Мартинга́л Ду́ба в теории случайных процессов — это случайный процесс, построенный достаточно общим образом, который всегда оказывается мартингалом.
Пусть дана произвольная последовательность случайных величин 
![{\displaystyle X_{n}=\mathbb {E} [X\mid Y_{1},\ldots ,Y_{n}],\quad n\in \mathbb {N} }](https://wikimedia.org/api/rest_v1/media/math/render/svg/338744f77ec43446a9c6685bb85951deef778fc4)
.Тогда случайный процесс 
Случайная величина — переменная, значения которой представляют собой численные исходы некоторого случайного феномена или эксперимента. Другими словами, это численное выражение результата случайного события. Случайная величина является одним из основных понятий теории вероятностей. Для обозначения случайной величины в математике принято использовать греческую букву «кси» 
Математи́ческое ожида́ние — понятие в теории вероятностей, означающее среднее значение случайной величины. В случае непрерывной случайной величины подразумевается взвешивание по плотности распределения. Математическое ожидание случайного вектора равно вектору, компоненты которого равны математическим ожиданиям компонентов случайного вектора.
Диспе́рсия случа́йной величины́ — мера разброса значений случайной величины относительно её математического ожидания. Обозначается 
Случа́йный проце́сс в теории вероятностей — семейство случайных величин, индексированных некоторым параметром, чаще всего играющим роль времени или координаты.
Ковариа́ция или корреляционный момент 
Экспоненциа́льное распределе́ние — абсолютно непрерывное распределение, моделирующее время между двумя последовательными свершениями одного и того же события.
Центра́льные преде́льные теоре́мы (ЦПТ) — класс теорем в теории вероятностей, утверждающих, что сумма достаточно большого количества слабо зависимых случайных величин, имеющих примерно одинаковые масштабы, имеет распределение, близкое к нормальному.
Биномиа́льное распределе́ние с параметрами 
Характеристи́ческая фу́нкция случа́йной величины́ — один из способов задания распределения. Характеристические функции могут быть удобнее в тех случаях, когда, например, плотность или функция распределения имеют очень сложный вид. Также характеристические функции являются удобным инструментом для изучения вопросов слабой сходимости. В теорию характеристических функций внесли большой вклад Ю. В. Линник, И. В. Островский, К. Р. Рао, Б. Рамачандран.
Пло́тность вероя́тности — один из способов задания распределения случайной величины. Во многих практических приложениях понятия «плотность вероятности» и «плотность (распределения) случайной величины» или «функция распределения вероятностей» фактически синонимизируются и под ними подразумевается вещественная функция, характеризующая сравнительную вероятность реализации тех или иных значений случайной переменной (переменных).
Коэффицие́нт эксце́сса в теории вероятностей — мера остроты пика распределения случайной величины.
Производя́щая фу́нкция моме́нтов — способ задания вероятностных распределений. Используется чаще всего для вычисления моментов.
Ковариацио́нная ма́трица в теории вероятностей — это матрица, составленная из попарных ковариаций элементов одного или двух случайных векторов.
Усло́вное распределе́ние в теории вероятностей — это распределение случайной величины при условии, что другая случайная величина принимает определённое значение.
Условное математическое ожидание в теории вероятностей — это среднее значение случайной величины при выполнении некоторого условия. Часто в качестве условия выступает фиксированное на некотором уровне значение другой случайной величины, которая может быть связана с данной. В этом случае условное математическое ожидание случайной величины 
Закон больших чисел (ЗБЧ) в теории вероятностей — принцип, описывающий результат выполнения одного и того же эксперимента много раз. Согласно закону, среднее значение конечной выборки из фиксированного распределения близко к математическому ожиданию этого распределения.
Мартинга́л в теории случайных процессов — такой случайный процесс, что наилучшим предсказанием поведения процесса в будущем является его настоящее состояние.
Марковский момент времени — это случайная величина, не зависящая от будущего рассматриваемого случайного процесса.
Мартинга́л де Муа́вра в теории случайных процессов — это простейший пример мартингала.
Теорема Дуба об остановке приводит условия, гарантирующие, что матожидаемое мартингала в момент остановки равно его начальному ожидаемому значению.