Das Gesetz der großen Zahlen besagt, dass sich der Durchschnitt vieler unabhängiger Wiederholungen eines Zufallsexperiments mit wachsender Zahl der Versuche dem Erwartungswert nähert. Die relative Häufigkeit eines Ereignisses nähert sich so seiner Wahrscheinlichkeit. Laut Spektrum Lexikon der Mathematik zeigen zufällige Einflüsse mit wachsender Anzahl in ihrer Gesamtheit ein zunehmend festes Verhalten.
- Gesetz der großen Zahlen
Der Satz der Wahrscheinlichkeitsrechnung, nach dem sich der Durchschnitt vieler unabhängiger Versuche mit wachsender Zahl dem Erwartungswert nähert.
Beispiel: „Nach dem Gesetz der großen Zahlen ist die Conversion-Rate nach 10.000 Besuchen verlässlicher als nach 100.“Auch: Law of Large Numbers, Gesetz der großen Zahl.
Abgrenzung zum Gesetz der kleinen Zahlen: Das ist ein Denkfehler, der so tut, als gelte das Gesetz der großen Zahlen schon für wenige Fälle.
Herkunft des Gesetzes der großen Zahlen
Schon die 1713 erschienene Ars conjectandi von Jacob Bernoulli enthält das Gesetz für die relative Häufigkeit. In der deutschen Übersetzung von 1899 schreibt Bernoulli, selbst ein einfältiger Mensch wisse, dass mehr Beobachtungen weniger Irrtum bedeuten; zu beweisen sei aber, wie sicher das mit wachsender Zahl wird. Sein Beispiel ist eine Urne mit 3.000 weißen und 2.000 schwarzen Steinchen. Die Mathematik unterscheidet heute ein schwaches und ein starkes Gesetz; das starke bewies Kolmogorow 1933, es ist die Grundlage der Häufigkeitsdeutung von Wahrscheinlichkeiten.
Was das Gesetz der großen Zahlen nicht sagt
Das Gesetz gleicht nichts aus. Laut Lexikon der Physik lässt sich keine Zahl von Versuchen angeben, ab der eine Abweichung sicher klein ist; größere Abweichungen werden nur immer unwahrscheinlicher. Wer nach einer Serie Rot auf Schwarz setzt, weil das Gesetz den Ausgleich verlange, begeht den Spielerfehlschluss: Der Anteil nähert sich der Wahrscheinlichkeit, weil frühe Abweichungen in der großen Zahl verdünnt werden.
Das Gesetz der großen Zahlen im A/B-Test
Conversion-Raten, Klickraten und Bewertungsdurchschnitte sind relative Häufigkeiten. Sie werden mit mehr Besuchen stabiler, aber eben nur mit hoher Wahrscheinlichkeit. Aus unserer Sicht braucht ein A/B-Test deshalb eine vorher festgelegte Stichprobengröße, statt so lange zu laufen, bis der Unterschied stabil aussieht. Voraussetzung sind gleiche Bedingungen; eine Saison oder eine neue Kampagne mitten im Test verletzt sie.