Ein Phänomen in hochdimensionalen Wahrscheinlichkeitsräumen, bei dem Lipschitz‑ oder anderweitig reguläre Funktionen mit hoher Wahrscheinlichkeit Werte nahe einem typischen Ort (Mittelwert, Median) annehmen und Abweichungen schnell mit der Dimension oder einem Skalenparameter abfallen.

Prinzip

Hochdimensionale Metrik‑Maß‑Strukturen (Produktmaße, Gaußsche Maße, Mannigfaltigkeiten mit Krümmung) weisen auf, dass das meiste Maß in kleinen Nachbarschaften typischer Mengen konzentriert ist; formalisiert durch isoperimetrische, Poincaré‑ oder log‑Sobolev‑Ungleichungen, die exponentielle Randschranken liefern.

Demonstration

Gaußsche Konzentration: für X∼N(0,I_n) und 1‑Lipschitz f gilt P(|f(X)-med(f)|>t) ≤ 2 exp(-c t^2). Hoeffding‑ und McDiarmid‑Ungleichungen liefern Konzentration für beschränkte bzw. begrenzte Differenzfunktionen unabhängiger Variablen.

Fehlanwendung

Zu erwarten, dass Konzentration unabhängig von Verteilung oder Dimension gilt — sie versagt bei schwer‑schwänzigen Maßen, niedrigdimensionalen Daten oder Funktionen mit schwacher Regularität; asymptotische Intuition auf kleine Stichproben zu übertragen ist irreführend.

Konsequenz

Rechtfertigt Typikalität und Stabilitätseffekte in hoher Dimension: kleine zufällige Schwankungen, Verallgemeinerungsgrenzen im Lernen und dimensionsunabhängige Wahrscheinlichkeitsaussagen für zufällige Algorithmen.

Umkehrung

Das Gegenteil ist Anti‑Konzentration oder schwer‑schwänzige Dispersion, wo Werte weit gestreut bleiben und kein exponentieller Randschutz existiert; typische Abweichungen verkleinern sich nicht mit wachsender Dimension.

Abgrenzung

Erfordert geeignete Regularität: Metrikstruktur, Randabfall (subgaussisch/subexponentiell) oder funktionale Ungleichungen. Gilt nicht für beliebige Maße, stark schiefe oder schwer‑schwänzige Verteilungen oder nicht‑Lipschitz‑Observablen.

Semantische Spannung

Steht nahe zur Gesetz der großen Zahlen — beide behaupten Typikalität — aber Konzentration liefert quantitative exponentielle Ränder und einen metrisch‑geometrischen Mechanismus, während das LLN asymptotische Mittelwerte ohne exponentielle Schranken liefert.

Synthese

Maßkonzentration ist das metrisch‑wahrscheinlichkeitstheoretische Prinzip, dass in geeigneten hochdimensionalen Umgebungen reguläre Observablen stark um typische Werte gebündelt sind und Abweichungen durch funktionale oder isoperimetrische Ungleichungen kontrolliert werden.