Empirisches Gesetz der großen Zahlen

Wirft man einen Würfel nur zehnmal, kann die Sechs zufällig dreimal oder gar nicht fallen. Wirft man aber hunderte oder tausende Male, pendelt sich der Anteil der Sechsen immer mehr bei etwa frac{1}{6} ein. Das ist das empirische Gesetz der großen Zahlen : Bei sehr vielen Wiederholungen stabilisiert sich die relative Häufigkeit eines Ereignisses – und zwar in der Nähe seiner Wahrscheinlichkeit. Deshalb kann man unbekannte Wahrscheinlichkeiten (Reißzwecke, Lego-Stein) durch viele Versuche schätzen . Relative Häufigkeit eines Ereignisses A bei n Versuchen: h n(A) = frac{ text{Anzahl der Versuche, bei denen } A text{ eintritt}}{n} Empirisches Gesetz der großen Zahlen: Für sehr große n stabilisiert sich h n(A) , sie schwankt immer weniger um die Wahrscheinlichkeit P(A) : h n(A) approx P(A) quad text{für große } n Wichtig: - Das Gesetz sagt nichts über den nächsten einzelnen Wurf. Der Würfel hat kein Gedächtnis – nach fünf Würfen ohne Sechs ist die Sechs nicht „fällig“. - Die absolute Abweichung (Anzahl Sechsen minus frac{n}{6} ) kann sogar größer werden; nur der Anteil nähert sich an. Beispiel 1: Relative Häufigkeit berechnen Bei 50 Würfen fiel 11-mal eine Sechs. h {50}( text{Sechs}) = frac{11}{50} = 0{,}22 = 22 , % Das ist noch deutlich mehr als frac{1}{6} approx 16{,}7 , % – bei 50 Würfen ist das aber völlig normal. Beispiel 2: Die Werte stabilisieren sich Eine Versuchsreihe ergibt (wie im Diagramm oben): - n = 10 : h = 0{,}30 - n = 100 : h = 0{,}19 - n = 1000 : h = 0{,}168 Die

Worum geht's?

Wirft man einen Würfel nur zehnmal, kann die Sechs zufällig dreimal oder gar nicht fallen. Wirft man aber hunderte oder tausende Male, pendelt sich der Anteil der Sechsen immer mehr bei etwa 1 6 \frac{1}{6} 6 1 ​ ein. Das ist das empirische Gesetz der großen Zahlen : Bei sehr vielen Wiederholungen stabilisiert sich die relative Häufigkeit eines Ereignisses – und zwar in der Nähe seiner Wahrscheinlichkeit. Deshalb kann man unbekannte Wahrscheinlichkeiten (Reißzwecke, Lego-Stein) durch viele Versuche schätzen .
Relative Häufigkeit der Sechs
Anzahl Würfe n10501005001000h(Sechs)0,30,220,190,170,17
Hier entsteht gleich das Diagramm
Die Tabelle

Formel mit Erklärung

Relative Häufigkeit eines Ereignisses A A A bei n n n Versuchen: h n ( A ) = Anzahl der Versuche, bei denen  A  eintritt n h_n(A) = \frac{\text{Anzahl der Versuche, bei denen } A \text{ eintritt}}{n} h n ​ ( A ) = n Anzahl der Versuche, bei denen  A  eintritt ​ Empirisches Gesetz der großen Zahlen: Für sehr große n n n stabilisiert sich h n ( A ) h_n(A) h n ​ ( A ) , sie schwankt immer weniger um die Wahrscheinlichkeit P ( A ) P(A) P ( A ) : h n ( A ) ≈ P ( A ) f u ¨ r große  n h_n(A) \approx P(A) \quad \text{für große } n h n ​ ( A ) ≈ P ( A ) f u ¨ r große  n Wichtig: Das Gesetz sagt nichts über den nächsten einzelnen Wurf. Der Würfel hat kein Gedächtnis – nach fünf Würfen ohne Sechs ist die Sechs nicht „fällig“. Die absolute Abweichung (Anzahl Sechsen minus n 6 \frac{n}{6} 6 n ​ ) kann sogar größer werden; nur der Anteil nähert sich an.

Beispiele

Leicht#1
Beispiel 1: Relative Häufigkeit berechnen Bei 50 Würfen fiel 11-mal eine Sechs. h 50 ( Sechs ) = 11 50 = 0,22 = 22   % h_{50}(\text{Sechs}) = \frac{11}{50} = 0{,}22 = 22\,\% h 50 ​ ( Sechs ) = 50 11 ​ = 0 , 22 = 22 % Das ist noch deutlich mehr als 1 6 ≈ 16,7   % \frac{1}{6} \approx 16{,}7\,\% 6 1 ​ ≈ 16 , 7 % – bei 50 Würfen ist das aber völlig normal.

Zusammenfassung

Bei sehr vielen Versuchen stabilisiert sich die relative Häufigkeit h n ( A ) = Anzahl n h_n(A) = \frac{\text{Anzahl}}{n} h n ​ ( A ) = n Anzahl ​ . Sie nähert sich der Wahrscheinlichkeit: h n ( A ) ≈ P ( A ) h_n(A) \approx P(A) h n ​ ( A ) ≈ P ( A ) für große n n n . So kann man unbekannte Wahrscheinlichkeiten durch viele Versuche schätzen. Für einen einzelnen Versuch sagt das Gesetz nichts – Zufall hat kein Gedächtnis.

Jetzt üben

Kostenlose Aufgaben mit Lösungsweg zu diesem Begriff: