Mit Google fortfahren
Gesetz der großen Zahlen einfach erklärt
Das Gesetz der großen Zahlen besagt: Wiederholst du ein Zufallsexperiment sehr oft unter gleichen Bedingungen, liegt die relative Häufigkeit eines Ergebnisses mit hoher Wahrscheinlichkeit nahe bei seiner theoretischen Wahrscheinlichkeit. Es garantiert aber weder eine gleichmäßige Annäherung noch einen Ausgleich früherer Ergebnisse.
Hake ab, was du schon kannst — und komm am Ende hierher zurück!
Von Versuchsergebnissen zur relativen Häufigkeit
Angenommen, du wirfst eine faire Münze. Das Ereignis „Kopf“ hat die Wahrscheinlichkeit $P(\text{Kopf})=0{,}5$. Nach wenigen Würfen kann der beobachtete Kopfanteil trotzdem deutlich davon abweichen.
Relative Häufigkeit
Die relative Häufigkeit gibt an, welchen Anteil ein Ereignis an allen durchgeführten Versuchen hat:
$$h_n(A)=\frac{H_n(A)}{n}$$
Dabei ist $H_n(A)$ die absolute Häufigkeit des Ereignisses $A$ und $n$ die Anzahl aller Versuche.
Bei vier Münzwürfen fällt dreimal Kopf. Die absolute Häufigkeit ist $H_4(\text{Kopf})=3$. Die relative Häufigkeit beträgt
$$h_4(\text{Kopf})=\frac{3}{4}=0{,}75.$$
Der beobachtete Anteil $0{,}75$ unterscheidet sich deutlich von der theoretischen Wahrscheinlichkeit $0{,}5$. Vier Würfe sind eine sehr kleine Versuchsreihe; eine solche Abweichung widerspricht dem Gesetz der großen Zahlen nicht.
Wähle in jeder Lücke die passende Form und prüfe anschließend deine Antworten.
Die Zahl der Treffer heißt . Der Anteil der Treffer heißt . Für $3$ Treffer in $4$ Versuchen beträgt dieser Anteil .
Was das Gesetz tatsächlich aussagt
Bei unabhängigen Wiederholungen unter gleichen Bedingungen werden große Abweichungen zwischen $h_n(A)$ und $P(A)$ mit wachsendem $n$ immer unwahrscheinlicher. Die relative Häufigkeit stabilisiert sich in der Nähe der Wahrscheinlichkeit.
Viele Versuche machen eine deutliche relative Abweichung unwahrscheinlicher. Sie machen sie bei einer endlichen Versuchsanzahl nicht unmöglich.
Ein fairer Würfel liefert eine Sechs mit Wahrscheinlichkeit $1/6$, also ungefähr $0{,}167$. In kurzen Serien kann der Anteil der Sechsen stark schwanken. In langen Serien liegt er häufig näher bei $1/6$.
Das Wort „Annäherung“ darfst du nicht als stetige Bewegung verstehen. Nach einem weiteren Wurf kann die Abweichung vorübergehend wieder größer werden. Entscheidend ist die langfristig zunehmende Konzentration um die Wahrscheinlichkeit.
Warum es kein Gesetz des Ausgleichs gibt
Nach vier Münzwürfen kann Kopf mit $3:1$ führen. Der absolute Vorsprung beträgt dann $2$. Nach insgesamt $100$ Würfen könnte der Stand $53:47$ lauten. Nun beträgt der Vorsprung sogar $6$, aber der Kopfanteil ist von $0{,}75$ auf
$$\frac{53}{100}=0{,}53$$
gesunken und liegt damit näher bei $0{,}5$.
Die absolute Differenz kann also wachsen, während die relative Abweichung kleiner wird.
Bei unabhängigen Würfen verändert die bisherige Folge die Wahrscheinlichkeit des nächsten Wurfs nicht. Selbst nach zehn Kopfwürfen bleibt bei einer fairen Münze für den nächsten Wurf $P(\text{Kopf})=P(\text{Zahl})=0{,}5$.
