Eine Sammlung probabilistischer Resultate, die aussagen, dass der Stichprobenmittelwert vieler unabhängiger, identisch verteilter Zufallsvariablen (in Wahrscheinlichkeit, fast sicher oder in anderen Modi) gegen den gemeinsamen Erwartungswert konvergiert, wenn die Stichprobengröße wächst.

Prinzip

Wiederholte unabhängige Versuche mit derselben Verteilung stabilisieren empirische Mittelwerte: zufällige Schwankungen gleichen sich im Mittel aus, sodass das empirische Mittel im Grenzwert großer Stichproben dem theoretischen Erwartungswert näherkommt.

Demonstration

Schwaches Gesetz Beispiel: Für iid-Variablen mit endlichem Mittel gilt, dass für jedes ε>0 die Wahrscheinlichkeit, dass das Stichprobenmittel um mehr als ε vom Erwartungswert abweicht, gegen null geht, wenn n→∞. Das starke Gesetz stärkt dies zu fast sicherer Konvergenz unter milden Integrabilitätsbedingungen.

Fehlanwendung

Die LGZ als kurzfristige Garantie zu missverstehen (Spielerirrtum oder die Annahme, eine feste Anzahl von Versuchen genüge für praktische Sicherheit) ist falsch; Abhängigkeit zwischen Versuchen, nicht identische Verteilungen oder unendliches Erwartungswert machen die Standardfolgerungen ungültig.

Konsequenz

Lieferte die theoretische Rechtfertigung, Stichprobenmittel zur Schätzung von Erwartungswerten zu verwenden und bildet die Grundlage der statistischen Inferenz und der Frequenzstabilisierung; es markiert auch Grenzen der Vorhersagbarkeit in zufälligen Prozessen.

Umkehrung

In Kontexten mit schweren Rändern (unendliches Mittel) oder starker Abhängigkeit können Stichprobenmittel nicht konvergieren oder zu anderen Grenzwerten konvergieren; das Umgekehrte betont die Bedeutung der Voraussetzungen wie Unabhängigkeit und endliche Momente.

Abgrenzung

Gilt unter Voraussetzungen wie Unabhängigkeit (oder geeigneter Form schwacher Abhängigkeit), identischer Verteilung (oder Bedingungen für dreieckige Arrays) und passenden Momentenbedingungen; außerhalb davon sind modifizierte Gesetze oder andere Grenzwertsätze nötig.

Semantische Spannung

Steht im Gegensatz zu zentralen Grenzwertformulierungen über Fluktuationen um den Mittelwert: LGZ sagt, das Mittel stabilisiert sich, während CLT die Größenordnung und Verteilung der verbleibenden Fluktuationen beschreibt; Spannung entsteht bei der Wahl der relevanten Grenzbeschreibung.

Synthese

Das Gesetz der großen Zahlen formalisiert die Idee, dass empirische Mittelwerte unter Standardannahmen mit wachsender Stichprobengröße gegen Erwartungswerte konvergieren: Es bietet die Grundlage, Frequenzen als Schätzer für Wahrscheinlichkeiten zu behandeln, warnt jedoch, dass die Hypothesen für die Gültigkeit entscheidend sind.