On a connection between the central limit-law of the theory of probability and the law of great numbers. (Q2596977)

Die voneinander unabhängigen Zufallsvariablen \(x_k\) sollen endliche zweite Momente \(E(x_k^2)\) besitzen. Ferner sei \(E(x_k) = 0\) und \(B_n=\sqrt{\sum\limits_{k=1}^{n} E(x_k^2)}\). Ist für \(n \to \infty\) der Grenzwert des Verteilungsgesetzes \(L\) \[ \lim_{n \to \infty} \,L \left( \frac{1}{B_n} \sum_{k=1}^{n} x_k \right)= \frac{1}{\sqrt{2 \pi}} \int\limits_{-\infty}^{x} e^{-\frac{u^2}{2}} \,du \] und die Wahrscheinlichkeit \(P \left( \dfrac{x_n}{B_k} \right)\) für \(1 \leqq k \leqq n\) unendlich klein, dann genügt die Folge der \(x_k\) dem zentralen Grenzgesetz. Besitzen die Zufallsvariablen \(y_k \geqq 0\) endliche erste Momente \(E(y_k)\) und ist für \(n \to \infty\) lim \(P \left( \dfrac{\sum\limits_{k=1}^{n} y_k}{\sum\limits_{k=1}^{n} E(y_k)} \right)=1\) und \(P \left( \dfrac{y_k}{\sum\limits_{k=1}^{n} E(y_k)} \right)\) für \(1 \leqq k \leqq n\) unendlich klein, dann ist die Folge der \(\{y_k\}\) relativ stabil. Daraus folgt der Satz: Die Folge der voneinander unabhängigen Zufallsvariablen \(\{x_k\}\) mit \(E(x_k) = 0\) und endlichem \(E(x_k^2)\) genügt dem zentralen Grenzgesetz dann und nur dann, wenn die Folge der betreffenden Quadrate \(\{x_k^2\}\) relativ stabil ist. Daraus ergibt sich weiter die Äquivalenz zwischen zentralem Grenzgesetz und relativer Stabilität.