Das atomare Wahrscheinlichkeitsmaß, das an jedem der n beobachteten Stichprobenpunkte die gleiche Masse 1/n platziert, gewöhnlich geschrieben μ_n = (1/n)∑_{i=1}^n δ_{x_i}, und das als nichtparametrischer Schätzer der zugrunde liegenden Verteilung dient.

Prinzip

Ersetze eine unbekannte Populationsverteilung durch die diskrete Verteilung, die auf der Stichprobe sitzt, um Erwartungen und gesetzesabhängige Größen durch einfache Mittelwerte von Punktauswertungen zu schätzen.

Demonstration

Für i.i.d.-Stichproben x_1,…,x_n aus einer Verteilung P auf einem messbaren Raum ordnet das empirische Maß μ_n jedem x_i die Masse 1/n zu; für jede beschränkte stetige Testfunktion f gilt ∫ f dμ_n = (1/n)∑ f(x_i).

Fehlanwendung

Das empirische Maß als glatte Dichte ohne Glättung oder Kernelisierung zu behandeln; μ_n direkt in Inferenzproblemen einzusetzen, die absolute Stetigkeit erfordern, führt zu ungültigen Likelihood-Bewertungen.

Konsequenz

Mit wachsendem Stichprobenumfang konzentriert sich das empirische Maß um das wahre Gesetz, sodass Stichprobenmittel Erwartungen der Population approximieren; es bildet die Grundlage des Bootstrap und vieler nichtparametrischer Verfahren.

Umkehrung

Ein geglätteter Dichteschätzer (z. B. Kernel-Konstruktion auf Basis des empirischen Maßes) ersetzt Punktmassen durch lokalisierte stetige Kerne, um eine Dichte gegenüber einem Referenzmaß zu erzeugen.

Abgrenzung

Definiert für endliche Stichproben auf messbaren Räumen und kodiert als Schätzer keine parametrische Modellstruktur; schließt geglättete oder regularisierte Versionen aus, sofern nicht explizit mit Kernen konvolviert.

Semantische Spannung

Im Gegensatz zu parametrischen Schätzern machen empirische Maße minimale Modellannahmen und erfassen die Stichprobe exakt, während parametrische Anpassungen Struktur einführen, die Varianz zugunsten möglichen Bias reduzieren kann.

Synthese

Das empirische Maß ist die einfachste nichtparametrische Darstellung gesampelter Daten, ein atomares Wahrscheinlichkeitsmaß, dessen Integrale Stichprobenmittel reproduzieren und das mit wachsendem Stichprobenumfang zur erzeugenden Verteilung konvergiert.