Удаленные остатки. Удаленные остатки - это значения остатков для соответствующих наблюдений, которые были исключены из процедуры регрессионного анализа. Если удаленный остаток значительно отличается от соответствующего стандартизованного значения остатка, то, возможно, это наблюдение является выбросом, поскольку его исключение существенно изменяет уравнение регрессии.

См. также разделы о  стандартизованных остатках, расстояниях Махаланобиса и расстояниях Кука.


Унимодальное распределение. Унимодальное распределение - это распределение, имеющее только одну моду. Типичный пример - это нормальное распределение, которое также и  симметрично, в то время как многие унимодальные распределения несимметричны (например, распределение дохода не симметрично, а "скошено влево"; см. асимметрия). См. также разделы о бимодальном и  мультимодальном распределении.


Управляемое обучение (для нейронных сетей). Алгоритмы обучения, в которых на вход нейронной сети подаются данные, содержащие известные значения выходных переменных, а корректировка весов сети производится по результатам сравнения фактических выходных значений с целевыми. См. раздел Нейронные сети.


Уровень интенсивности. В анализе выживаемости   уровень интенсивности определяется как вероятность того, что наблюдаемый объект, доживший до момента времени t, умрет (откажет) до следующего момента времени t + 1. Он оценивается как число смертей за единицу времени на соответствующем временном интервале, деленное на среднее число доживших до середины интервала.


Усеченные средние. Для некоторый типов  графиков (например, 2М диаграммы размаха, 3М диаграммы размаха, категоризованные диаграммы размаха) предусмотрена возможность исключения крайних точек из распределения значений переменной. Например, можно исключить (удалить) 5% наименьших и 5% наибольших значений. Среднее значение, рассчитанное для усеченного таким образом распределения, будет называться "усеченным средним" (этот термин впервые был использован Тьюки в 1962г.).


Условия остановки. Для итерационного процесса (подгонки, поиска, обучения) - условия, при выполнении которых процесс завершается. Например, для нейронных сетей  условия остановки могут включать максимальное число эпох, целевое значение ошибки или порог ее минимального улучшения.