[PS] Joint distributions done, start limit theorems / law of large numbers

semester4/ps/ps-jh/parts/05_limit-theorems/00_intro.tex

@@ -0,0 +1,12 @@
+\shortdefinition $\displaystyle \overline{\cX}_n = \frac{1}{n} \sum_{k = 1}^{n} \cX_k$ ist das \bi{arithmetische Mittel} der $\cX_k$.
+
+{\scriptsize \shortterm In Zusammenhang mit Zufallsvariablen auch \bi{Sichprobenmittel} genannt. Realisierung wird \bi{empirischer Mittelwert} genannt}
+
+% TODO: Possibly add the remark from P288 (P6 in Slide Deck 6) on expected value
+
+\shorttheorem[Schwaches Ges. der grossen Zahlen] Sei $K = \{ 1, 2, \ldots \}$ und $\forall k \in K : \cX_k$ unabh. Z.V. mit $\E[\cX_k] = \mu$; $\V[\cX_k] = \sigma^2$:
+\[
+    \overline{\cX}_n = \frac{1}{n} S_n = \frac{1}{n} \sum_{k = 1}^{n} \cX_k
+\]
+Dann konvergiert $\overline{\cX}_n$ für $n \rightarrow \8$ in Wahrscheinlichkeit gegen $\mu = \E[\cX_k]$,
+also $\forall \varepsilon > 0$ gilt $\P[|\overline{\cX}_n - \mu| > \varepsilon] \overset{n \rightarrow \8}{\longrightarrow} 0$