Heft 4 Eggenberger und P b l y a , Ueber die Statistik verketteter Vortranee 279

Die Formel (97) k6nnte vielleioht dam dienen, den Koeffizient des Venturi-
Meseers zn bereohnen. Wenn man daa Reibnngsglied vernaohlusigt, so erh&lt man :

'V=0,97 r/ 2gh
(U2/Ud2 -1'
wo h die Druckhohendifterene hnd ~ ~ S / C T das
I Qaersohnittsverhgltnis bedeutet. Die tat-
stlchlioh angegebenen Koeffizienten schwanken zwisehen 0,94 und 1,Oo l).
Leider ist mir hieriiber nichts Qenaueres bekannt.
Dezember 1922. 252

Uber die Stafistik verketteter Vorg6nge.

Von F. G G W N B ~ G E I lund 6.P6LYA In Zarlm.
n dem meisten Anwendungen der Wahrswheinliohkeitsrchnnng, sei ee in der physi-
I kalisohen, biologischen oder sodden Btatistik, werden nnr atmabhstngigeu Ereigniese
betraohtet. Die n Emzelftllleeiner statistisohen Serb heiEen von einander Bunabhllngiga,
wenn Bii, Chancen bei einem jeden nnter lhnen von dem Ansfall der Bbrigen n - 1
unbeeinflufit bleiben. Wir kSnnen 5. B. die sitmtlichen Gebwten innerhalb Deutsohlands
wghrend eines Kalendermonats zn einer Serie rasammenfasilen nnd bei jeder Qebnrt
registrieren, ob das neageborene Kind Knabe oder MBdohen ist. In dieser Bealehung
sind die einaelnen Qeburten von efnander nnabhgngig, mindeatens gibt das vorliemnde
Zahlenmaferial keine Veranlassang aneunehmen, dai3 etwa die Chsnoen einer Knaben-
geburt in der zweiten Blllfte des Monats dnroh den Aasfall der Knabenqaote in der ersten
Hillfte irgendwie beeinfldt wtlren - was die meisten Leser anoh ohne statistisohe
Untersuchnng glanben werden. Wir kljnnen aber auoh s8;mtliohe Pawonen an einer
statistisohen Serie zusammenfaasen, die innerhalb Deutsohlannde wllbrend eines %lender-
monats einen Eisenbahnmg besbfgen, nnd bei jedem Beisenden registrieren, ob er infolge
Eisenbahnnnfalle wllhrend der Fahrt gestorben ist. Die einaelnen Ereignisse dieser Sede
sind voneinander nicht unabhstngig. Denn die Leben der Insaaeen desselben Zngee
sind in hohem Maae >)solidarboh*: Der Tod einer Person infolge Eiseabahnunfalls mu6
als eine an0erordentliche Versohleohterung dar Chancen aller Mitreisenden angesehen
w erden.
Die theoretische Behandlung nioht unabhbgiger Ereignisse wgre wohl Wr alle
Anwendungsgebiete der Wabreoheinliobkeitereohnung sehr wichtig, ist aber tatstlohlich
sehr schwierig. En sind au6erordentlioh dele versohiedene Struktnren von gegenseitiger
Abhllngigkeit denkbar; von diesen ist eine ansznwiihlen, die erstens die Strnktur der
Beobachtnngseerien annfihernd richtig wiedergibt und die aweitens der Reohnnng so weit
zugiinglioh ist, d a l sie bis ~ lnamerimhen
l Ergebnissen verfolgt wePden kann.
In der vorliegenden Abhandlnng wird eine Art der Wahrscheinlio~eitsverkettnng
nntersnoht, die z. B. die Strnktur der Epidemiesterbliohkeit, der g e w e r b l i c h e n
und Verkehrsnnf Blle im gro0en Qanzen zntreffend darstellt, jedenfalls vie1 zntreffender,
als die Annahme der unabhgngigen Wahrsoheinlicbkeiten. Einige numerisohe Stich-
proben, von denen eine im folgenden mitgeteilt wird, spreohen sehr fiir diem Ansicht.
Die nntersnchte Art der WahrsoheinlIchkeitsverkettnng - man kannte Eie Bare als
sChancenvermehrng durch Erfolga bezeiohnen - ist sioher anoh nicht anathnlioh der-
jenigen, die die einrelnen Individuen einer Pflanzenart aaf die versohiedenen Stellen
einer einheitlichen, natiirlichen Vegetationsdeoke verteilt. Die letaten Absohnitte nnserer
Arb& sind einer dnrch diem Bemerkong veranlaf3ten ctllgemeinen Untersuohnng iiber
die Eti%ti6thPheVefieilnng von Punktgeeamtheiten im Baume gewidmet. Solche Verteilnngen
baben fur die Phyeik (radioaktiver ZerfalJ, Bro wneohe Bewegang) ein gewiseee Interease. -
Vom mathematisohen Qesichtspunkte aus kommt man zwaugslstdig anf die rm betrachtende
Aufgabe, wenn man die 'beiden einkeohsten und illteeten Antgaben der Wahrscheinlich-
keitsrechnung, wiederholte Ziehungen an8 einer Urne mit nnd ohne Zuriioklegung der
Kngeln, anf mgleicbe Benennnngu bringen will.
Die theoretischen Ueberlegungen stammen von dem zweitgenannten, die praktische
Durchfiihrung der Anwendungen von dem erstgenannten Verfasser.
') Ph. F o r c h h e i m e r , 1. c. S. 2 2 4 ; 8. A. Gibson, Hydranlios (London 1919) 8. 736.
280 Zeitschrift fiir aneewandte Mathematik und Mechanik Band 3

