Плотность распределения вероятностей случайной величины S в точке x есть предел отношения вероятности попадания S в интервал [x, x+dx] при dx⤏ 0

Функция распределения вероятностей случайной величины S есть вероятность того, что S примет значение, меньшее числа x

Центральный момент порядка k есть математическое ожидание k-й степени отклонения случайной величины от ее центра

Центральный момент второго порядка распределения случайной величины

Корень квадратный из дисперсии

Отношение среднего квадратического отклонения к математическому ожиданию случайной величины

Отношение центрального момента третьего порядка к кубу среднеквадратического отклонения

Характеристика "вершинности" графика распределения, равная M(x-Mx)**4/σ**4-3, где Mx — математическое ожидание, M(x-Mx) — центральный момент четвертого порядка, σ -среднее квадратическое отклонение случайной величины x

Значение случайной величины x, при котором функция распределения F(x) равна заданной величине, например, 10%-квантиль есть значение x при F(x)=0,1

Значение случайной величины x, при котором плотность распределения имеет максимум

Математическое ожидание функции exp(xt), x — случайная величина, t -вспомогательный параметр

Совокупность вероятностей Pn(x) при разных x, где n — число испытаний, x — число благоприятных исходов

Распределение вероятностей с плотностью распределения p(x)=exp(-x**2/2)/sqrt(2π)

Интеграл от плотности нормального распределения на положительной полуоси переменной x (увеличенный вдвое для получения значений в диапазоне от 0 до 1)

Распределение вероятностей случайной величины x с плотностью распределения p(x)=exp(-(x-a)**2/(2*σ**2))/(σ*sqrt(2*π)), где a — математическое ожидание, σ — среднеквадратическое отклонение

Распределение вероятностей случайной величины x с плотностью распределения p(x)=λ*exp(-λx) при x≥0 и p(x)=0 при x<0

Распределение случайной величины x с плотностью распределения p(x)=exp(-λ)*λ**x/x!, где λ — математическое ожидание числа появления события

Статистическая зависимость среднего значения одной величины y от другой величины x (или нескольких величин). В отличие от функциональной зависимости y = f(x) в регрессионной зависимости одному и тому же значению величины x могут соответствовать несколько значений величины y, иными словами, при фиксированном значении x величина y имеет некоторое случайное распределение.

Математическое ожидание произведения отклонений случайных величин x и y от их математических ожиданий Mx и My, т.е. cov(x,y) = M[(x-Mx)(y-My)]

Ковариация нормированных отклонений случайных величин x и y от их математических ожиданий, т.е r(x,y) = cov(x,y)/(σ(x)*σ(y)). где σ(x) и σ(y) -средние квадратические отклонения величин x и y