Информационное неравенство (математическая статистика) — неравенство для несмещённой оценки с локально минимальной дисперсией, задающее нижнюю границу для величины дисперсии этой оценки. Играет важную роль в теории асимптотически эффективных оценок^[1].

Обозначим ${\displaystyle X}$ — данные наблюдений, ${\displaystyle \theta }$ — оцениваемый на их основе параметр, ${\displaystyle p(X,\theta )}$ — условная плотность вероятности распределения, информацию Фишера как ${\displaystyle I(\theta )=E\left[{\frac {\partial }{\partial \theta }}\ln p(X,\theta )\right]^{2}}$. Пусть ${\displaystyle I(\theta )>0}$, ${\displaystyle \delta }$ — любая статистика с ${\displaystyle E_{\theta }(\delta ^{2})<\infty }$, для которой производная по ${\displaystyle \theta }$ от математического ожидания ${\displaystyle E_{\theta }(\delta )=\int \delta p_{\theta }d\mu }$ существует и может быть получена дифференцированием под знаком интеграла. Тогда справедливо информационное неравенство^[2]: ${\displaystyle D_{\theta }(\delta )\geqslant {\frac {\left[{\frac {\partial }{\partial \theta }}E_{\theta }(\delta )\right]^{2}}{I(\theta )}}}$.

• Леман Э. Теория точечного оценивания. — М.: Наука, 1991. — 448 с. — ISBN 5-02-013941-6.