Das statistische Prinzip, dass unter bestimmten Bedingungen (typischerweise Folgen unabhängiger oder schwach abhängiger Zufallsvariablen mit endlichem Erwartungswert) der Stichprobenmittelwert mit wachsender Stichprobengröße gegen den theoretischen Erwartungswert konvergiert; formalisiert in schwacher und starker Form mit präzisen Wahrscheinlichkeitsaussagen.

Prinzip

Aggregation verringert idiosynkratische Unsicherheit: Mit wachsender Anzahl unabhängiger, identisch verteilter Beobachtungen nimmt die Varianz des Stichprobenmittels ab (typischerweise mit Rate 1/n), sodass das Stichprobenmittel zum verlässlichen Schätzer des Erwartungswerts wird.

Demonstration

Illustratives Szenario: Ein Versicherer, der viele unabhängige, klein dimensionierte, identisch verteilte Policen schreibt, beobachtet, dass der durchschnittliche Schaden pro Police mit wachsender Policenzahl stabilisiert; Pooling reduziert die relative Volatilität durchschnittlicher Verluste und ermöglicht planbarere Prämienkalkulation und Risikoübertragung, vorausgesetzt Unabhängigkeit und endlicher Erwartungswert liegen vor.

Fehlanwendung

Die LGZ (Gesetz der großen Zahlen) als Garantie für Einzelereignisse zu interpretieren, anzunehmen, Diversifikation beseitige sämtliches Risiko, oder sie anzuwenden, wenn Beobachtungen stark abhängig oder tailliert (unendlicher Erwartungswert/Varianz) sind. Der Fehler ist, die Stabilisierung von Mittelwerten mit Gewissheit über Einzelfälle zu verwechseln oder technische Voraussetzungen zu ignorieren.

Konsequenz

Begründet praktische Techniken: Risiko‑Pooling, Versicherung, Diversifikation und Konsistenz stichprobenbasierter Schätzer. Sie rechtfertigt die Verwendung großer Stichproben zur Schätzung von Populationsmittelwerten und motiviert versicherungsmathematische sowie statistische Verfahren, innerhalb ihrer Annahmen.

Umkehrung

Die durch die LGZ implizierte Konvergenz versagt oder ist irreführend, wenn Beobachtungen problematisch abhängig sind (starke Korrelationen), nicht identisch verteilt ohne ergänzende Bedingungen sind, oder aus Verteilungen mit unendlichem Erwartungswert/Varianz stammen; dann stabilisieren sich Mittelwerte möglicherweise nicht oder tun dies nur langsam/unzuverlässig.

Abgrenzung

Eindeutig innerhalb: Folgen unabhängiger, identisch verteilter Zufallsvariablen mit endlichem Erwartungswert (klassische LGZ‑Bedingungen). Grenzfall: schwache Abhängigkeit oder Heterogenität — die LGZ kann unter zusätzlichen technischen Bedingungen gelten, aber Konvergenzraten und praktische Zuverlässigkeit variieren. Eindeutig außerhalb: Prozesse mit Langzeitabhängigkeit, sich ändernden Verteilungen oder schweren Tails, bei denen Mittelwerte nicht sinnvoll konvergieren.

Semantische Spannung

Spannung zwischen der stabilisierenden Erwartung großer Stichproben und der empirischen Realität von Tail‑Risiken, Abhängigkeiten und Nicht‑Stationarität: Die LGZ verspricht Mittelwertstabilität unter Annahmen, die viele wirtschaftliche und natürliche Prozesse für Extremereignisse oder systemische Abhängigkeiten verletzen.

Synthese

Das Gesetz der großen Zahlen erklärt, warum Mittelwerte bei ausreichend unabhängigen Beobachtungen verlässlich werden und rechtfertigt Pooling zur Reduktion idiosynkratischer Risiken; es beseitigt jedoch nicht die Relevanz von Abhängigkeitsstrukturen oder schweren Tails, die seine praktische Geltung einschränken können.