確率質量関数：

累積分布関数：

平均と分散：

パスカル分布から擬似乱数のサンプルを生成する：

そのヒストグラムを確率密度関数と比較する：

分布母数推定：

サンプルデータから分布母数を推定する：

サンプルの密度ヒストグラムを推定分布の確率密度関数と比較する：

歪度：

極限では分布はより対称になる：

極限値：

尖度：

大きい n の極限の値は標準的なNormalDistributionの尖度である：

極限値：

母数の関数としての閉じた形の種々のモーメント：

Moment：

CentralMoment：

FactorialMoment：

記号次数の閉じた形：

Cumulant：

ハザード関数：

分位関数：

無次元のQuantityを使ってPascalDistributionを定義する：

PascalDistributionのCDFは右連続関数の例である：

公正なコインをトスして表が3回出るまでの回数：

トス回数の分布をプロットする：

6回トスするまでに表が3回出る確率を求める：

表が3回出るまでのトスの平均回数を求める：

表が3回出るまでのコイントスの回数のシミュレーションを行う：

10回目のコイントスで7回目の表が出た．コインが公正な場合にそのような事象が起こる確率を求める：

コインが不正であるかもしれないと仮定して，p が最も取りそうな値を求める：

バスケットボールの選手が4回成功するまでフリースローを続ける．この選手がフリースローで得点する確率は0.7である．このフリースローのシミュレーションを行う：

4回成功するまでのフリースローの平均回数：

必要なフリースローが厳密に4回である確率を求める：

ファウルする確率が独立で1分間につき0.1だと仮定して，30分間のファウルのシミュレーションを行う：

バスケットボール選手は6回ファウルすると退場になる．ファウルで退場になるまでの期待されるプレー時間を求める：

4つのデータパクレットを含むデータストリームがデータ順序に関する情報なしで繰り返し送信されている．全パクレットが正しい順序であるデータストリームが2回目に届くまでの送信回数の分布を求める：

送信回数が20回以下でパクレットが正しい順序で2回目に受信される確率を求める：

2回目に正しい順序でデータストリームが届くまでの平均試行回数を求める：

パケットの順序が正しいデータストリームが2回目に届くまでの回数のシミュレーションを行う：

2つのチャンネルを通してメッセージが送信．成功率は等しい．各チャンネルが少なくとも3つのメッセージを受信までに必要な送信回数が，5回を超えない確率を求める：

PascalDistribution[n,p]は のとき正規分布に収束する：

パスカル分布の変数の総和はパスカル分布に従う：

他の分布との関係：

GeometricDistributionはパスカル分布を変換したものである：

NegativeBinomialDistributionとパスカル分布の違いはシフトである：