La tarea principal aquí es adivinar cuáles son las hipótesis correctas del enunciado a demostrar... Supongamos que las variables aleatorias $X_k$ son (1) idénticamente distribuidos , (2) casi seguramente no negativo , (3) no son necesariamente independientes .
Presentar el evento $A=[X_1+\cdots+X_6\leqslant3]$ y la variable aleatoria $N=\sum\limits_{k=1}^6\mathbf 1_{X_k\leqslant1}$ .
Entonces $\mathrm E(N)=6\mathrm P(X_1\leqslant1)$ y $A\subseteq[N\geqslant3]$ desde $X_1+X_2+\cdots+X_6\geqslant N$ en el sentido de la palabra. Así, $\mathrm P(A)\leqslant\mathrm P(N\geqslant3)\leqslant\frac13\mathrm E(N)=2\mathrm P(X_1\leqslant1)$ , donde $\mathrm P(N\geqslant3)\leqslant\frac13\mathrm E(N)$ es la desigualdad de Markov.
Esto demuestra la desigualdad deseada. El mismo enfoque demuestra de forma más general que $$ \mathrm P(X_1+\cdots+X_n\leqslant k)\leqslant\frac{n}{n-k}\,\mathrm P(X_1\leqslant1). $$ Se ve que no se requiere ni independencia ni momentos finitos. En cambio, la no negatividad casi segura es crucial. Para ver esto, supongamos por ejemplo que $\mathrm P(X_k=-7)=p=1-\mathrm P(X_k=2)$ por cada $k$ y que las variables aleatorias $X_k$ son independientes.
Entonces $[N\geqslant1]\subseteq A$ por lo que $\mathrm P(A)\geqslant1-\mathrm P(N=0)$ . Además, $\mathrm P(X_1\leqslant1)=p$ y $\mathrm P(N=0)=(1-p)^6=1-6p+o(p)$ cuando $p\to0^+$ Por lo tanto $\mathrm P(A)\geqslant1-(1-p)^6=6p+o(p)\gt3p=3\mathrm P(X_1\leqslant1)$ por cada $p$ lo suficientemente pequeño.