本文只给出分布的参数，记号和常用的范围，更多详细内容请参看概率论书籍。
1.常用的连续性概率分布
1.1.均匀分布
区间)
内的均匀分布记做)
。服从)
分布的随机变量又称为随机数，它是产生其他随机变量的基础。如若
为分布，则%20X)
服从。
1.2.正态分布
以
为期望，
为方差的正态分布记做)
。正态分布的应用十分广泛。正态分布还可以作为二项分布一定条件下的近似。
1.3.指数分布
指数分布是单参数
的非对称分布，记做)
，概率密度函数为：
%3D%5Cleft%5C%7B%5Cbegin%7Barray%7D%7Bll%7D%7B%5Clambda%20e%5E%7B-%5Clambda%20t%7D%2C%7D%20%26%20%7Bt%20%5Cgeq%200%7D%20%5C%5C%20%7B0%2C%7D%20%26%20%7Bt%3C0%7D%5Cend%7Barray%7D%5Cright.)
数学期望为
，方差为
。指数分布是唯一具有无记忆性的连续型随机变量，既有%3DP(X%3Es))
，在排队论，可靠性分析中有广泛应用。
1.4.Gamma分布
Gamma分布是双参数
的非对称分布，记做)
，期望是
。
时退化为指数分布。
个相互独立，同分布（参数）的指数分布之和是Gamma分布)
。Gamma分布可用于服务时间，零件寿命等。
Gamma分布又称为埃尔朗分布。
1.5.Weibull分布
Weibull分布是双参数的非对称分布，记做)
。时退化为指数分布。作为设备，零件的寿命分布在可靠性分析中有非常广泛的应用。
1.6.Beta分布
Beta分布是区间)
内的双参数，非均匀分布，记做)
。
2.常用的离散型概率分布
2.1.离散均匀分布（略）
2.2.伯努利分布（两点分布）
伯努利分布是
处取值的概率分别是
和
的两点分布，记做)
。用于基本的离散模型。
2.3.泊松分布
泊松分布与指数分布有密切的关系。当顾客平均到达率为常数的到达间隔服从指数分布时，单位时间内到达的顾客数
服从泊松分布，即单位时间内到达
位顾客的概率为：
记做)
。泊松分布在排队服务，产品检验，生物与医学统计，天文，物理等领域都有广泛应用。
2.4.二项分布
在独立进行的每次试验中，某事件发生的概率为，则次实验中该事件发生的次数服从二项分布，即发生次的概率为：
%5E%7Bn-k%7D%2C%20%5Cquad%20k%3D0%2C1%2C%20%5Ccdots%2C%20n)
记做)
。二项分布是个独立的伯努利分布之和。它在产品检验，保险，生物和医学统计等领域有着广泛的应用。
当
很大时，近似于正态分布))
；当很大，很小，且
约为常数时，近似于)