1. Die S h k t u r der Wahrscheinllchkeitsv~ket~n~. Wir betrachten eine

.
geordnete Folge von Grtiflen XI,XU,. . . xn,. ., die dem Zufall unterworfen sindl). Wenn
die Chancen, von denen der Ansfall von x, abhiingt, im voraus feetstehen, unbeeinfldt
.
von dem Auefall aller iibrigen, ,&o heifien xI, XS, . . x,,,. . . voneinander n n a b h f n g i g .
Wenn die Chancen von xn+l 'durch den A'usfall von x,. besimmt sind (.n 2 11, 60 haben
wir eine e i n f a c h e K e t t e von (fr83en vor uns nach der Terminologie von Markoff,
dem eine sehr weitgehende Theorie dleses einfaoheten Fallee wahrecheinlichkeitsteoretisoher
Bbhhgigkeit zu verdanken istz). Der nfchst einfaohste Fall w k e der, daE die Chanoen
von xu+]von dem Qesamtresultat der vorangehenden Zufalle, d. h. von dem Ausfall des
Wertes der Summe XI + +. xs .
. +xrb bestimmt sind. Eine allgemeine Theorie d i e m Art
von Abhtlngigkeit besitzt man leider noch nicht; ein Spezialfall 60ll hier behandelt und
zunElchst durah das Urnenschema erlilntert werden.
In einer Urne befinden eioh zu Beginn des Spieles R rote und X schwarse, ins-
gesamt R + S = N Kugeln. Man aieht an8 der Urne eine Kugel, und man legt an
S t e l l e der g e z o g e n e n Huge1 l + d K u g e l n d e r s e l b e n F a r b e in die Urne. Nun
zieht man wieder eine Kugel und wiederholt die gleiche Operation. Nach der n. Ziehnng
befinden sich also in der Urse N + d n Kngeln. Sind in den ersten n Ziigen r rote
uad s schwarze (r+ s = n) Kugeln geeogen worden, so befinden .sich in der Urne
R + rd rote und S+ S J schwarze Kugeln, und die Wabrsoheinlichkeiten, beim ( ~ 1 ) . Zug
eine rote beziehungsweise eine sohwarze Kugel zu dehen, shd:
----
R + r d pcr8
~ + n d 1+nS
$+Sd
bezw. --=-
N+nA
n+88
1+n&
. . . . . . (l),
wenn zur Abkiirzuna I

geeetzt wird. Fiir A = 0 haben wir die gelllufige Anfgabe der mrihkgelegten, fiir
d = - 1 die der nicht zudckgelegten Kugeln.
Wir konnen uns abstrakter 60 anedriicken: die vorn Znfall abhgngigen Gr6flen
.
xl, x g , . . . xn, . . sind nur zweier Werte flhig: des Wertes 1 nnd des Wertee 0. Die
Wahrscheinlichkeit dattir, daO XI = 1 auafllllt (roter Zug), eei 8, die Wahrscheinlichkeit
fiir x1 = 0 (schwarzer Zug) sei 6,Q + 6 = 1. Es mien
_+_@*
@
__ ..
+ a.9 -+ . + m,,6 bezw.
G+ ( ~ - - s I --.Ea - , . .- =n)S
- . . . (3)
1+?d--- 1 -+ nS
die Wahrscheinlichkeiten dafiir, da!3
X,+I +
1 bezw. =0
ausfgllt. Setzt man XI + a + ... + x n = r , s = n - r . . . . . . . (4),
80 sind die Formeln (1) nnd (3) identisch. 1st 8 > 0, so hat man Chancenvermehrung
durch Erfolg und Chancenverminderung durch MIBerfolg, im Falle < 0 steht es
umgekehrt. Es sind also im Falle b > 0 sowohl Erfolg wie MiBerfolg Sansteckenda;
6 = 0 ergibt den klassischen, einfmhsten Fall nnabhlingiger Ereignisse. Im Falle 6 2 o
.
kann die Reihe der Qr6Ben X I , xs . . unbegrenzt fortgesetst werden, im Falle b < 0 nur
so Iange, als 1 +
n 8 > o ist.
2. Berechnung der Wahraeheinllchkeiten und der Erwartungen. Wie groD
ist die Wahrscheinlichkeit dafiir, dab XI + x., + .+
. . xn= T ansfiillt? (ftir T kommen die
..
Werte 0, 1, 2 . ?a in Betracht). Mit anderen Worten: Wie GOB ist die Wahrsohein-
lichkeit, nnter den angegebeuen Bedingungen aus der Urne in n Ziigen t rote und
s = n - T schwarze Kugeln zu ziehen? Die Wahrscheinliohkeit dafiir, dab
x1=1, X a = l , .'.
x,=.1, x,+1=0, x,+,=o ...
ansfmt, ist naoh dem blnltiplikationssatz der Wahrecheinlichkeiten
+ d ' q___. B -I-(8 - 1)s
- g p--
.- - +aS .. ~ + ( r - - i ) S u at8
. (n).
I 1+Sl+zS 1+(r-i)S1+rBI+w++.)J i+(n-~)S
Die Wahrscheinlichkeit dafiir, da% T bestimmte unter den XI, x1, . xnden Wert 1 ..
nnd die iibrigen s den Wert 0 erhalten, ist wieder duroh ( 5 ) gegeben; denn wenn man
Italienisoh kann man an Stelle vdn *vom Zufall abhllnglge Qr(l6ec etwas glticklicher *variabile
cmuale= sagen. vergl. c f . Gas t e l n u o v o , Calcolo delle probabilith (Milano-Roma-Napoli 1919), 6 30.
Im folgeuden sind vom Zufall abhnngige GrB6en duroh fetten Druck hervorgehoben.
') Vergl. A A. M a r k o f f , Wahrscheinlichkelts~e~linung.(Leipaig-Berlin 1912), 8. 272 bis 311.
Heft 4 E g g e n b e r g e r und P b l y a , Ueber die Statistik verketteter Vorggnge 281

den entsprechenden Produktansdruok naoh (3) bildet, so erhlilt man wieder n Bruche,
deren Nenner ebenso lauten wie die von (5), wiihrend die ZUler nur in ihrer Reihen-
folge vertauscht sind. Die Bereohnung kommt somit lediglich auf eine Permutation der
Faktoren im ZEthler (nicht im Nenner!) hinaus; aus n Elementen kann man r auf
Arten heransheben, daher 1st die gesuchte Wahrscheinlichkeit

Wir berechnen jetzt die m a t h e m a t i s o h e E r w a r t u n g von r ( r 1 ) (r - 2 ) - ..

