1、正态分布。其特点是密度函数以均值为中心对称分布，这是一种最常用的概率分布，正态分布适用于描述一般经济变量的概率分布，如销售量、售价、产品成本等。
2、三角型分布。其特点是密度数是由最大值、最可能值和最小值构成的对称的或不对称的三角型。适用描述工期、投资等不对称分布的输入变量，也可用于描述产量、成本等对称分布的变量。
3、经验分布。其密度函数并不适合于某些标准的概率函数，要根据统计资料及主观经验估计的非标准概率分布，它适合于项目评价中的所有各种变量。
4、指数分
4.4 几个常见的连续型概率分布
1. 正态分布
正态分布是上帝设置的分布，大自然中绝大多数的现象都遵从这个分布规律
2. 均匀分布
3. 指数分布
4. χ2分布（卡方分布）
n个遵从标准正态分布且互相独立的随机变量的平方和的分布，称为卡方分布。其中n称为卡方分布的自由度。
① 卡方分布用户总体方差的估计和非参数检验（后续细讲）
② 卡方分布只涉及到一个参数，就是自由度n
5. t分布（学生t分布）
如果X服从标准正态分布，即 X~N(0, 1)，Y服从自由度为n的卡方分布，即 Y~χ2(n)，把Z定义如下：
① t分布也只涉及到一个参数，即其中卡方分布涉及的自由度n；
② t分布是对称的，但比正态分布要平坦一些
③ 自由度n越大，t分布越趋近于正态分布
④ 当已知 总体为正态分布但其标准差未知 时，t分布可以用于在小样本条件下对 总体均值 的估计和检验
6. F分布
若U服从自由度为n1的卡方分布，即U~χ2(n1)，V服从自由度为n2的卡方分布，即V~χ2(n2)，定义F如下：
① F分布涉及两个参数：n1, n2
② F分布的分布曲线与卡方分布类似；
③ F分布用于比较 不同总体的方差 是否有显著差异。
连续型随机变量分布有哪几种
连续型随机变量分布一般含有均匀分布、指数分布、正态分布。
均匀分布：在概率论和统计学中，均匀分布也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。 均匀分布由两个参数a和b定义，它们是数轴上的最小值和最大值，通常缩写为U（a，b）。
指数分布：指数分布（也称为负指数分布）是描述泊松过程中的事件之间的时间的概率分布，即事件以恒定平均速率连续且独立地发生的过程。 这是伽马分布的一个特殊情况。 它是几何分布的连续模拟，它具有无记忆的关键性质。 除了用于分析泊松过程外，还可以在其他各种环境中找到。
正态分布：正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），最早由棣莫弗（Abraham de Moivre）在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。
六种常见分布的概率分布
六种常见分布的概率分布如下：
1、离散型分布：0-1分布。
只先进行一次事件试验，该事件发生的概率为p，不发生的概率为1-p
2、离散型分布：几何分布。
在n次伯努利试验中，试验k次才得到第一次成功的概率。详也就是说前k-1次皆失败，第k次成功的概率。
3、离散型分布：二项分布
在n次独立重复的伯努利试验中，设每次试验中A发生的概率为p。用X表示n重伯努利试验中A发生的次数，n次试验中事件A恰好发生k次的概率即为二项分布。
4、离散型分布：泊松分布
单位时间内，某事发生x次的概率
5、连续型分布：均匀分布
在区间（a，b）上服从均匀分布的随机变量 X，落在区间（a，b）中任意等长度的子区间内的可能性是相同的.
6、连续型分布：指数分布
描述两次随机事件发生时间间隔的概率分布
7、连续型分布：正态分布
态分布是具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ^2是此随机变量的方差，所以正态分布记作N(μ，σ^2 )。
