Satz von Moivre-Laplace

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche
Mit wachsender Zahl von Punkten nähert sich die diskrete Binomialverteilung der kontinuierlichen Normalverteilung an.

Der Satz von Moivre-Laplace, auch Satz von de Moivre-Laplace oder zentraler Grenzwertsatz von de Moivre-Laplace genannt,[1] ist ein Satz aus der Wahrscheinlichkeitstheorie. Nach diesem Satz konvergiert die Binomialverteilung für und Wahrscheinlichkeiten gegen die Normalverteilung. Bei großem Stichprobenumfang kann daher die Normalverteilung als Näherung der Binomialverteilung verwendet werden, was insbesondere bei der Normal-Approximation und bei Hypothesentests Anwendung findet.

Beim Satz von Moivre-Laplace handelt es sich aus historischer Sicht um den ersten zentralen Grenzwertsatz. Im Jahre 1730 zeigte Abraham de Moivre die Aussage für und im Jahre 1812 wurde von Pierre-Simon Laplace der allgemeine Fall gezeigt.[2]

Aussage[Bearbeiten | Quelltext bearbeiten]

Sei eine Folge bernoulli-verteilter Zufallsvariablen und deren Summe binomialverteilt mit Parametern , und . Dann gilt:

(1)

(2) für alle mit .

Der Satz von Moivre-Laplace besagt, dass die Verteilung der Zufallsvariablen für schwach gegen die Standardnormalverteilung mit der Varianz konvergiert.

Anwendungen[Bearbeiten | Quelltext bearbeiten]

Der Satz von Moivre-Laplace ist die theoretische Grundlage der Normal-Approximation, einer Methode, mit der die Binomialverteilung angenähert werden kann.

Dabei formuliert man die obige Aussage durch eine Substitution um und erhält mit der Verteilungsfunktion der Standardnormalverteilung

für alle .

Damit kann der Wert der binomialverteilten Zufallsvariable über die Werte der Verteilungsfunktion der Standardnormalverteilung angenähert werden. Diese entnimmt man üblicherweise der Tabelle der Standardnormalverteilung.

Der Satz von Moivre-Laplace liefert ausreichend gute Näherungen wenn und die folgende Bedingung erfüllen:[3]

Bei der Normal-Approximation wird zur Verringerung des Näherungsfehlers noch zusätzlich eine sogenannte Stetigkeitskorrektur eingeführt, die aus dem Einführen von Korrekturtermen besteht und den Übergang von einer diskreten zu einer stetigen Wahrscheinlichkeitsverteilung kompensieren soll.

Beispiel[Bearbeiten | Quelltext bearbeiten]

Plot der Dichte der Normalverteilung mit μ = 12 und σ = 3 und der Binomialverteilung mit n = 48 und p = 1/4

Zur Veranschaulichung der Bedeutung der Fehlerkorrektur werden nachfolgende Rechnungen durchgeführt.

Gegeben sei eine Binomialverteilung mit und , damit gilt folglich . Wir vergleichen mit einer Normalverteilung mit Mittelwert und einer Varianz .

Nun suchen wir die Antwort auf die Frage „Wie groß ist die Wahrscheinlichkeit, dass Werte kleiner oder gleich sind“. Die Berechnungen bzw. Abschätzungen ergeben folgende Resultate:

  • Binomialverteilung
Der Näherungswert wurde durch Ablesen aus dem nebenstehenden Plot entnommen.
  • Normalverteilung mit Stetigkeitskorrektur
Bei dieser Rechnung ist zu beachten, dass aus Gründen der Symmetrie gilt und für ist.
  • Normalverteilung ohne Stetigkeitskorrektur

Insgesamt kann aus den Werten der „Berechnungen“ erschlossen werden, dass mit Hilfe der Stetigkeitskorrektur ein bessere Übereinstimmung mit dem Wert der Binomialverteilung erzielt wird.

Einzelnachweise[Bearbeiten | Quelltext bearbeiten]

  1. Norbert Henze: Stochastik für Einsteiger. Eine Einführung in die faszinierende Welt des Zufalls. 10. Auflage. Springer Spektrum, Wiesbaden 2013, ISBN 978-3-658-03076-6, S. 223, doi:10.1007/978-3-658-03077-3.
  2. A.V. Prokhorov: Laplace theorem. In: Michiel Hazewinkel (Hrsg.): Encyclopaedia of Mathematics. Springer-Verlag, Berlin 2002, ISBN 1-4020-0609-8 (online).
  3. Michael Sachs: Wahrscheinlichkeitsrechnung und Statistik für Ingenieurstudenten an Fachhochschulen. Fachbuchverlag Leipzig, München 2003, ISBN 3-446-22202-2, S. 129–130

Literatur[Bearbeiten | Quelltext bearbeiten]

Weblinks[Bearbeiten | Quelltext bearbeiten]