(r - k + 1 ) . Die zu bereahnende GrBBe bezeiohne man mit ( r (r - 1 ) (r - 2) . ..
ir - k + 1)).
(t(r- ~ ) ( r -

.
In der Summe im ZBhler ist also T = 0, 1, 2, . . n, S = T - n 5u setzen. Der
Ziihler ist der Koeffizient von zn in dem Produkt der baiden Reihen
rn
2- T ( T - 1) . . . (v - k + 1) T! s=o 8!
2s
I =o
, . (-$+k-l) - ~-z)-'~
( t - ~ ) - ~ l ~(1

(i+k)($+k+l) . . . ( $ + k + n - -__
k--l
s s
=T(y+ 1) ...($+ k - 1 (n - k)! 2%.

Es ist also e e + ,) ... ($+ k -1) (+ + k ) (f + k + 1) . . . ($ + n - 1) (la--w

1

(r(r-1) . . . (r--+I))=
(

Man kann (7) auch durch andere, mehr kombinatorische Betrachtungen gewinnen.
Speziell folgen am ( 7 ) fur k = 1,2 der Erwartungswert yon r und das Qnadrat der
mittleren Abweichung dieeer Erwartung :
(r)=en . . . . , , . . . . (8) .
((r- (r>)'> = (I2) +
- { r j 2= ( r ( r - I)) ( r ) - ( r Y
=-e +
J +
1 (1 + 6)
' ) n ( n - 1) + n q - naps= nq ( t - el-i1i +- n8a * * *
- (9).
1 R 9
Fur 8 = 0, bezw. fiir 6 = - -, q = -, u = - vergl. (21, erhillt man hieraus die
N N "
wohlbekannten klassisohen Resultate, was zur Kontrolle dienen mag.
3. Der Grenzfall relfener Ereigniose. Wir wenden uns zu VerhPtnissen, die
vorliegen, wenn die Anzahl der beobachteten FLlle n sehr grol, aber e 60 klein, d. h.
das Merkmal von der Wahrscheinlichkeit e so selten ist, dab die erwartungsmilige
Anzahl ( r )= en nur gering ist. Man denke sich z. B., dafi n die Anzahl der Personen
ist, die innerhalb Monatsfrist eine Eisenbahnfahrt antreten, und e die Wahrsoheinlichkeit
dafur, dab die angetrelene Fahrt mit todlfchem Unfall endet. Man setze
ng=h, n 8 = d > 0 . , . . . . . . . (to).
I) Die Erm artung (mathematische Hoffmng, Durohschnittswert) einer vom Zufall abhllngigen
Grti6e H sol1 stet8 mit ( x ) heaeichnet werden, mit spitzen Elammern (), deren Gebrauch fir diese
Bezeichnung reserviert wird.
282 Zeitachrift ftir anaewandte Mathematik und Mechenfk Band 3

und nehme h und d mWg, n sehr grofl an, oder, in saohgemiifler mathematiseher
Abetraktion, h und d feat uod n gegen konvergierend. Wir bwimhnen znerst den
Q)

Qrenzwert der Wahmoheinliohkeit Po,%. Es ist gemilfl (6)

Set& man hierin gemil6 (LO)

Igpo,* = --
d 1
- R. . . . (18).
I+-
n
Der Rest R, wird fiir n = unendlioh klein; R, ist von der Ordnung I/,, wie
00
man sich leioht uberzeugt. Der Klammeraosdmok reohts in (12) ist als eine Summe von
n Rechteoken mit der Basis dJ, aufeafaasen; wenn sie Seite an Seite ant der Abszissen-
aohse so anfgestellt werden, daB ihre Qrnndlinim die Streoke ewisohen den Abseissen 0
nnd d ausfiillen, so liegen die linken oberen Eeken anf der Eurve y = - . Daher ist
1
1 +*
d

n=w
lim Po.* =(t + d) '/d = p0 . . . . . . . . (13).
Es folgt aus ( 6 ) , ( I ! )
n ( n - 1 ) (n-2) . .. (n-V+1) e (,+S e +(r- 1) s
pr, n--P = Po. n 1. a. 3. . .. T u + ( ~ - l ) d a + ( . -2)s . * * (r+(n-r)l3

1 (I-:) (I-:) ... ( 1 - ' e i ) h ( h + d ) . . . ( h + ( r - l ) d )

= Po, n
P! (l+d-hLd) R ( l + d - - h+2d) .. . (l+d-
Diese Formel ergibt fiir festes T in Verbindung mit (13)

=-h
rl
1
(h + d ) (h + S d ) . .. (h + (T - 1)d) (1 + d)-"/d-'= P, . . . (14).

Zur Kontrolle der Formel (1 4) berechnen wir die Snmme der Grenewahrschein-
.
liohkeiten PO,PI,Pa, . . . P,, . . Es ist

Znr weiteren Kontrolle von (14) berechnen wir die Erwartung

m
(r( r - I) . . . (r - k + 1)) = T(T- 1). . . (T- k+ 1) P,
r=O

=(1 +d ) - h / d
.
1. 2. 3. , . r z=d(l+d)''

