrer: (38.6), (39.2)-(39.7), (41.8), (41.9), (43.5)
Anwendung von
LLN: Schätzen von Parametern; siehe auch Kapitel 8,
10
CLT: Approximative Berechnungen, zum Beispiel für
Tests; siehe auch Kapitel 8, 9, 10 und weitere
149
7.1 LLN (Law of Large Numbers; Gesetz der
grossen Zahlen)
Fragestellung: Was geschieht mit
1
n
Pn
k=1
Xk falls
n → ∞ und welche Voraussetzungen werden wir sinnvollerweise machen?
Wir haben in Kapitel 2 und in Teil 5.3 über Stichproben immer wieder das arithmetische Mittel von Realisationen (oder Daten)
n
1X
x :=
xi
n i=1
(7.1)
untersucht. Der Ausdruck
n
1X
Xi
n i=1
(7.2)
ist offenbar das Pendant auf der Ebene der Zufallsgrössen, vor der Realisation. In (7.1) haben wir reelle
Zahlen, da ist kein Zufall mehr drin. Wenn wir aber
erneut eine (unabhängige) Stichprobe nehmen, wird
150
(7.1) bei stetigen Zufallsgrössen sicher anders aussehen
(bei diskreten Zufallsgrössen kann es je nach konkreter
Situation (n und konkrete Parameter) zufällig auch
den gleichen Wert geben).
Indem wir (7.2) unter-
suchen, lernen wir auch viel über (7.1), z.B. über die
Schwankungsbreite (Varianz) oder um welchen Wert
(7.1) etwa zu liegen kommt (Erwartungswert). (7.1)
konvergiert gegen den Erwartungswert von (7.2); mehr
gleich nachfolgend. Indem wir Erwartungswert und
Varianz von (7.2) berechnen, können wir abschätzen,
was mit (7.1) passieren muss, wenn n → ∞. Von Kapitel 5, die Xi ’s seien iid mit E[Xi ] = µ und V [Xi ] = σ 2 :
1 Pn
1 Pn
E n i=1 Xi = µ und V n i=1 Xi = n1 σ 2 . Das
heisst, (7.1) wird um µ herum schwanken, mit immer
kleinerer Schwankung, Bild:
151
Wir wollen eine Aussage der Art machen:
n
1X
Xi
n i=1
konvergiert gegen den Erwartungswert von X1 .
Theorem 7.1 [Satz von Kolmogoroff (LLN)]
Sei X1 , X2 , . . . eine Folge von unabhängigen, identisch
verteilten Zufallsgrössen mit Erwartungswert µ und
E[|X1 |] < ∞. Dann genügt diese Folge dem Gesetz
der grossen Zahlen, das heisst, es gilt für jedes > 0:
X
1 n
Xi − µ> = 0.
lim P n→∞
n i=1
Diesen Ausdruck liest man am besten von innen nach
aussen!
152
2 wichtige Anwendungen des LLN
1. Arithmetisches Mittel
2. Relative Häufigkeiten
153
7.2 CLT (Central Limit Theorem; Zentraler
Grenzwertsatz)
Fragestellung: Was geschieht mit dem Ausdruck
Pn
Xk − nµ
√
,
nσ
k=1
(7.3)
einfacherer Fall (µ = 0, σ = 1)
n
1 X
√
Xk ,
n
k=1
falls n → ∞ und welche Voraussetzungen werden wir
sinnvollerweise machen?
Erinnert Sie der Ausdruck
Pn
Xk − nµ
√
nσ
k=1
an etwas, was wir gerade durchgenommen haben?
154
Mit
n
X
Xk − nµ
k=1
haben wir in einem ersten Schritt offenbar einfach zentriert (den Erwartungswert abgezogen - er ist jetzt 0),
√
dann in einem zweiten Schritt mit nσ normiert und
dabei
Pn
Xk − nµ
√
nσ
k=1
erhalten. Die Varianz ist jetzt 1. Zusammen nennt
man diese beiden Schritte standardisieren.
And then a miracle occurs...,
denn das Ding hat am Schluss (bei n = ∞) eine Normalverteilung N (0, 1). Das Überraschende am CLT
ist, dass mit wenigen Voraussetzungen (v.a. keine über
die Verteilung der Xk ’s) immer eine Normalverteilung
als Limesverteilung resultiert.
155
Das ”−nµ” verstehen wir relativ einfach; warum ge√
rade ” nσ” im Nenner? Dazu folgende Rechnung:
Gesucht ist eine Funktion g(n), sodass die Varianz
nicht von n abhängt.
n
n
1 X
X
1
V
Xi =
V
Xi
2
g(n) i=1
g(n)
i=1
n
1 X
=
V [Xi ]
g(n)2 i=1
1
2
=
n
∗
σ
;
g(n)2
wenn wir g(n) :=
√
n wählen, haben wir eine konstante
Varianz. Dies ist notwendig, damit (7.3) überhaupt
konvergieren kann! Wir betrachten jetzt die beiden
Ausdrücke CLT1 und CLT2; sie illustrieren alle 3 Aspekte: man muss zentrieren, normieren und erhält eine
Normalverteilung im Limes. Die Binomialverteilung
Bin(n,p) ist eine Summe von iid Be(p) - die Voraussetzungen des nachfolgenden CLT sind also erfüllt:
156
Theorem 7.2 [Zentraler Grenzwertsatz] Sei
Xk , k ≥ 1, eine Folge von iid Zufallsgrössen mit
E[X1 ] =: µ und 0 < V [X1 ] =: σ 2 < ∞. Dann gilt
für a ∈ R beliebig:
Pn
k=1 Xk − nµ
√
P
≤ a −→ P [N (0, 1) ≤ a]
nσ
wenn n → ∞.
