1)区别：正态分布的平均数为μ，标准差为σ；不同的正态分布可能有不同的μ值和σ值，正态分布曲线形态因此不同。
标准正态分布平均数μ=0，标准差σ=1，μ和σ都是固定值；标准正态分布曲线形态固定。
(2)联系：正态分布可以通过标准化处理，转化为标准正态分布。具体方法是使用z=(X-μ)/σ将原始数据转化为标准分数。
正态分布：
正态分布（Normal distribution）又名高斯分布（Gaussiandistribution），若随机变量X服从一个数学期望为μ、方差为σ2的高斯分布，记为N(μ，σ2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。当μ=0，σ=1时，正态分布就成为标准正态分布N（0，1)。概率密度函数为：
卡方分布：
若n个相互独立的随机变量ξ₁、ξ₂、……、ξn ，均服从标准正态分布N（0,1）（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和
二项分布
二项分布即重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布服从0-1分布。
定义
**编辑
统计学定义
在概率论和统计学中，二项分布是n个独立的是/非[
二项分布与生活息息相关
试验中成功的次数的离散概率分布，其中每次试验的成功概率为p。这样的单次成功/失败试验又称为伯努利试验。实际上，当n = 1时，二项分布就是伯努利分布，二项分布是显著性差异的二项试验的基础。
