概率论中常见的分布可以分为离散型分布和连续型分布。以下是几种主要的概率分布：
离散型分布
伯努利分布 （Bernoulli Distribution）
随机变量X只能取0或1，概率分布为P{X=k}=p^k（1-p）^（1-k），其中p是成功的概率。
二项分布 （Binomial Distribution）
描述n次独立伯努利试验中成功次数的分布，概率分布为P（X=k）=C（n,k）p^k（1-p）^（n-k），其中C（n,k）是组合数。
泊松分布 （Poisson Distribution）
用于描述在固定时间或空间内发生随机事件的次数，概率分布为P（X=k）=e^（-λ）λ^k/k!，其中λ是事件的平均发生次数。
连续型分布
均匀分布 （Uniform Distribution）
在区间[a,b]上取值的概率相同，概率密度函数为f（x）=1/（b-a），当x∈[a,b]。
指数分布 （Exponential Distribution）
用于描述独立随机事件发生的时间间隔，概率密度函数为f（x）=λe^（-λx），x≥0，其中λ是事件发生的平均时间间隔。
正态分布 （Normal Distribution）
也称为高斯分布，是最常用的连续概率分布，概率密度函数为f（x）=1/（σ√（2π））e^（-（x-μ）^2/（2σ^2）），其中μ是均值，σ是标准差。
t分布 （t Distribution）
用于小样本情况下均值的统计推断，概率密度函数是对称的钟形曲线，与正态分布类似但尾部更重。
F分布 （F Distribution）
用于方差分析（ANOVA）和回归分析中的F检验，是两个卡方分布的比值。
卡方分布 （Chi-square Distribution）
用于检验拟合优度和独立性检验，概率密度函数为f（x）=（1/2）^（k/2）e^（-x/2），x≥0，k是自由度。
这些分布是概率论和统计学中的基础，广泛应用于各种领域，包括自然科学、社会科学和工程学