Vertiefung: Warum große Abweichungen seltener werden
Betrachte $n$ unabhängige Wiederholungen eines Versuchs. Das Ereignis $A$ habe bei jeder Wiederholung dieselbe Wahrscheinlichkeit $p$. Die Trefferzahl $X_n$ ist dann binomialverteilt:
$$X_n\sim\operatorname{Bin}(n,p).$$
Für sie gelten
$$E(X_n)=np$$
und
$$\operatorname{Var}(X_n)=np(1-p).$$
Der Erwartungswert beschreibt den langfristig zu erwartenden Mittelwert. Die Varianz misst die Streuung um diesen Wert. Für die relative Häufigkeit $R_n=X_n/n$ folgt:
$$E(R_n)=p$$
und
$$\operatorname{Var}(R_n)=\frac{p(1-p)}{n}.$$
Wenn $n$ wächst, geht diese Varianz gegen null. Die möglichen Werte von $R_n$ konzentrieren sich also zunehmend um $p$.
Mit der Tschebyscheffschen Ungleichung lässt sich dies für jede Toleranz $\varepsilon>0$ ausdrücken:
$$P(|R_n-p|\geq\varepsilon)\leq\frac{p(1-p)}{n\varepsilon^2}.$$
Da die rechte Seite für $n\to\infty$ gegen null geht, wird eine Abweichung von mindestens $\varepsilon$ immer unwahrscheinlicher. Das ist die Kernaussage des schwachen Gesetzes der großen Zahlen für Bernoulli-Versuche.
Schwaches und starkes Gesetz
Beim schwachen Gesetz geht für jeden festen Toleranzbereich die Wahrscheinlichkeit einer zu großen Abweichung gegen null. Man nennt dies Konvergenz in Wahrscheinlichkeit.
Das starke Gesetz macht eine Aussage über den gesamten langfristigen Verlauf: Für fast alle unendlichen Ergebnisfolgen nähern sich die Mittelwerte dem Erwartungswert. Man nennt dies fast sichere Konvergenz. Das starke Gesetz schließt das schwache ein.
„Fast sicher“ bedeutet nicht „logisch ausnahmslos“. Eine unendliche Würfelfolge nur aus Sechsen ist denkbar, besitzt aber Wahrscheinlichkeit null. Die genauen Voraussetzungen für schwache und starke Gesetze hängen von der jeweiligen Satzform ab.
Was du aus großen Datenmengen schließen darfst
Das Gesetz der großen Zahlen erklärt, warum viele Wiederholungen oder große Zufallsstichproben nützlich sind. Zufällige Schwankungen wirken sich auf relative Häufigkeiten und Mittelwerte dann meist weniger stark aus.
Beispiele sind häufig wiederholte Messungen, medizinische Beobachtungen oder die Schätzung einer unbekannten Trefferwahrscheinlichkeit. Dabei gelten wichtige Grenzen:
- Die Versuche müssen zum verwendeten Modell passen, etwa unabhängig sein und dieselbe Erfolgswahrscheinlichkeit besitzen.
- Eine große Stichprobe beseitigt keine systematischen Messfehler.
- Eine verzerrte Auswahl wird nicht allein durch ihre Größe repräsentativ.
- Das Gesetz sagt nicht voraus, welches Einzelergebnis als Nächstes eintritt.
- Endliche Daten garantieren keine exakte Übereinstimmung.
Wähle in jeder Lücke die passende Form und prüfe anschließend deine Antworten.
Das Gesetz betrifft vor allem Größen und Mittelwerte. Eine große Stichprobe verringert zufällige Schwankungen, beseitigt aber keine Fehler. Für den nächsten unabhängigen Versuch liefert das Gesetz .
Karteikasten
Überlege zuerst selbst und drehe die Karte anschließend zum Prüfen um.
Alles auf einen Blick
- Gesetz der großen Zahlen
- Beobachtung
- Relative Häufigkeit stabilisiert sich nahe bei der Wahrscheinlichkeit
- Zwischenzeitliche größere Abweichungen bleiben möglich
- Mathematische Erklärung
- Erwartungswert der relativen Häufigkeit ist $p$
- Varianz $p(1-p)/n$ geht gegen null
- Keine Einzelvorhersage
- Unabhängige nächste Versuche behalten ihre Wahrscheinlichkeit
- Ein absoluter Rückstand muss nicht aufgeholt werden
- Geltungsgrenzen
- Endliche Reihen garantieren keine exakte Gleichheit
- Systematische Fehler verschwinden nicht durch mehr Daten
- Beobachtung
Abschluss-Check
Du hast das Gesetz verstanden, wenn du drei Aussagen auseinanderhalten kannst: Relative Häufigkeiten stabilisieren sich langfristig, die Annäherung muss nicht bei jedem Schritt besser werden, und unabhängige Einzelergebnisse gleichen frühere Abweichungen nicht gezielt aus.