Tschebyscheffsche Ungleichung

Die tschebyscheffsche Ungleichung, auch Tschebyscheff-Ungleichung oder Bienaymé-Tschebyscheff-Ungleichung genannt, ist eine Ungleichung in der Stochastik, einem Teilgebiet der Mathematik. Sie ist nach Irénée-Jules Bienaymé und Pafnuti Lwowitsch Tschebyscheff benannt; dessen Name findet sich in der Literatur in verschiedenen Schreibungen, unter anderem Tschebyschew, Chebyshev, Čebyšev oder Tschebyschow. In der tschebyscheffschen Ungleichung wird die Wahrscheinlichkeit, dass eine Zufallsvariable mehr als einen vorgegebenen Schwellenwert von ihrem Erwartungswert abweicht, durch ihre Varianz abgeschätzt.

Aussage

Sei $X$ eine Zufallsvariable mit Erwartungswert

$\mu :=\operatorname {E} (X)$

und endlicher Varianz

$\sigma ^{2}:=\operatorname {Var} (X)$.

Dann gilt für alle reellen Zahlen $k>0$:

$\operatorname {P} \left(\left|X-\mu \right|\geq k\right)\leq {\frac {\sigma ^{2}}{k^{2}}}$.

Durch Übergang zum komplementären Ereignis erhält man

$\operatorname {P} \left(\left|X-\mu \right|<k\right)\geq 1-{\frac {\sigma ^{2}}{k^{2}}}$.

Güte der Abschätzung

Die von der tschebyscheffschen Ungleichung angegebenen Grenzen sind scharf in dem Sinne, dass Zufallsvariablen existieren, für die bei der Abschätzung Gleichheit gilt.

Dies ist beispielsweise der Fall für eine diskrete Zufallsvariable $X$ mit

$\operatorname {P} \left(X=0\right)=1-p$

und

$\operatorname {P} \left(X=-a\right)=\operatorname {P} \left(X=a\right)=p/2$,

wobei $a$ eine echt positive reelle Zahl ist und $p\in (0,1)$. Dann ist $\mu =\operatorname {E} (X)=0$ und $\sigma ^{2}=\operatorname {Var} (X)=a^{2}p$, damit folgt die Abschätzung

$P(|X-0|\geq k)\leq {\frac {a^{2}p}{k^{2}}}$,

die für $k=a$ mit Gleichheit erfüllt ist, da dann $P(|X|\geq k)=P(|X|\geq a)=p$ gilt.

Im Allgemeinen sind die Abschätzungen aber eher schwach. Beispielsweise sind sie für $k\leq \sigma$ trivial. Dennoch ist der Satz oft nützlich, weil er ohne Verteilungsannahmen über die Zufallsvariablen auskommt und somit für alle Verteilungen mit endlicher Varianz (insbesondere auch solche, die sich stark von der Normalverteilung unterscheiden) anwendbar ist. Außerdem sind die Schranken einfach zu berechnen.

Varianten

Abweichungen ausgedrückt durch die Standardabweichung

Ist die Standardabweichung $\sigma$ von Null verschieden und $\lambda$ eine positive Zahl, so erhält man mit $k=\lambda \sigma$ eine oft zitierte Variante der tschebyscheffschen Ungleichung:

$\operatorname {P} \left(\left|X-\mu \right|\geq \lambda \sigma \right)\leq {\frac {1}{\lambda ^{2}}}$.

Diese Ungleichung liefert nur für $\lambda >1$ eine sinnvolle Abschätzung, für $0<\lambda \leq 1$ ist sie trivial, denn Wahrscheinlichkeiten sind stets durch 1 beschränkt.

Verallgemeinerung auf höhere Momente

Die tschebyscheffsche Ungleichung lässt sich auf höhere Momente verallgemeinern. Man bezeichnet diese verallgemeinerte Ungleichung nicht selten (vereinfachend) ebenfalls als tschebyscheffsche Ungleichung (englisch Chebyshev’s inequality), während sie im Rahmen der Wahrscheinlichkeitstheorie manchmal auch als markoffsche Ungleichung (bzw. als markovsche Ungleichung o. ä., englisch Markov’s inequality) genannt wird. Bei einigen Autoren findet man die verallgemeinerte Ungleichung auch unter der Bezeichnung tschebyscheff-markoffsche Ungleichung (bzw. chebyshev-markovsche Ungleichung o. ä.).

