W badaniach laboratoryjnych balistyki, narzędziem umożliwiającym obiektywne i prawdopodobne oszacowanie parametrów rozkładu wybranych cech komponentów populacji, jest teoria niepewności pomiaru wykorzystująca elementarne prawa rachunku prawdopodobieństwa i statystyki matematycznej. Dlatego również w części początkowej pracy omówiono potrzebne wybrane wiadomości z rachunku prawdopodobieństwa i statystyki matematycznej, takie jak: zmienne losowe jednowymiarowe, zmienne losowe wielowymiarowe, a także cechy rozkładu badanej cechy składników populacji, wartość oczekiwaną, estymację punktową i przedziałową, a także współczynnik korelacji liniowej Pearsona. Pokaźną częścią pracy jest omówienie rozkładów statystycznych. Rozkładem statystycznym który omówiono szczegółowo jest rozkład jednopunktowy. Postąpiono tak z tego względu, iż rozkład ten jest podstawą do zdefiniowania rozkładów wielopunktowych będących w istocie złożeniem wielokrotnym rozkładu jednopunktowego. Rozkład jednopunktowy przedstawiono jako degenerację rozkładu ciągłego zrównoważonego do punktu. Dalej dokonano złożenia rozkładu jednopunktowego w rozkład n-punktowy zwany inaczej rozkładem dwumianowym Bernoulliego.
Przytoczono w dodatku twierdzenie Moivere’a-Laplace’a odnoszące się do rozkładu dwumianowego Bernoulliego które wskazuje, iż w przejściu granicznym dla tego rozkładu zbiega się on do rozkładu normalnego Gaussa, który to rozkład znajduje zastosowanie w prawie wszelkich procesach zachodzących w przyrodzie i w wielu innych dziedzinach życia. Omówiono na dodatek rozkład chi-kwadrat i rozkład t-Studenta wykorzystywany przy ocenie niepewności pomiaru dla oszacowania przedziału ufności i poziomu ufności znalezienia w nich parametru rozkładu przeciętnej arytmetycznej zmiennej losowej populacji, jeżeli próba losowa nie przekracza trzydziestu pomiarów (n < 30). Omówiono na dodatek regresję liniową, która sprowadza zagadnienie współzależności zmiennych losowych do zależności funkcyjnej. Natomiast regresję nieliniową opisano jako ogólną procedurę służącą do dostosowania dowolnego rodzaju zależności między zmiennymi Y objaśnianą i X objaśniającą. Przekazano przykłady kilku funkcji nieliniowych, które po transformacji zmiennych losowych doprowadzono do modelu regresji liniowej. W pracy uwzględniono dokument Głównego Urzędu Miar zatytułowany „Wyrażanie niepewności pomiaru: Przewodnik", wydany w 1999 roku. Na podstawie tego dokumentu określono niepewności standardowe typu A rodzaju B, niepewności wzorcowania dla podstawowych przyrządów wykorzystywanych w laboratoriach, obliczanie niepewności standardowej dla wielkości złożonych, niepewność zwiększoną, a także weryfikację hipotezy liniowości.
Przytoczono w dodatku twierdzenie Moivere’a-Laplace’a odnoszące się do rozkładu dwumianowego Bernoulliego które wskazuje, iż w przejściu granicznym dla tego rozkładu zbiega się on do rozkładu normalnego Gaussa, który to rozkład znajduje zastosowanie w prawie wszelkich procesach zachodzących w przyrodzie i w wielu innych dziedzinach życia. Omówiono na dodatek rozkład chi-kwadrat i rozkład t-Studenta wykorzystywany przy ocenie niepewności pomiaru dla oszacowania przedziału ufności i poziomu ufności znalezienia w nich parametru rozkładu przeciętnej arytmetycznej zmiennej losowej populacji, jeżeli próba losowa nie przekracza trzydziestu pomiarów (n < 30). Omówiono na dodatek regresję liniową, która sprowadza zagadnienie współzależności zmiennych losowych do zależności funkcyjnej. Natomiast regresję nieliniową opisano jako ogólną procedurę służącą do dostosowania dowolnego rodzaju zależności między zmiennymi Y objaśnianą i X objaśniającą. Przekazano przykłady kilku funkcji nieliniowych, które po transformacji zmiennych losowych doprowadzono do modelu regresji liniowej. W pracy uwzględniono dokument Głównego Urzędu Miar zatytułowany „Wyrażanie niepewności pomiaru: Przewodnik", wydany w 1999 roku. Na podstawie tego dokumentu określono niepewności standardowe typu A rodzaju B, niepewności wzorcowania dla podstawowych przyrządów wykorzystywanych w laboratoriach, obliczanie niepewności standardowej dla wielkości złożonych, niepewność zwiększoną, a także weryfikację hipotezy liniowości.
