Неравенство Маркова.
Если случайная величина принимает только неотрицательные значения и имеет математическое ожидание, то для любого положительного числа верно неравенство
, (22)
отсюда (23)
Неравенство Чебышева
Если случайная величина имеет конечную дисперсию и математическое ожидание , то для любого положительного числа справедливо следующее неравенство
(24)
т. е., вероятность того, что отклонение случайной величины от ее математического ожидания по абсолютной величине меньше положительного числа , не меньше чем .
Из последнего неравенства:
Теорема Чебышева.
Теорема Чебышева. Если последовательность независимых случайных величин , ,…, с математическими ожиданиями и дисперсиями (, ограничены одной и той же постоянной , то для любого положительного числа выполняется следующее равенство:
(25)
т. е., при указанных выше условиях, средняя арифметическая случайных величин , ,…, сходится по вероятности к средней арифметической их математических ожиданий , ,…, . Принято говорит что последовательность , ,…, подчиняется закону больших чисол.
При доказательстве теоремы Чебышева, получается следующая оценка
(26)
Следствие. В том случае, если в условии теоремы Чебышева случайные величины , ,…, имеют одно и то же математическое ожидание , то формулы (25) и (26) принимают вид:
;
(27)
Теорема Бернулли
Теорема Бернулли. В том случае, если в каждом из независимых испытаний вероятность появления события постоянна, то при для любого сколь угодно малого положительного выполняется равенство:
где () – относительная частота появления события .
При доказательстве теоремы Бернулли, получается следующая оценка
(28)
где ; .