ஒரு தொடர்ச்சியான சமவாய்ப்பு மாறி X-இன் நிகழ்தகவு அடர்த்திச் சார்பு f (x) எனில், அதன் எதிர்பார்க்கும் மதிப்பு 
\(\mathrm{E}(\mathrm{X})=\int_{-\infty}^{\infty} x f(x) d x\)
தொடர்ச்சியான சமவாய்ப்பு மாறி X-இன் நிகழ்தகவு அடர்த்திச் சார்பு f_x(x) எனில்,
\(\operatorname{Var}(\mathrm{X})=\int_{-\infty}^{\infty}[x-\mathrm{E}(\mathrm{X})]^2 \mathrm{f}_{\mathrm{X}}(x) \mathrm{d} x\)

ஒரு தனித்த சமவாய்ப்பு மாறி X-இன் நிகழ்தகவு நிறை சார்பு p(x) எனில் அதன் எதிர்பார்க்கும் மதிப்பு 
\(\mathrm{E}(\mathrm{X})=\sum_x x p(x) \)
தனித்த சமவாய்ப்பு மாறி X - இன் நிகழ்தகவு நிறை சார்பு p(x) எனில்
\(\operatorname{Var}(\mathrm{X})=\Sigma[x-\mathrm{E}(\mathrm{X})]^2 \mathrm{p}(x)\)

[X - E(X)]² இன்‌ எதிர்பார்க்கும்‌ மதிப்பானது சமவாய்ப்பு மாறியின்‌ மாறுபாட்டு அளவை என்று அழைக்கப்படுகிறது. 
\(\operatorname{Var}(X)=E[X-E(X)]^2=E\left(X^2\right)-[E(X)]^2\)
இங்கு E(X)²

ஒரு சமவாய்ப்பு நிகழ்வின்‌ சராசரி மதிப்பானது அதன்‌ கணக்கியல்‌ எதிர்பார்த்தல்‌ அல்லது  எதிர்பார்க்கும்‌ மதிப்பாக குறிப்பிடப்படுகிறது. 
E (X) என்பது சமவாய்ப்பு மாறி பெறும்‌ மதிப்புகளின்‌ சராசரி ஆகும்‌, ஒவ்வொரு சமவாய்ப்பு மாறி மதிப்பும்‌, அம்மதிப்பின்‌ நிகழ்தகவு மூலம்‌ நிறையிடப்படுகிறது. சாத்தியமான நிகழ்தகவு மதிப்புகள்‌ அதிக நிறையைப்‌ பெறும்‌.

கணக்கியல்‌ எதிர்பார்த்தலின்‌ பண்புகள்‌:
(i) E (a) = a, 'a' என்பது ஒரு மாறிலி,
(ii)  E(aX) = aE(X)
(iii) E (aX + b) = aE (X) + b, 'a' மற்றும்‌ ‘b’ ஆகியவை மாறிலிகள்‌.
(iv) X ≥ 0 எனில்‌ E(X) ≥ 0 ஆகும்‌.
(v) V(a) =0 a ஒரு மாறிலி.
(vi) X என்பது ஒரு சமவாய்ப்பு மாறி எனில்‌, V (aX + b) = a² V(X)