Die verallgemeinerte Ungleichung besagt, dass für einen Maßraum $(\Omega ,\Sigma ,\nu )$ und eine messbare Funktion $f\colon \Omega \to \mathbb {R} _{0}^{+}$ und $\varepsilon ,p\in \mathbb {R} ^{+}$ stets die Ungleichung

$\nu (\{x\mid f(x)\geq \varepsilon \})\leq {\frac {1}{\varepsilon ^{p}}}\int _{\Omega }f^{p}{\rm {d}}\nu$.

gilt.

Dies folgt aus

$\int _{\Omega }f^{p}\;{\rm {d}}\nu \geq \int _{\{x\mid f(x)\geq \varepsilon \}}f^{p}\;{\rm {d}}\nu \geq \int _{\{x\mid f(x)\geq \varepsilon \}}\varepsilon ^{p}\;{\rm {d}}\nu =\varepsilon ^{p}\nu (\{x\mid f(x)\geq \varepsilon \})$

Die oben genannte Version der Ungleichung erhält man als Spezialfall, indem man $\nu =P$, $f=|X-\mu |$ und $p=2$ setzt, denn dann ist

$P(|X-\mu |\geq k)=P(|X-\mu |^{2}\geq k^{2})\leq {\frac {1}{k^{2}}}\int _{\Omega }|X-\mu |^{2}\;{\rm {d}}P={\frac {\sigma ^{2}}{k^{2}}}$.

Mehrdimensionale Tschebyscheffsche Ungleichung

→ Hauptartikel: Mehrdimensionale Tschebyscheffsche Ungleichung

Die Tschebyscheffsche Ungleichung kann auf mehrdimensionale Zufallsvariable erweitert werden.

Ist X = ($x^{1},...,x^{n}$) eine n-dimensionale Zufallsvariable, die auf den "Mittelpunkt" (μ(x¹) / ... / μ(xⁿ) ) zentriert wurde, so gilt für die zentrierte Variable die Mehrdimensionale Tschebyscheffsche Ungleichung:

$1-P((x^{1},...x^{n})C^{-1}{\begin{pmatrix}x^{1}\\...\\x^{n}\end{pmatrix}}\leq k^{2})\leq {\tfrac {n}{k^{2}}}$

Exponentielle Tschebyscheff-Ungleichung

Dass die Verallgemeinerung gleichzeitig für alle positiven Momente gilt, lässt sich beim Beweis der sogenannten exponentiellen Tschebyscheff-Ungleichung ausnutzen. Sei $X\sim P$ eine reelle Zufallsvariable, die gemäß $P$ verteilt ist und $a\in \mathbb {R}$ eine reelle Zahl. In der Notation von oben setzt man nun $\nu =P$, $\varepsilon =\mathrm {e} ^{a}$ und $f(x)=\mathrm {e} ^{x}$ und erhält

Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle P(X \ge a) = P(\mathrm{e}^X \ge \varepsilon) \le \inf_{p \in \R^+} \frac{1}{\varepsilon^{p}} \int_\R \mathrm{e}^{px} \, \mathrm{d}P = \inf_{p \in \R^+} \frac{E(\mathrm{e}^{pX})}{\mathrm{e}^{pa}}.}

Der Zähler Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle M_X(p) = E(\mathrm{e}^{pX})} ist die momenterzeugende Funktion von Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle X} . Die Anwendung der exponentiellen Tschebyscheff-Ungleichung auf eine Summe von unabhängigen und identisch verteilten Zufallsvariablen ist der entscheidende Schritt im Beweis der Chernoff-Ungleichung.

