در حالي كه اغلب تعيين توزيع احتمالي براي يك متغير تصادفي معين مفيد است، بسياري مواقع در استنباط آماري و تصميمگيري توابع احتمالي متغيرها داراي يك فرم هستند. در چنين مواردي استفاده از نظريه توابع احتمالي شرح داده شده در فصل پنجم براي به دست آوردن نتايج كلي در مورد توزيع احتمالي مثل ميانگين و واريانس بهتر است از به دست آوردن اين مشخصهها در هر حالت ويژه. زيراكسل كننده خواهد بود كه در هر مورد جديد با استفاده از توزيع احتمالي يا چگالي، فرايند تعيين مشخصهها مثل ميانگين و واريانس را انجام دهيم. خوشبختانه به اندازة كافي همانندي بين انواع معين از آزمايشهاي منحصر به فرد معلوم وجود دارد، به طوري كه به دست آوردن يك فرمول كه نشان دهندة ويژگي عمومي اين آزمايشها باشد را ممكن ميسازد.
در اين فصل بعضي از توزيعهاي احتمالي متغيرهاي تصادفي گسسته مثل توزيعةاي دو جملهاي، فوق هندسي و پواسن را مطالعه خواهيم نمود و خواص آنها را بررسي ميكنيم اين توزيعها از مهمترين توزيعهاي گسسته در آمار هستند كه كاربرد زيادي دارند. توزيعهاي احتمالي متغيرهاي پيوسته با تأكيد بر توزيع نرمال كه كاملاً شناخته شده است و در آمار استفادة زيادي از آن ميشود در فصل هفتم بحث خواهد شد.
در ساليان اخير شاهد حركتي مستمر، از تحقيقات صرفاً تئوري به تحقيقات كاربردي بخصوص در زمينه پردازش اطلاعات، براي مسائلي كه براي آن ها راه حلي موجودنيست ويا براحتي قابل حل نيستند بوده ايم. با عنايت به اين امر، علاقه فزاينده اي در توسعه تئوريك سيستمهاي دنيا ميكي هوشمند مدل آزاد ـ كه مبتني بر داده هاي تجربي هستند ـ ايجاد شده است. شبكه هاي عصبي مصنوعي جزء اين دسته از سيستمهاي ديناميكي قراردارند، كه با پردازش روي داده هاي تجربي دانش يا قانون نهفته در وراي داده ها را به ساختار شبكه منتقل مي كنند. به همين خاطر به اين سيستمها هوشمند گويند.چرا كه براساس محاسبات روي داده هاي عددي يا مثال ها ، قوانين كلي را فرامي گيرند. اين سيستم ها در مدلسازي ساختار نرو سيناپتيكي مغز بشر مي كوشند. پياده سازي ويژگيهاي شگفت انگيز مغز در يك سيستم مصنوعي (سيستم ديناميكي ساخته دست بشر) هميشه وسوسه انگيز و مطلوب بوده است. محققيني كه طي سالها در اين زمينه فعاليت كرده اند بسيارند، ليكن نتيجه اين تلاشها صرف نظر ازيافته هاي ارزشمند باور هر چه بيشتر اين اصل بوده است كه مغز بشر دست يافتني است.