=(l+d)-h/+) d --(;+
k h h 1) ...(;+h k-l)(l - q L ' d - k
l+d
..
( r ( r - 1) . (r-k+ 1)) = h ( h + d ) ( h + 2 d ) . (h ( k - I)d) (15). + .
Dasselbe Resnltat hBitten wir auoh an8 (7) dnroh direkten Grenziibergang erhdten
kiinnen. Insbesondere gewinnen wir fur die Erwartnng (r) and fiir das Qaadrat der
-
Heft 4 E g g e n b e r g e r und Pblya, Ueber die Strttistik verketteter Vorgbge 283

mibhleren Abweichung davon, entweder aus (16) oder dnrch Grenztibergang aus (a), ( 9 )
die Werte:
(r, = h . . . . . . . . . . . (16).
((r - h)3 = h ( 1 + d ) . . . . . . . . . (17).
Wir haben bisher den Fall d > 0, d. h. den Fall der Chancenvermehrung durch
Erfolg vor Augen gehabt. Es wird fiir d = 0
Jim p0 == lim (1 + d)-*/c~ = e-" = p0*
d=O d=O
und allgemein, vergl. (14),
hr 8-h
limP,=,-- T. - Pv* . . . . . . . . . (18).
d=O

Die abgeleiteten Formeln schlieflen also fiir d = O den wohlbekannten Fall der
u n a b h P n g i g e n seltenen Ereignisse ein, der von P o i s s o n endeokt nnd von
L. v.'Bortkiewicz in seiner Bedeutung fiir die Btatistik erkaunt worden ist').
4. AnwtdUng. Die dnrch die Formel (14) gegebenen Wahrscheinliohkeiten
PO,A,PB,... Py ... entsphgen, kur5 zosammengefa5t, folgender wahrsohelnlichkeits-
theoretieoher 8truktur: das Beobaohtungematerial ist sehr grod, dae untersuchte Merkmal
ist sehr selten, und die einzelnen beobaohteten FUle hPngen derart zusammen, da$ j e
stbker in dem einen Teil des Beobaohtungsmateriale dae Merkmal vertreten ist, urn so
stiirker es auoh in dem itbrigen Teil zu erwarten ist. Die beobachteten FUle seien etwa
die Sterbefme in einem bestimmten Land innerhalb eines Monats. daa untersuohte be-
sondere Merkmal daa Ableben infolge eiaer seltenen epidemischen Krankheit, wie Pocken
oder Cholera. Der Umetand, da% in der ersten Hame des Monats besouders vie1 Pocken-
fme a m Eegistrfernng gelangen, p r l j n d i z i e r t die zweite Monatt&&lfte in demselben
Sinn e. EisenbahnunfUle oder gewerbliohe Unfiille, z. B. infolge Explosion, greifen,
statistisch gesprochen, Phnlich urn eich wie eine ansteckende Krankheit, indem sie im
allgameinen mehrere Personen dahinraffen. Es iet 5u erwarten, daB die statistisohen
Zahlen derartiger Ersoheinungen mit dem Verlauf der Wahrscheinliohkeiten PO,PI,5 , ...
Pr,... qnalitativ iibereinstimmen.
Nuh zur quantitativen Priifung! Nehmen wlr etwa die TodesWe an Pocken in
der Sohweiz wiihrend der Jahre 1877/1900, d. h. wlihrend 288 Monaten, vergl. Zshlen-
tafel 1, S. 285. Es fanden insgesamt 1 5 8 4 solohe Todesfglle statt, ale0 durchechnittlich
6 , s im Monat. Setzen wir
h=5,5 . . . . . . . . . . - (191,
so ktnnen wir die Wahrsoheinliohkeiten PO*, PI*,... nach' Formel (18) berechnen (PO*,
PI*,... p,*, ... entsprechen n n a b h g n g i g e n seltenen Ereignissen). 288 Pr* ist die
e r w a r tungsm&$ige (theoretische) Zahl derjenigen Monate unter den 288 beobaohteten,
In denen genau T Todesfglle stattfinden sollen, vergl. Spalte I11 der Zahlenhfel 1; die
tatsEohliohe Zahl dieser Monate beflndet eioh in Spalte I1 der Zahlentafel 1. In
r
SpalteVI der Xahlentafell befinden sich die Zahlen288 (PO"+PI*+ . . . +Pr*)= 288 2' Pp*,
P=o
gegentlbergestellt den entsprechenden beobaohtetQnZahlen in Spa3te V; i m Durchschnitt
.
der Spalte V mit der Zeile T (wo r = 0 , 1 , 2 , . .) steht also die Anzahl derjenigen Nonate
unter den beobachteten 288, in denen n i c h t mehr a l s r Todesfillle der fragliohen Art
sich ereigneten. Die Niohtiibereinstimmung der Theorie, die die Unabhhgigkeft
der Einzelflllle a h m t and zu den Wahrschainlichkeiten PO",PI*, ... P?;, ... fahrt, mit
den vorliegenden Tabsohen, geht entweder aus dem Vergleich der Spalten Ii und III sder
aus dem der 8pdten V und VI, oder endlich nooh au8 folgendem hervor: es miiiite, wenn
die Ereignisse unabhPngig sind, das Quadrat dep mittleren Abweichung h betragen
(vergl. Formel (17), fitr d = 0 ; h F 5,6 in unserem Fall). Mnltiplizieren wir (T - 5 , 5 ) a
mit der Anzahl derjenigen Monate, in denen genau r TodesftGUe sich ereigneten (vergl.
Spalte 11, Zeile r), summieren von T = 0 bis T = 60 und dividieren die erhaltene Snmme
durch 287, d. b. Gesamtzahl der Yooate minus 1, so erbalten wir 8 3 , 5 8 8 8 , alto bedeutend
mehr als 5,6.

