$\newcommand{\expect}[1]{\mathbb{E}[#1]}$ Et calculus-teorem anvendt blant annet i det originale beviset til [[One-way to hiding]]. Se [wikipedia](https://en.wikipedia.org/wiki/Jensen's_inequality), og spesielt [denne videosnutten](https://en.wikipedia.org/wiki/File:Convex_01.ogv) som fint demonstrerer hva som foregår. I kontekst av sannsynlighetsteori sier teoremet at hvis $X$ er en tilfeldig variabel og $\varphi$ er en konveks funksjon, så er $\varphi(\expect{X}) \leq \expect{\varphi(X)}$, mens dersom $\varphi$ er en konkav funksjon så har vi $\varphi(\expect{X}) \geq \expect{\varphi(X)}$. (Differansen mellom $\expect{\varphi(X)}$ og $\varphi(\expect{X})$ kalles noen ganger *Jensengapet*.) **To-do:** Finn en kvantefysisk formulering som lettere viser hvordan Unruh anvender teoremet, blant annet i beviset for [[One-way to hiding]]. For å ta et enklere eksempel, så skriver han i beviset av Lemma 10 fra det samme paperet at $\sqrt{\Sigma p_i \varepsilon_i} \geq \Sigma_i p_i \sqrt{\varepsilon_i}$ følger fra Jensens ulikhet. (Observer at $\sqrt{x}$ er en konkav funksjon.)