Sebuah ruang peluang adalah ruang ukuran dengan ; unsur disebut kejadian, dan sebuah sifat berlaku hampir pasti (h.p.) jika kejadiannya berpeluang . Sebuah peubah acak adalah pemetaan terukur (atau ke : yakni vektor acak); sedangkan distribusi miliknya adalah ukuran peluang dorongan-maju pada (Latihan 11.9), yang ditentukan oleh fungsi distribusi (Latihan 9.3). Lalu mempunyai kepadatan jika ; dan ia diskret jika merupakan kombinasi terbilang massa Dirac. Adapun nilai harapan adalah
dan teorema transfer (Latihan 11.9) menghitungnya di dalam distribusinya: — yakni pada kasus diskretnya, pada kasus kepadatannya: yakni rumus Tahun 2, kini menjadi teorema satu teori. Sedangkan variansnya adalah bagi .
Contoh
Contoh 22.2
Distribusi bakunya dan transformasi yang patut dicatat: Bernoulli , binomial , geometrik, Poisson (yang diskret: tabel Tahun 2 tetap sahih); seragam pada (yakni ukuran Lebesgue itu sendiri); eksponensial (berkepadatan ); dan Gauss yang berkepadatan — yakni kepadatan peluang menurut Soal 10.1, dengan rata-rata dan varians (yakni momen Gauss, Latihan 11.10).
Contoh 22.14 (Apa yang dibeli hukum kuatnya)
(a) Frekuensinya: bagi lemparan koin i.i.d., frekuensi sisi gambar yang teramati konvergen secara h.p. ke — yakni pembenaran empiris bagi peluang itu sendiri. (b) Monte Carlo: bagi dan seragam i.i.d. (Teorema 22.6), secara h.p.: yakni integral lewat pencuplikan, pada dimensi mana pun, dengan laju yang tak bergantung dimensi yang dipertajam pada Bab 23. (c) Bilangan normal: hampir setiap bilangan real mempunyai, pada uraian binernya, frekuensi asimtotik bagi angka satu (terapkanlah hukum kuatnya pada variabel digit Teorema 22.6) — yakni teorema Borel, sebuah pernyataan tentang bilangan sehari-hari yang dibuktikan lewat ukuran: Soal 22.1 melengkapinya pada semua basis.