I) L v. B o r t k i e w i c z , Daa Gesetz der kleinen Zahlcn (Loipzig, 1898). 111 der Bemichnung
f'olgen wir R. v. M i a e a , dime Zeitachrift, 1, S. 1 2 1 bis 124.
28 4 Zeitschrift fur angewandte Mathematik und Yechanik Rand 3

Um die Theorie der Chancenvermehrung duroh Erfolg an dem vorliegendea Fall

zu kontrollieren, bestimmen wir, veranlaBt durch Formel (171, d a16 der Gleichung
h (1 -I- d) = 83,6685
(die Bereohnung dieser Zahl 83,588 8 wurde eben auseinandergesetzt). Man erhlllt
d = 14,20 . , , . . . . , . . . (20).
Mit den Zablenwerten (19) (20)
berechnen wir die Wabrechelnlioh-
keiten Po, PI, A,. . . gemla For-
me1 (14). Die Gegenuberstellung der
SpaltenII undIV und nooh mehr die
der Spalten V und VII der Zahlen-
tafel 1 e g i b t eine a d den ersten
Anblick gana befriedigende quanli-
tative Uebereinstimmnng der thepreti-
schen erwartungsm&5igen Anrahlen
IVYVII mit den entspreohenden beob-
achteten Zahlen 11, V.
Natklich kiinnte man das
Besultat, daD mit den P, beasere
Uebereinstimmung er~ielt wurde als
mit den Pry, auch dem Umtltand zu-
schreiben, da8 die P,* nur einen
anpassungsfiihigen Parameter, nllm-
lioh k, wZLhrend die P, zwei solohe
enthalten, nElmlich h und d. Wir
neigen aber der h e i c h t zu, daO die
betsere Uebereinstimmmg nioht blofl
von diesem iiufierliohen Umstand,
sondern vielmehr davon herruhrt, da%
das wahrsoheinlichkeitstheoretisoheBild
mit der Wirklichkeit vie1 besser iiber-
einstimmt, wenn Chancenvermehrung
dnrch Erfolg, als wenn Unabhhgig-
keit der-FPle angenommen wird. Die
Priifung der Theorie an anderem
statistischen Material fie1 zum Teil
nooh gtinetiger aus. Die Einzelheiten
wird der erstgenannte Verfasser an
anderer Stelle vsriiffentlichen.
5. Glaichrn#@geund stabile
Verteilung einer Punktdesadheit
im Rawne. Ob der Baum, am den
es sich handelt, ein-, zwei-, oder
Vergleich zwischen Theorie und BeoLachtung in der dreidimensonal ist, macht nur einen
Sch’weizer Pookenfall-Statistik. nnerhebliohen Untersohied fur die
(Die Ordinate znr Ahsalsae z stellt die Anzahl der Mo- nachfolgendeBetrach tnng 8116.Sprechen
nate dar, in denen die Zahl dar Todesfitlle weniger wir, der Bestimmlheit halber, etwa voh
&Is 30 oder 1~ betrBgt ) dem zweidimensionalen Fall, d. h. die
Punkte seien in einer Ebene verteilt.
Es mi vorgelegt ein ebeneg Fllchenstilck F vom Flllchenfnhalt f . DaO ein Punkt P
auf die Fllohe F g e s t r e u t wird, darnnter verstehe man folgendes: e~ sei F’ irgend ein
Teilstiick von F vou drm Flgcheninhalt f’; die Wahrsoheiulichkeft dafur, dafl der Punkt P
r’
auf dem Teilstiick F’ liegt, ist gleich -. Es iet jetzt Mar, was darunter zu verstehen ist,
f
da4 mehrere Punkte voneinander unabhhgig auf F gestreut sind. Sind r + r Punkte
voneinander nnabhPngig auf F gestreut, so ist die Wahrscheinliohkeit dafiir, dai3 von
den r + v Punkten r Pnnkte aul das Teilstiick F’und Y Punkte aderhalb des Teilstuckes F’
fallen, gleich
(ry) ($1-y
(1 . . . . . . .
Heft 4 E g g e n b e r g e r und P b l y a , deber die Statistik verketteter Vorglnge 285

Zahlentafel 1.
D i e Todesffllle an Pooken in der Sohweia in den Jahren 1877/1900.
I I1 I 111 I IV v I VI 1 VII VIII 1 IX
Zahl der Monate Summenzahlen .bweiohung zwischenV
Zahl der
Todesfillle ststlohlieh ach 131. (18)lnach GI. (14: u SpalteIl 1 Spalte I1 u SpalteIV und VI und VII
~~ ~ ~~

0 100 1J 100,4 - 98,s

1 139 777 136,7 -131,3
2 167 25,5 160,2 -141,5
3 193 58,l 177,7 -1 31,9
4 206 103,O 191,5 -103,O
5 212 152,4 202,s - 59,6
6 223 197,6 212,3 - 25,4
7 228 233,l 220,4 5,1
8 233 257,6 227,4 24,6
9 239 272,6 233,5 33.6
10 240 280,8 238,s 40,8
11 246 284,9 243,5 38,9
12 248 286,8 247,7 3 8,s
13 250 287,6 251,4 37,6
14 253 287,9 254,7 34,9
15 256 288,O 257,7 32,O
16 256 288,O 260,4 32,O
17 258 288,O 262,s 33,O
18 260 288,O 265,O 28 0
19 261 288,O 267,O 27,O
20 263 288,O 268,s 25,O
21 267 288,O 270,4 21,o
22 268 288,O 271,9 20,o
23 271 288,O 273,2 17,Q
24 271 288,O 274,4 17 0
25 273 288,O 275,5 15,O
26 274 288,O 275,5 14,O
27 275 288,O 277,4 13,O
28 276 288,O 278,2 12,o.
29 276 288,O 279,O 12,o
.3 0 279 aa8,o 279,7 970
31 279 288,O 280,3 9,0
32 28 0 288,O 280,9 8,O
33 280 288,O 281,4 8,O
34 28 1 288,O 281,9 790
35 282 288,O 282,4 690
36 28 2 288,O 283,s 6,O
37 282 288,O 283,2 670
38 283 288,O 283,6 5,0
39 253 288,O 283,9 5 ,0
40 283 288,O 284,2 590
41 283 288,Q 284,5 5,O
42 283 288,O 284,s 5,O
43 284 288,O 285,O 4,o
44 2R5 288,O 285,2 3 ,0
45 285 2*8,O 285,4 370
46 285 288,O 285,6 3,0
47 285 288,O 285,s 3,o
48 285 288,O 2 8 6,O 3,O
49 285 288,O 286,l 3,O
50 285 288,O 286,2 38
51 285 288,O 286,3 390
52 285 288,O 286,4 390
5s 285 288,O 286,s 5,0
54 287 288,O 286,6 190
286 Zeitschrift fiir ongewandte Mathematik und Meohanik Band 3