Mit ”P [N (0, 1) ≤ a]” meinen wir die Wahrscheinlichkeit, dass eine Standard-Normal-verteilte Zufallsgrösse Werte kleiner oder gleich a annimmt.
Die Verteilungsfunktion der zentrierten und normierten Summe (7.3) konvergiert also in jedem Punkt gegen die Verteilungsfunktion der Standard-Normal-Verteilung.
Bemerkung zu Theorem 7.2: Ab welchem n ”darf”
man die Normalverteilung brauchen?
Nichttriviale,
allgemeine Fehler-Abschätzungen, welche nur von n
157
abhängen und für alle Verteilungen gelten, existieren
nicht. Wenn die Xk ’s aber Be(p)-Zufallsgrössen sind,
so sagt eine Praktikerregel, dass
np(1 − p) ≥ 9
gelten sollte, damit man mit gutem Gewissen die Normalverteilung benutzen darf (vgl CLT1, CLT2).
Wir lösen dazu gleich eine Aufgabe: Sie werden von
Räubern im Wald zu einem Münzwurfspiel eingeladen.
Wenn in 100 Würfen mehr ”Kopf” als ”Zahl” kommt,
dürfen Sie von den Räubern ausgeraubt werden (Merke: Transparenz ist sehr wichtig für das Funktionieren
von Märkten).
Das Resultat ist nach 100 Würfen
65 zu Ihren Ungunsten. Sie fragen sich jetzt (bisschen spät), ob die Münze fair war oder nicht. Dazu
überlegen Sie sich, wie gross bei einer fairen Münze
wohl die Wahrscheinlichkeit ist, 65 mal (oder mehr)
158
”Kopf” zu werfen. Leider haben Sie keine Bin(100,
0.5)-Verteilungstabelle dabei. Rettung naht: Sie erinnern sich nämlich Gott sei Dank an den CLT:
Beachten Sie bitte: 1. Wir machen diese Rechnungen
unter der Annahme p = 0.5. 2. Wir berechnen die
Wahrscheinlichkeit, 65 mal oder mehr ”Kopf” zu werfen. Diese Denkweise wird in Kapitel 9 und weiteren
kultiviert werden.
Grund für häufigen Einsatz der Normalverteilung?
159
7.3 Zusammenhänge bei Verteilungen II:
Limesverteilungen
In ”6.3 Zusammenhänge bei Verteilungen I”, haben
wir uns gefragt, wie Summen von unabhängigen Zufallsgrössen verteilt sind. Jetzt geben wir eine Verteilung an (Binomial), welche zu einer anderen Verteilung
wird (Poisson), wenn wir gezielt einen Parameter gegen
∞ gehen lassen.
Wenn man die Wahrscheinlichkeitsfunktion (die Werte
von P [X = k], k ≥ 0) einer Binomial- und einer Poissonverteilung mit gleichem Erwartungswert vergleicht,
so sieht man, dass der Unterschied immer kleiner wird,
je grösser n in der Binomial-Verteilung ist (Storrer
(39.3), (39.5)). Im folgenden Satz ist λ konstant. p ist
klein und wird immer kleiner; deshalb indexieren wir
es mit einem n: pn . Weil der Erwartungswert einer
Po(λ)-Zufallsgrösse gleich λ ist und der Erwartungs160
wert einer Bin(n, p) gleich np, fordern wird (damit
sicher mal die Erwartungswerte übereinstimmen):
np = λ
- oder eben npn = λ. Damit muss natürlich gelten:
pn := λ/n.
Dies ist für die Formulierung des Satzes wichtig, nicht
aber für die Anwendungen.
Satz 7.3 [Konvergenz der Binomial- gegen
die Poisson-Verteilung] Sei Xn eine Folge von
Bin(n, pn )-Zufallsgrössen. Es gelte für alle n genügend gross: npn = λ > 0 (Erwartungswerte jeweils
gleich). λ ist konstant! Dann gilt für r ∈ N0 fest:
−λ λ
P [Xn = r] −→ e
r
r!
für n → ∞. Damit haben wir im Limes eine PoissonVerteilung mit Parameter λ.
161
Vorteil: einfachere Formel bei Poisson als bei Binomial
(Binomialkoeffizient!)
Wie wird das ganze in der Praxis eingesetzt? Storrer
(39.5).
162
7.4 Nachtrag: Motivation der Poisson-Verteilung
Wegen 7.3 ist es offenbar so, dass die Poisson-Verteilung dort sinnvoll ist, wo eine grosse Zahl von unabhängigen Versuchen mit je kleiner Erfolgswahrscheinlichkeit vorhanden sind. ”Versuch” und
”Erfolg” sind dabei nicht allzu eng zu verstehen - ein
Beispiel aus der Versicherungsmathematik soll dies illustrieren: Es gibt ein paar Millionen Gebäude in der
Schweiz. Versuch ist, ob es in einem Jahr zum Brand
kommt (=Erfolg) oder nicht. n ist sicher sehr gross
und (Gott sei Dank) das p sehr klein. Solche Schadenzahlen (nicht die versicherte Summe!)
werden mit
Poisson-Zufallsgrössen modelliert. Flugzeugabstürze
einer Airline werden auch so modelliert, mit unterschiedlichem λ von Airline zu Airline. Sie finden weitere Beispiele im Storrer, Kapitel 39.
163
7.5 Mind-Mapping Verteilungen
Damit haben wir den Stoff von Storrer Kapitel 3741 (und bisschen mehr) vollständig behandelt und ich
empfehle Ihnen, diese Kapitel noch vollständig durchzulesen.
164