Geschichte

In den meisten Lehrbüchern trägt die Ungleichung lediglich den Namen von Pafnuti Lwowitsch Tschebyschow. Er veröffentlichte seinen Beweis für diskrete Zufallsvariablen im Jahre 1867 simultan in St. Petersburg und in Paris, dort in Joseph Liouvilles Journal Journal de Mathématiques Pures et Appliquées. Ein allgemeinerer Beweis wurde jedoch schon 1853 von Irénée-Jules Bienaymé in dem Paper Considérations a l’appui de la découverte de Laplace sur la loi de probabilité dans la méthode des moindres carrés. veröffentlicht. Dieses wurde sogar direkt vor Tschebyscheffs Veröffentlichung in Liouvilles Journal nochmals in ebendiesem abgedruckt. In einer späteren Veröffentlichung erkannte Tschebyscheff die Erstveröffentlichung von Bienaymé an.

Anwendungen

• Die tschebyscheffsche Ungleichung geht wesentlich ein in die Beweise des Borel-Cantelli-Lemmas und des Schwachen Gesetzes der großen Zahlen.
• Die Verallgemeinerung auf höhere Momente kann benutzt werden, um zu zeigen, dass aus der Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle L^p\;} -Konvergenz von Funktionenfolgen die Konvergenz im Maß folgt.
• Für den Median Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle m} gilt Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \left|\mu-m\right| \leq \sigma} .

Beispiele

Beispiel 1

Nehmen wir zum Beispiel an, dass die Länge von Wikipedia-Artikeln einen Erwartungswert von 1000 Zeichen mit einer Standardabweichung von 200 Zeichen hat. Aus der tschebyscheffschen Ungleichung kann man dann ableiten, dass mit mindestens 75 % Wahrscheinlichkeit ein Wikipedia-Artikel eine Länge zwischen 600 und 1400 Zeichen hat (Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle k=400, ~ \mu=1000, ~ \sigma=200} ).

Der Wert für die Wahrscheinlichkeit wird auf folgende Weise berechnet:

Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \operatorname{P}\left(\left|X-1000\right| < 400\right) \geq 1 - \frac{200^2}{400^2} = 0{,}75 = 75\ \%}

Beispiel 2

Eine andere Folgerung aus dem Satz ist, dass für jede Wahrscheinlichkeitsverteilung mit Mittelwert Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \mu} und endlicher Standardabweichung Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \sigma} mindestens die Hälfte der Werte im Intervall Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle (\mu - \sqrt{2}\sigma, \mu + \sqrt{2}\sigma)} liegen (Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle k^2=2\sigma^2} ).

Beispiel 3

Ein Zufallsereignis tritt bei einem Versuch mit Wahrscheinlichkeit Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle p} ein. Der Versuch wird Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle n} -mal wiederholt; das Ereignis trete dabei Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle k} -mal auf. Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle k} ist dann binomialverteilt und hat Erwartungswert Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle np} und Varianz Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle np(1-p)} ; die relative Häufigkeit Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \tfrac{k}{n}} des Eintretens hat somit Erwartungswert Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle p} und Varianz Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \tfrac{p(1-p)}{n}} . Für die Abweichung der relativen Häufigkeit vom Erwartungswert liefert die tschebyscheffsche Ungleichung

Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \operatorname{P}\left(\left|\frac{k}{n}-p \right|\geq \epsilon \right) \leq \frac{p(1-p)}{\epsilon^2n} \leq \frac{1}{4\epsilon^2n} } ,

wobei für die zweite Abschätzung die unmittelbar aus der Ungleichung vom arithmetischen und geometrischen Mittel folgende Beziehung Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \sqrt{p(1-p)}\leq \tfrac{1}{2}} verwendet wurde.

Bei dieser Formel handelt es sich um den Spezialfall eines schwachen Gesetzes der großen Zahlen, das die stochastische Konvergenz der relativen Häufigkeiten gegen den Erwartungswert zeigt.

Die tschebyscheffsche Ungleichung liefert für dieses Beispiel nur eine grobe Abschätzung, eine quantitative Verbesserung liefert die Chernoff-Ungleichung.