I I I1 1 III 1 IV

Zahl der I Zabl der Monate

-. . . -
Summenzahlen IAbweiehnngzwiachenV
1
~

tach 01. (18 u SpaiteIvl nnd VI n n d VII

287 288,n 286,7

287 288,O 286,8
287 288,O 286,9
287 288,O 287,O
287 288,O P87,t
288 288,O 287,2
2*7,3
287,4

I: Ansahl der Todesfillle i n elnem Monat = T. 11: Anrahl der Monate, in denen effektiv
r Todesflllle &ofgetreten = M,. 111: Anzahl d e r Monate mit f Todesfilllen, theoretiseh, bei Annahme der
Unabhllngigkeit = 288 P;. IV: Anzahl der Monate mit r Todesftlllen, theoretisoh, bet Annahme der
I T r
Chancenvermehrnng durch Erfolg = 288 P,. V: 2 Mv. VI: 288 P;. VII: 288 2 P,.
v=o v=o v=o
r r
VIII: 2 (288 P: - Hv),
Abweichung von VI und V. IX: 2 (288 PV - H v ) , Abwelehnng von
v=o ‘, = 0
VII nnd V.

Um die Verteilnng einer P6nktgesamtheit in einer Ebene wehrscheinltohkeits-

theoretisoh en oharakterieieren, mnS man die Wtthrsoheinliohkeit W (T, P) dafiir angeben,
daS Innerhalb eines FlEohenstiiokee F genan r Punkte der Gesamtbeit siah betinden (7, P
beliebig). Nehmen wir an, daf3 die Verteilung gleiohmtBig ist, d. h. da% W ( r ,F) nioht
von der Lage und anoh nictht von der Form, sondern blo% von dem Flgoheninhaltf des
FlEohenstiickes abhhgt, W(P,F ) = Wr(f). Um eine gleiohmllflige Verteilong von Pnnkten
in der Ebene zu ahsrakterisieren, mub man also die Wahrsoheinlichkeiten

angeben. Die Fnnktionen (22) unterliegen der Bedingung

W , ( f ) 2 0fur T = O , 1, 2 , s ,...; f > o . . . . . . (1).
“0 + Wl c f ) + Wa ( f ) + . , . + W,( f ) + . . . = 1
(f) . . . . (11).
Die Verteilung einer Pnnktgesamtheit SOUim wahrsoheinliohkeitetheoretisohenSinne
s t a b i l heiflen, wenn rein enfllllige Stiirungen daran niohts Wesentliches glndern kijnnen.
Genauer gesagt: D i e S t a b i l i t i i t d e r V e r t e i l n n g e i n e r P n n k t g e s a m t h e i t b e -
s t e h t d a r i n , d a % a n dem s t a t i s t i s o h e n G e s a m t b i l d n i o h t s geglndert w i r d ,
wenn die in i r g e n d einem F l l c h e n s tu o k F befindliohen P u n k t e der G e -
s a m t h e i t a u s F h e r a u s g e n o m m e n n n d v o n e i n a n d e r u n a b h g n g i g anf F en-
r ii a k g e s t r e n t w e r den.
Au0erhalb F llndert die Herausnahme und Znriiokstrennng der in F gelegenen
Pnnkte offenbar niohts; wir miissen a150 bloD ensehen, wall hierdurch an irgend einem
Teiletuok P’ und F getndert wird. Es soll die Verteilnng von vornherein ale gleioh-
mtlbig angenommen und dnroh die Angabe der Wahracheinlichkeiten (22) festgelegt
werdm, die (I) und (11) geniigen. Die Pltoheninhslte von F und F’ soIlen wie oben
mit f und f ’ beeeichnet werden.
Vor Heranenahme der Pnnkte ans F war die Wahrsoheinlichkeit dafiir, dafl in F’
genau T Pnnkte liegen, = W,(f’).
Damit n a o h Heransnahme und Zuriiokstrennng genau T Pnnkte in F’ liegen sollen,
miissen von vornherein T + v Pnnkte in F vorhanden gewesen sein, v 2 0. Die Wahr-
soheinliohkeit dafiir, da% T +
v Pankte in F gewesen sind, ist Wr + v ( f ) ; die Wahrsohein-
lichkeit dafiir, dai3 aus diesen T + V bei der Zuruckstrenung genau T auf F’ fallen, ist
.
duroh (21) angegeben. Es kann Y = 0, 1, 2, 3, . . sein; daher iat die Wahrsoheinliohkeit
dafiir, da% naoh Zuruokstrennng genau r Pnnkte in f ’ liegen
m
P’
v=o
Heft 4 Eggenberger und P b l y a , Ueber die Statistik verketbter Vorgilnge 287

Somit ist die Stabilitiit der dnrch die Wahrsoheinlichkeiten (22) festgelegten Ver-
teilung dorch die Oleiohung

fiir o < f ’ d f , r = o , I, 2, 3, .. .
ausgedriiokt.
Urn die den Bedingungen (I), (a,
(ID)genugenden Fhktionen (22) aufmsuchen,
Eet5t man
+
wo ( f ) f vi (f) B: -t- ws ( f ) 6’ . .. = @ (f, 2) . . . . . (23).
Die Reihe (23) hat positive Koeftieienten, vergl. (I), nod konvergiert iiir a = 1,
vergl. (n), also tiberhaupt fur f > 0, IzI 5 1; a ist ale komplexe Variable aufgefdt.
Man multipliziere (m) mft zy und summiere uber T = 0, 1, 2, . j es ergibt sich ..
m m m
2 Wr(j’)zT=z
r=O
x z T~ , . + ~ , ( n ( T + v ) ( ~ ) l ( l - - l i j ).( .
r=O v = O V
. . (24).

