ਸ਼ਰਤੀ ਸੰਭਾਵਨਾ: ਕਿਸੇ ਘਟਨਾ ਦੇ ਵਾਪਰਨ ਦੀ ਸੰਭਾਵਨਾ, ਇਹ ਦਿੱਤੇ ਹੋਣ 'ਤੇ ਕਿ ਕੋਈ ਹੋਰ ਘਟਨਾ ਪਹਿਲਾਂ ਹੀ ਵਾਪਰ ਚੁੱਕੀ ਹੈ।
ਘਾਟ ਪੈਰਾਮੀਟਰ: ਘਾਟ ਪੈਰਾਮੀਟਰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ x ਦੇ ਵਧਦੇ ਮੁੱਲਾਂ ਲਈ ਸੰਭਾਵਨਾਵਾਂ ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਸਿਫ਼ਰ ਵੱਲ ਘਟਦੀਆਂ ਹਨ। ਇਹ ਘਾਤ ਅਨੁਸਾਰੀ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ ਦੇ ਸੰਭਾਵਨਾ ਘਣਤਾ ਫੰਕਸ਼ਨ f(x) = me^(-mx) ਵਿੱਚ m ਦਾ ਮੁੱਲ ਹੈ। ਇਹ m = 1/μ ਦੇ ਵੀ ਬਰਾਬਰ ਹੈ, ਜਿੱਥੇ μ ਵੇਰੀਏਬਲ ਦਾ ਮੱਧਮਾਨ ਹੈ।
ਘਾਤ ਵੰਡ: ਇੱਕ ਨਿਰੰਤਰ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ (RV) ਜੋ ਉਦੋਂ ਪ੍ਰਗਟ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਅਸੀਂ ਕੁਝ ਬੇਤਰਤੀਬ ਘਟਨਾਵਾਂ ਦੇ ਵਿਚਕਾਰ ਦੇ ਸਮੇਂ ਦੇ ਅੰਤਰਾਲਾਂ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਾਂ, ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਹਸਪਤਾਲ ਵਿੱਚ ਐਮਰਜੈਂਸੀ ਆਮਦ ਦੇ ਵਿਚਕਾਰ ਦਾ ਸਮਾਂ; ਸੰਕੇਤ X ~ Exp(m) ਹੈ। ਮੱਧਮਾਨ μ = 1/m ਹੈ ਅਤੇ ਮਿਆਰੀ ਵਿਵਲਕਨ σ = 1/m ਹੈ। ਸੰਭਾਵਨਾ ਘਣਤਾ ਫੰਕਸ਼ਨ f(x) = me^(-mx), x ≥ 0 ਹੈ ਅਤੇ ਸੰਚਤ ਵੰਡ ਫੰਕਸ਼ਨ P(X ≤ x) = 1 − e^(-mx) ਹੈ।
ਸਿਫ਼ਰ-ਯਾਦਦਾਸ਼ਤ ਗੁਣ: ਘਾਤ ਅਨੁਸਾਰੀ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ X ਲਈ, ਸਿਫ਼ਰ-ਯਾਦਦਾਸ਼ਤ ਗੁਣ ਇਹ ਕਥਨ ਹੈ ਕਿ ਅਤੀਤ ਵਿੱਚ ਕੀ ਵਾਪਰਿਆ ਹੈ, ਇਸ ਬਾਰੇ ਗਿਆਨ ਭਵਿੱਖ ਦੀਆਂ ਸੰਭਾਵਨਾਵਾਂ 'ਤੇ ਕੋਈ ਪ੍ਰਭਾਵ ਨਹੀਂ ਪਾਉਂਦਾ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ X, x ਤੋਂ ਵੱਧ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ, ਇਹ ਦਿੱਤੇ ਹੋਣ 'ਤੇ ਕਿ ਇਹ x ਤੋਂ ਵੱਧ ਹੋ ਚੁੱਕਾ ਹੈ, X, k ਤੋਂ ਵੱਧ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਦੇ ਬਰਾਬਰ ਹੈ ਜੇਕਰ ਸਾਨੂੰ ਇਸ ਬਾਰੇ ਕੋਈ ਗਿਆਨ ਨਾ ਹੁੰਦਾ। ਚਿੰਨ੍ਹਾਂ ਵਿੱਚ ਅਸੀਂ ਕਹਿੰਦੇ ਹਾਂ ਕਿ P(X > x + k|X > x) = P(X > k)।
ਪੋਆਸਨ ਵੰਡ: ਜੇ ਪ੍ਰਤੀ ਇਕਾਈ ਸਮੇਂ λ ਘਟਨਾਵਾਂ ਦੇ ਵਾਪਰਨ ਦੀ ਇੱਕ ਜਾਣੀ-ਪਛਾਣੀ ਔਸਤ ਹੈ, ਅਤੇ ਇਹ ਘਟਨਾਵਾਂ ਇੱਕ ਦੂਜੇ ਤੋਂ ਸੁਤੰਤਰ ਹਨ, ਤਾਂ ਇੱਕ ਇਕਾਈ ਸਮੇਂ ਵਿੱਚ ਵਾਪਰਨ ਵਾਲੀਆਂ ਘਟਨਾਵਾਂ ਦੀ ਸੰਖਿਆ X ਪੋਆਸਨ ਵੰਡ ਹੈ। ਇੱਕ ਇਕਾਈ ਸਮੇਂ ਵਿੱਚ k ਘਟਨਾਵਾਂ ਦੇ ਵਾਪਰਨ ਦੀ ਸੰਭਾਵਨਾ P(X=k)= λ^k e^(-λ) / k! ਦੇ ਬਰਾਬਰ ਹੈ।
ਸਮਾਨ ਵੰਡ: ਇੱਕ ਨਿਰੰਤਰ ਬੇਤਰਤੀਬ ਵੇਰੀਏਬਲ (RV) ਜਿਸਦੇ ਡੋਮੇਨ, a < x < b, ਉੱਤੇ ਬਰਾਬਰ ਸੰਭਾਵਿਤ ਨਤੀਜੇ ਹੁੰਦੇ ਹਨ। ਸੰਕੇਤ: X ~ U(a,b)। ਮੱਧਮਾਨ μ = (a+b)/2 ਹੈ ਅਤੇ ਮਿਆਰੀ ਵਿਵਲਕਨ σ = (b−a)/√(12) ਹੈ। ਸੰਭਾਵਨਾ ਘਣਤਾ ਫੰਕਸ਼ਨ f(x) = 1/(b−a) ਹੈ, a < x < b ਜਾਂ a ≤ x ≤ b ਲਈ। ਸੰਚਤ ਵੰਡ P(X ≤ x) = (x−a)/(b−a) ਹੈ।