On the law of the iterated logarithm. (Q2582522): Difference between revisions

Sind \(x_{n}\) unabhängige Zufallsvariable mit dem Erwartungswert Null und den Streuungen \(\gamma _n\), so daß 1. die Streuungen \(\beta _n=\gamma _1+\dots +\gamma _n\) von \(s_n=x_1+\dots +x_n\) der Bedingung \(\beta _n/n>\text{Konst.}>0\) genügen und 2. die Verteilungsfunktionen \(\sigma _n(x)\) von \(x_{n}\) durch ein \(\tau (x)\) mit endlicher Streuung gemäß \(\kern-3pt \int\limits_{|\,x\,|\geqq r}\kern-2pt d\sigma _n(x)=O\biggl(\int\limits_{|\,x\,|\geqq r}\kern-2pt d\tau (x)\biggr)\) für \(r\to\infty \) gleichmäßig majorisiert werden, dann wird -- innerhalb und mit Hilfe der Theorie der ``unabhängigen Funktionen'' -- gezeigt, daß \(\kern-4pt \displaystyle \varlimsup_{n\to\infty }|\,s_n\,|(2\beta _n\,\log\,\log\,\beta _n)^{-\frac{1}{2}}=1\) mit der Wahrscheinlichkeit Eins zu erwarten ist. -- Die in den Anwendungen oft nicht erfüllte Kolmogoroffsche Bedingung \(|\,x_n\,|\leqq m_n=o\Bigl[\beta _n^\frac{1}{2}(\log\,\log\,\beta _n)^{-\frac{1}{2}}\Bigr]\) kann somit im Satz vom iterierten Logarithmus in vielen Fällen, so z. B. bei identisch oder nahezu identisch verteilten Zufallgrößen, fallen gelassen werden.