Man setee 5ur AbkIirsung

--
f’
f-o, OCZ51 , . . . . . . . * (25).

Es ergibt sich &us (24)

2) = {I, ( f , ea: + 1
r . (to, - z). . , , . . . . (26).
Man setze W l , 21 + 1) = v (21).
An Stelle der Variabeln f, o,z sebze man entweder 1, f, a oder f , -, 1 (z - 1) f ;
I
1
+
die erste Wahl ist fiir f s 1, die sweite fiir tz
1 angebraoht, in Anbetracht der Un-
gleichung unter (25). Man erhElt in beiden FIUlen
(f,~=) V ( f 8-f) . . . . . . . . (27). I

Far @ (f, z) die Potenrreihenentwioklang (23) in (27) eingesetzt folgt -oh der
Ma ol a u r in sohen Formel
. . (28)

und duroh Koefflzientenvergleiohnng

) . I . . . . (29).

Bus der Qiiltigkeit der Potenrreihenentwioklnng (28) flir den Wertbereioh

f > 0, 1. 5 1 und &us den Bedingungen (I) (II) kommen wir echliefilioh 5a folgendem
Resultat: Die Wahrsoheinliohkeiten (22) eind, wenn d i e duroh aie d e f i n i e r t e
Verteilnng der P n n k t g e s a m t h e i t s t a b i l s e i n 6011, d n r c h d i e G l e i c h u n g (29)
g e g e b e n , wobei F ( u ) eine in der Halbebene 551 (u)C 0 a n a l y t i s o h e Fnnktion
bedeutet, deren stlmtlich Derivierten tar r e e l l e n e g a t i v e Werte von 21 reel1
und positiv sind; es i s t f e r q e r 1im V(u) 1, wenn u von der l i n k e n H a l b -
u= 0
ebene dem. P n n k t 0 enstrebt.
W(u) nimmt, wenn u duroh negative We& hindurch gegen 0 strebt, ntets s$u, da
V ” ( u )> o fIir u < 0.
288 Zeitschrift fiir angewandta Mathematik und Mecbanik Band 3

ES 6 0 i lim 71r’ (u)= D . . . . . . . . . . (30)

u=o
endlich; dann ist D > 0 und es gilt gemafi (29)
W
m Cf P%f)
,P r W v ( f ) = 2 -
= 2’c;LI pm qA* * m) (-f)
=fY’(O)=fD.
r=O r=l C! nt=0 m!
D ist die durohschnittliche Anzahl der Punkte der Gesamtheit pro FlBoheneinheit, d. h.,
kurz gesagt, die D i c h t e der Punktgesamtheit.
6. Unabhhgigkeit der Teil&esamfheften. Daf3 die einzelnen Teile der Punkt-
geeamtheit voneinander n n a b h l l n g i g sind, bedeutet, daS die Chanoen der Verteilung
an jedem Fllchenstiiok nnbeeinflnI3t von dem Ausiall der Verteilung an den ubrigen
Flllchenstiicken sind. Nehmen wir die Verteilnng als gleiobm8;flig m, festgelegt durch
die Wahrsohehlichkeiten (22). Betrachten wir zwei Fllohenstiicke A und F2, von dem
Flllcheninhalt f i b ezw. fi, dle znsammen eine Flilche F ausmachen vom FlBoheninhalt
f i + f 3 = f. Sind die eineelnen Teile der Punktgesamtheit voneinander anabhlngig, so
bleibt die Wahrscheinlichkeit dafiir, daf3 an f~ genau 71 Punkte sich befinden, gleich
W,(fi), nnabhbgig davon, ob an der Nachbarfllche f~ 0 oder 1 oder 2 oder 3 ... Punkte
sich befinden. Folglich ist die Wahrscheinlichkeit dafiir, dafl an f i doh rn und an fa
sich n Punk& befinden, gleich W,(fl) W,,(fa), uud die Wahrscheinlichkeit datiir, daf3 auf
f sich insgesamt r PunMe befinden,
+
W O( f i ) Wp(fa) TI( f i ) W?-i( f i )f ... W T(fi) Wo ( f a ) = wr(fi f f i ) .
(31).
Hieraus folgt fiir die unter (23) definierte Funktion @ (f, z) die Beziehung
@ (fi + fa, 2 ) = @ (ti,a) qJ(fi, a) . . . . . . . (32).
Wenn irgendwelche Teilgesamtheiten voneinander unabhilngig sind, so konnen
f,, f 3 beliebig gewllhlt werden. Das Bestehen von (32) fur alle Wertepaare f i , fi, wo
f i > 0,fa > 0, zieht bekanntlich die Qleiohung
cJ, (f, z) = e ~ ( 4 - f . . . . . . . . . . (33)
naoh sich, wo 9, (a) eine gewisse Funktion von a Ist. SOU .nooh die Verteilung stabil,
also @ (f, z) von der Form (27) sein, nnd anoh (30) bestehen, so ist
Y (u)= eou . . . . . . . . . . . (34),
(1) ( f , 2) = eo(E-1)l.
Es ergibt sich aus (34), ( 2 9 )
(Df)’e-’
Jv?(f)= *! . . . . . . . . . . (35).

