一変量データの経験分布を作成する：

分布関数を可視化する：

モーメントと分位数を計算する：

二変量データの経験分布を作成する：

推定CDFを可視化する：

共分散と一般的なモーメントを計算する：

データの分布と理論分布を比較する：

多変量データを理論分布と比較する：

差：

SmoothKernelDistributionを使って滑らかに表示する：

HistogramDistributionをデータに設定されたビンデリミタと一緒に使ってEmpiricalDistributionの線形補間を行う：

1861年にQuintus Curtius Snodgrassの名で出版された10通の手紙はMark Twainによるものだと言われている．これらの手紙とMark Twainの作品の単語長の分布を比較する：

英語一般との比較で上記の類似性が明らかになる：

しかし，このフィットの適合度検定はQCSの手紙を書いたのがTwainではないことを示している：

スコットランドの山岳徒競走の高地の道と低地の道を選んだ者の優勝記録を比較する：

記録時間と高度の増加をプロットする：

高度増加の中央値を求める：

高度増加の中央値でレースを高地と低地に分ける：

低地の道を選んだ方が速いようである：

高地レースの記録時間は低地レースの記録時間よりも変化が大きい：

国立衛生研究所では人口の2%が何等かの疾病を抱えていると推測している．偽陽性率5%で95%疾病が検出できる検査が提唱された．陽性反応が出た人が実際に疾病に罹患している確率を求める：

与えられた情報に基づく不明確率の方程式：

確率の総和が1になると仮定して方程式を解く：

陽性反応が出た人が罹患している確率：

21人の学生が新たなリーディングプログラムに参加するように無作為に選ばれた．対照群の23人の学生は従来の方法で教育されている．プログラム後に2つのグループの学生のリーディングのスコアが記録された．スコアに対して置換に基づいた検定を行い新たなリーディングプログラムが成功だったかどうかを見る：

グループ間のテストスコアの平均差は検定統計として用いることができる：

グループをランダムに置換して検定統計の帰無分布のシミュレーションを行う：

5%レベルで新たなプログラムで違いが生まれたことが明らかである：

LocationTestを使って仮説を直接調べることができる：

経験分布に従って生成された乱数はブートストラップサンプルを返す：

EmpiricalDistributionはもとになっている分布の一定した推定器である：

モーメントとそのデータのモーメント相等物：

経験分布にはサンプルの分散よりも母集団が使われる：

分位数はQuantileを直接データに適用したものに等しい：

EmpiricalDistributionは打切りのないSurvivalDistributionに等しい：

データ値の和集合をHistogramDistributionのビンデリミタとして使う：

結果の確率密度関数はEmpiricalDistributionの確率密度関数の零次補間である：

Nを厳密データに適用するとメモリ消費量が抑えられる：

累積分布関数は等価である：

整数についてのEmpiricalDistributionはProbabilityDistributionを使って指定することができる：