Ле́ма Боре́ля — Канте́ллі в теорії ймовірностей — це результат, що виражає властивості нескінченної множини подій. Використовується зокрема при доведенні сильного закону великих чисел . Як правило подаються дві леми, хоча іноді лемою Бореля — Кантеллі називають лише першу з них.
Нехай задано ймовірнісний простір
(
Ω
,
F
,
P
)
{\displaystyle (\Omega ,{\mathcal {F}},\mathbb {P} )}
і послідовність подій
{
A
n
}
n
=
1
∞
⊂
F
{\displaystyle \{A_{n}\}_{n=1}^{\infty }\subset {\mathcal {F}}}
. Позначимо
A
=
lim sup
n
→
∞
A
n
≡
⋂
m
=
1
∞
(
⋃
n
=
m
∞
A
n
)
{\displaystyle A=\limsup \limits _{n\to \infty }A_{n}\equiv \bigcap \limits _{m=1}^{\infty }\left(\bigcup \limits _{n=m}^{\infty }A_{n}\right)}
.
Тоді якщо ряд
∑
n
=
1
∞
P
(
A
n
)
{\displaystyle \sum \limits _{n=1}^{\infty }\mathbb {P} \left(A_{n}\right)}
є збіжним , то
P
(
A
)
=
0
{\displaystyle \mathbb {P} (A)=0}
.
Спершу зазначимо, що
lim sup
n
→
∞
A
n
⊂
⋃
n
=
m
∞
A
n
{\displaystyle \limsup \limits _{n\to \infty }A_{n}\subset \bigcup \limits _{n=m}^{\infty }A_{n}}
. Тому згідно з властивостями ймовірності маємо для усіх k :
P
(
lim sup
n
→
∞
A
n
)
≤
P
(
⋃
n
=
m
∞
A
n
)
≤
∑
n
=
m
∞
P
(
A
n
)
→
0
{\displaystyle P\left(\limsup \limits _{n\to \infty }A_{n}\right)\leq P\left(\bigcup \limits _{n=m}^{\infty }A_{n}\right)\leq \sum \limits _{n=m}^{\infty }P\left(A_{n}\right)\rightarrow 0}
.
Остання границя пояснюється тим, що сума залишкових членів збіжного ряду ряду прямує до нуля. З виведених нерівностей одержуємо твердження теореми.
Якщо всі події
{
A
n
}
n
=
1
∞
{\displaystyle \{A_{n}\}_{n=1}^{\infty }}
сумісно незалежні, і ряд
∑
n
=
1
∞
P
(
A
n
)
{\displaystyle \sum \limits _{n=1}^{\infty }\mathbb {P} \left(A_{n}\right)}
є розбіжним, то
P
(
A
)
=
1
{\displaystyle \mathbb {P} (A)=1}
.
Достатньо довести, що для всіх k виконується:
P
(
⋃
n
=
k
∞
A
n
)
=
1
{\displaystyle P\left(\bigcup \limits _{n=k}^{\infty }A_{n}\right)=1}
Справді ймовірність перетину тоді теж буде рівною одиниці.
Отже зафіксуємо k і розглянемо часткове об'єднання до деякого m > k
Оскільки доповнення незалежних подій теж є незалежними, маємо
P
(
⋂
n
=
k
m
A
n
c
)
=
∏
n
=
k
m
P
(
A
n
c
)
=
∏
n
=
k
m
(
1
−
P
(
A
n
)
)
{\displaystyle P\left(\bigcap \limits _{n=k}^{m}A_{n}^{c}\right)=\prod \limits _{n=k}^{m}P(A_{n}^{c})=\prod _{n=k}^{m}\left(1-P\left(A_{n}\right)\right)}
Зважаючи, що
1
−
x
≤
e
−
x
{\displaystyle 1-x\leq e^{-x}}
маємо
∏
n
=
k
m
(
1
−
P
(
A
n
)
)
≤
∏
n
=
k
m
e
−
P
(
A
n
)
=
exp
(
−
∑
n
=
k
m
P
(
A
n
)
)
{\displaystyle \prod _{n=k}^{m}\left(1-P\left(A_{n}\right)\right)\leq \prod _{n=k}^{m}e^{-P(A_{n})}=\exp(-\sum \limits _{n=k}^{m}P(A_{n}))}
Останній вираз згідно з припущенням леми прямує до нуля при
m
→
∞
{\displaystyle m\rightarrow \infty }
тому:
P
(
⋂
n
=
k
m
A
n
c
)
→
0
{\displaystyle P\left(\bigcap \limits _{n=k}^{m}A_{n}^{c}\right)\rightarrow 0}
Однак виконується
P
(
⋂
n
=
k
m
A
n
c
)
=
P
(
Ω
∖
⋃
n
=
k
m
A
n
)
=
1
−
P
(
⋃
n
=
k
m
A
n
)
{\displaystyle P\left(\bigcap \limits _{n=k}^{m}A_{n}^{c}\right)=P\left(\Omega \setminus \bigcup \limits _{n=k}^{m}A_{n}\right)=1-P\left(\bigcup \limits _{n=k}^{m}A_{n}\right)}
звідки при
m
→
∞
{\displaystyle m\rightarrow \infty }
отримаємо бажаний результат.
Карташов М. В. Імовірність, процеси, статистика . — Київ : ВПЦ Київський університет , 2007. — 504 с.
Гнеденко Б. В. Курс теории вероятностей . — 6-е изд. — Москва : Наука , 1988. — 446 с.(рос.)
Гихман И. И. , Скороход А. В. , Ядренко М. В. Теория вероятностей и математическая статистика . — Київ : Вища школа , 1988. — 436 с.(рос.)
Capinski, Marek, Kopp, Peter E. Measure, Integral and Probability. Springer Verlag 2004 ISBN 978-1-85233-781-0