Die Funktion (34) geniigt den am Ende von Absohnitt 5 ansgesprochenen Be-
dingnngen. Die Formel (35) geht ans dem Ausdruck von Pr* unter (18) hervor, wenn
man darin
h =Df . . . . . . . . . . . (36)
setzt. Man we%, daO das zu (35) analoge Qesetz fur eine bezw. drai Dimensionen die
Verteilnng der radioaktiven Zerfallsersoheinungen in der Zeit bezw. die der in B r o w n -
scher Bewegnng befindliohen Teilohen in dem Raum regelt.
7. Verteilung bei Chancenvermehrun$ durch Erfolg. Es sei ein Beispiel
angefuhIt, worin das Verteilungsgesetz sicherlich nioht (3 5) sein k a n a Zur Vertiefang
der Begriffe der Pflanrengeographie baben die Botaniker l) statistisohe Aufnahmen
folgender Art unternommen: h einer einheitlichen natiirlichen Vegetationsdecke werrlen
quadratieahe F l h h e n von gleichem Fllicheninhalt f abgegrenzt. Innerhalb jedes Quadrates
werden shtliohe darin vorkommenden Pflanaenarten bestimmt. Als Resultat der sta-
tistischen Aufnahme wird angegeben, wieviel Quadrate iosgesamt nnterenaht, wdche
Arten gefnnden worden sind, und in wieviel Quadraten jede Art vorgekommen ist. Di-
vidiert man die letatgenannte Zabl durch die Geaamtzahl der Quadrate, so erhEElt man
einen Annfiherongswert der Wahrscheinlichkeit, in einer Fllohe vom Inhalt f mindestens
ein Individunm der Art anrutreffen. Diese Wahrscheinlichkeit sei mit H bezeiohnet.
Es wird dieser Versuoh mit verschiedenen Quadratinhalten f ansgefiihrt, wobei H offenbar
‘I G. E. Du R i e t z , Zor methodologiachen Gruodlage der modernen Pflanzensosiologle, Disaer-
tation, Upsala 1921.
#eft 4 Eggenberger und P d l y a , Ueber die Statistik verketteter Vorghge 289

mit wachsendem f zunehmen mu& Die folgende Zahlentafel 2 bezieht sich auf eine be-
stimmte Art agd Vegetation’); sie enthlilt in der zweiten Zeile die empirischen Werte
von H fur 7 verechiedene FllchengrSden f, die in der ersten Zeile -in ma angegeben sind.
Die ZZihler und Nenner der Briiche fur H sind die beobachteten Zahlen selber.
Z a h l e n t s f e l 2.
-_
I. f i n m 2 . . . . I
I
0,0001 I 0,0004 ~ 0,0035 1 0,Ol 1 0,04 I 0,25 I 1

III. . . . . . . j 60,18 i 98,29 i 21,73 i 16,9B i 12,91 ~

i 3,40

Qemlld (35) ist die Wahrscheinliohkeit darfiir, dad an einem Flacheostuck vom
Inhalt f kein Punkt der Qesamtheit sich findet, = rDf, und folglich die Wahrsoheinlich-
keit dafiir, daii darin mindestene ein Individuum der Qesamtheit anzutreffen ist, =
1 e-Df=H -
. . . . . . . . . . (37).
Berechnet man D gemLf3 (37) aus den in Zahlentafel 2 zusammengefaflten 7 Beob-
achtungen, so erhtllt man die in der Zeile 111 der Zahlentafel 2 befiidlichen 7 Werte.
Diese sind nicht nnr sebr stark unbr 8ich verschieden (sie sollten einander gleich sein),
sondern aeigen einen nnverkennbaren Qang, eine systematische Abweichung. Man ersieht
daraus, dad in der vorliegenden Beobachtnngsreihe H tatsllchlich langsamer mit f an-
wlohet, als ee nach der Formel (37) anwachsen sollte.
Dab das Verteilungsgeseta (35), das bei mannigfacben physikallechen Unter-
suchungen sich so ausgezeichnet bewtlhrt hat, in diesem Falle versagt, ist nach dem
Vorangehenden leicht erkltlrlich. Die In Abschnitt 6 hervorgehobene Voraussetzung der
Unabhhgigkeit der einrelnen Teile trifft bier n i c h t zu; dad die Wahrscheinlichkeit
dafiir, aul der Pltlche F eine gegebene Anrahl Individuen zu finden, ganz die gleiche ist,
ob an der NachbarfiLohe F viele oder keine Individnen der gleichen Art sich finden,
ist bier offenbar’falsch. Vielmehr sind neben reich mit der Art bewachsener Flecken
leichter benachbarte z a finden, In denen ebenfltlle Individuen der Art vorhanden sind,
ale neben den van der Art total verlassenen Flecken: die benachbarten FlLchenstiicke
werden gewissermaflen nangesteckts.
Die Funktion
V ( U ) = ( l -aEC)-nlo . . . . . . . . * (38)
geniigt den in Abschnitt 6 ansgesprochenen Bedlngungen (u > 0); somit ist die durch
die die Wahrscheinlichkeiten
- p r D ( D + a ) ( D + 2 n ) . . . ( D + ( r - l ) a ) (1 + af)-DIa-‘ .
IK (fJ = f r Y ’ (I.!r ) ( - f ) - rl
(39)

festgslegte Verteilnng eine s t a b i l e im Sinne von Abschnitt 6. Setzt man, Wie vorher
unter (36),
f D = h und fct=d,
so geht Formel (39) in den Ausdruck von P,.unter (14) uber. Es ist anzmehmen, daf3
dae Verteilungsgesetz (39), da der Strnktar besser enteprechend, beseer anf die angefiihrte
botanische Statistik passen wird, als das klassisch gewordene Verteilungsgesetz (35),
das iibrigens der Qrenzfall von (39) fur a = 0 ist. An Stelle von (37) tritt jetzt die
Formel
H = 1 - (1 + C L ~ ) - ~ / U
und hierin nimmt H l a n g s a m e r mit f zu, als in (37).
Eine quantitative Kontrolle, die sehr vie1 Voreicht und Miihe erfordert, ist im
Gange. Zur EdZiuterung des Hauptgedankens dieser Untereuchung ist das Beispiel wohl
auoh vor der Ausfiihrang dieser Kontrolle geeignet gewesen. 242

l) Uladonia ooocifera in Zahlentafel 2 3 . G. E. Du R i e t z a. a. 0. I) Seite 166;

19