連続分布に従うランダムなデータを生成し，そのヒストグラムを確率密度関数と比較する：
離散分布に従うランダムなデータを生成し，そのヒストグラムを確率密度関数と比較する：
二変量分布に従うランダムなデータを生成し，そのヒストグラムを確率密度関数と比較する：
多変量連続分布に従うランダムなデータのプロットを比較する：
標準正規分布に従う成分を持つベクトルについて考える：
角度は一様分布に従う：
ノルムはレイリー(Rayleigh)分布に従う：
標準正規分布に従う成分を持つ三次元ベクトルについて考える：
球面座標における
角は一様分布に従う：
ノルムは
分布に従う：
確率変量を使って二項分布のポアソン(Poisson)近似を証明する：
切断三角分布を定義する：
この分布から乱数を生成する：
平均，分散，尖度：
モーメント：
確率と期待値：
確率変量の関数の分布のシミュレーションを行う：
サンプルの平均と分散を分布のそれと比較する：
正規分布からランダムなデータを生成する：
このデータを使ってノンパラメトリック分布を定義する：
これらの分布の平均と分散を比較する：
歪みのない六面のサイコロを10回投げるシミュレーションを行う：
歪みのない六面のサイコロのペアを7回投げるシミュレーションを行う：
コイントスの実験では表が出るまで歪みのないコインを投げ続ける．この過程のシミュレーションを行う：
1秒間に平均3.2個の
粒子を放出する放射性物質がある．その分布を示す．10分間の典型的な放出粒子数のシミュレーションを行う：
値-1と1で対称ランダムウォークのシミュレーションを行う：
正規分布に従うランダムなデータを生成する：
このランダムなデータを使って分布母数を推定する：
成分混合分布の高精度ランダムデータを生成する：
成分分布が既知であると仮定して混合確率を推定する：
二変量正規分布に従うサンプルの場合，
統計はシフトされた
FisherZDistributionに従う：
二変量正規分布に従う
サイズのサンプルの
統計分布を生成する：
統計分布とシフトされた
FisherZDistributionを視覚的に比較する：
配列を擬似乱数で与える．
例題
例 
スコープ 