Beweisskizze

Die meisten Autoren führen die tschebyscheffsche Ungleichung als Spezialfall der Markow-Ungleichung

Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle P \left( Y \geq k \right) \leq \frac{\operatorname{E}\left(h(Y)\right)}{h(k)}.}

mit Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle Y= |X-\mu| } und der Funktion Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle h(x)=x^2 } ein.

Wie man die Markow-Ungleichung mit schulgemäßen Mitteln aus einem unmittelbar einsichtigen Flächenvergleich folgern und dann daraus diese Fassung der Ungleichung von Tschebyscheff herleiten kann, findet man zum Beispiel bei Wirths. Für einen direkten Beweis definiert man

Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle A_k= \{ \omega \in \Omega \mid |X - \mu| \geq k \} } .

Bezeichnet Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \mathbf 1_A } die Indikatorfunktion auf der Menge Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle A } , so gilt für alle Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \omega } die Ungleichung

Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle |X(\omega)-\mu|^2 \geq k^2 \mathbf 1_{A_k}(\omega) } .

Denn ist Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \omega \notin A_k } , so ist die rechte Seite null und die Ungleichung erfüllt. Ist Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \omega \in A_k } , so hat die linke Seite nach Definition der Mengen Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle A_k } mindestens den Wert Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle k^2 } , und die Ungleichung ist wiederum erfüllt. Mit der Monotonie des Erwartungswertes und seinen elementaren Rechenregeln folgt über die Definition der Varianz

Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle \sigma^2 = \operatorname{Var}(X)= \operatorname E (|X-\mu|^2) \geq \operatorname E (k^2 \mathbf 1_{A_k})= k^2 P(A_k)= k^2P(|X - \mu| \geq k) } .

Teilen durch Fehler beim Parsen (MathML mit SVG- oder PNG-Rückgriff (empfohlen für moderne Browser und Barrierefreiheitswerkzeuge): Ungültige Antwort („Math extension cannot connect to Restbase.“) von Server „https://wikimedia.org/api/rest_v1/“:): {\displaystyle k^2 } liefert die Ungleichung.

Verwandte Resultate

• Burkholder-Ungleichung
• Doobsche Maximalungleichung
• Ungleichung von Cantelli
• Chernoff-Ungleichung
• Ungleichung von Hájek und Rényi
• Jensensche Ungleichung
• Kolmogorow-Ungleichung
• Ungleichung von Ljapunow
• Markow-Ungleichung (Stochastik)
• Ungleichung von Ottaviani-Skorokhod
• Mehrdimensionale Tschebyscheffsche Ungleichung

Literatur

• Robert B. Ash: Real Analysis and Probability. Academic Press, New York 1972, ISBN 0-12-065201-3.
• Heinz Bauer: Maß- und Integrationstheorie (= De Gruyter Lehrbuch). 2., überarbeitete Auflage. de Gruyter, Berlin / New York 1992, ISBN 3-11-013625-2. 
• Heinz Bauer: Wahrscheinlichkeitstheorie (= De Gruyter Lehrbuch). 5., durchgesehene und verbesserte Auflage. de Gruyter, Berlin / New York 2002, ISBN 3-11-017236-4. 
• Ulrich Krengel: Einführung in die Wahrscheinlichkeitstheorie und Statistik. 7. Auflage. Vieweg Verlag, Wiesbaden 2003, ISBN 3-528-67259-5.
• R. G. Laha, V. K. Rohatgi: Probability Theory (= Wiley Series in Probability and Mathematical Statistics). John Wiley & Sons, New York (u. a.) 1979, ISBN 0-471-03262-X. 
• A. N. Širjaev: Wahrscheinlichkeit (= Hochschulbücher für Mathematik. Band 91). VEB Deutscher Verlag der Wissenschaften, Berlin 1988, ISBN 3-326-00195-9. 
• Andreas Wagener: Chebyshev’s Algebraic inequality and comparative statics under uncertainty. In: Mathematical Social Sciences, 52, 2006, S. 217–221, doi:10.1016/j.mathsocsci.2006.05.004.

Weblinks

Wikibooks: Beschreibung mit Beispiel – Lern- und Lehrmaterialien