一、 离散型分布
1、 两点分布：binom（1，p）
意义：一次实验中有二个事件：成功（记1）与失败（记0），出现的概率分别为p和1?p，则一次试验（称为贝努利试验）成功的次数服从一个参数为p的贝努利试验。例子（投一次硬币） 分布律：
f(x|p)?px(1?p)1?x,x?0,1(0?p?1)
数字特征：
E(X)?p,Var(X)?p(1?p)
2、 二项分布：binom（n，p）
意义：贝努利试验独立重复n次，则试验成功的次数服从一个参数为（n，p）的二项分布。（投n次硬币） 分布律：
?n?xf(x|p)???p(1?p)n?x,x?0,1,?p?,n.(0?p?1)
数字特征：
E(X)?np,Var(X)?np(1?p)
3、 多项分布：multinon(n,p1,,pk)
()ip?0(ip?,?意义：一试验中有k个时间Ai,i?1,2,,k，且PAi1p)1??ii?1k
将此试验独立地重复n次，则时间A1,A2,,Ak出现的次数服从一个参数
(n,p)的多项式分布，其中P?(p1,p2,,pk)（仍骰子问题）
分布律：
f(x1,?n?,xk|n,p)???px1px2?p?p,0?xi?n,?xi?n
xki?1k数字特征：
E(X)?np,Var(X)?np(1?p),Cov(Xi,Xj)??npipj
4、 负二项分布：nbinom(k,p)
意义：贝努利试验独立地重复进行，一直到出现k次成功时停止试验，则试验失败的次数服从一个参数(k,p)的负二项分布。 分布律：
f(x|k,p)??(k?x)kp(1?p)x,x?0,1,?(k)?(x)
)数字特征： E(X?k(1?p)k?(1p),Var?(X)2 pp5、 几何分布：geom(p)
意义：伯努利试验独立地重复进行，一直到出现有成功出现时停止试验，则试验失败的次数服从一个参数p的集合分布。 分布律：
f(x|p)?p(1?p)x,x?0,1,2,
数字特征：
E(X)?(1?p)(1?p),Var(X)? 2pp6、 超几何分布：hyper(N,M,n)
意义：从装有N个白球和M个黑球的罐子中不放回地取出k其中
k?N?M则其中的白球服从超几何分布。
分布律：
?N??M?????x??k?x??f(x|N,M,k)?,x?0,1,2,?N?M???k??,min{N,k}
数字特征：
E(X)?(kN)(N?M?k)kNN,Var(X)?(1?) N?MN?M?1N?MM?N7、 泊松分布：pois(?)
意义：单位时间，单位长度，单位面积，单位体积中发生某一事件的次数常可以使用泊松分布来刻画，例如某高速公路上一年内交通事故和某办公室一天中收到的电话次数可以认为近似服从泊松分布。 分布律：
f(x|?)??xx!e??,x?0,1,2,.
数字特征： E(X)??,Var(X)??
二、 连续分布的密度函数
1、 贝塔分布Beta(a,b)
意义：在贝叶斯分析中，贝塔分布常常作为二项分布参数的共轭先验分布。 密度函数：
f(x|a,b)?1xa?1(1?x)b?1,0?x?1(a,b?0) B(a,b)数字特征：
E(X)?aab,Var(X)? 2a?b(a?b)(a?b?1)当(a?1,b?1)时的分布为[0,1]上的均匀分布。
2、 均匀分布：unif(a,b)
意义：区间[a,b]上随机投点对应的坐标服从[a,b]上的均匀分布。 密度函数：
f(x|a,b)?1,a?x?b b?a数字特征：
a?bb2?a2E(X)?,Var(X)?
2123、 柯西分布：cauchy(a,b)
意义：柯西分布（又称为Lorentz分布）用于描述共振行为。以一随机的角度投向X轴的水平距离服从柯西分布。 密度函数：
f(x|a,b)?1,0?x?1(a,b?0) x?a???b[1???]b??数字特征：均值和方差均不存在。 4、 威布尔分布：weibull(a,b)
意义：最为常见的寿命分布，用来刻画滚珠轴承、电子元器件等产品的寿命。
密度函数：f(x|a,b)?abxb?1eax,x?0(a,b?0) 数字特征：
121?(1?)?(1?){?(1?)}2b,Var(X)?b?b E(X)?122bbbaaab特例：b = 1时为指数分布。
5、 指数分布：exp(?)
意义：泊松过程的等待时间服从指数分布。形状参数b?1的weibull分布为指数分布。
密度函数： f(x|a,b)??e??x,x?0(??0) 数字特征：E(X)?,Var(X)??11?2
6、 瑞利（Rayleigh）分布：rayl(b)
意义：瑞利（Rayleigh）分布为weibull分布的又一个特例：它是参数为((1/2b2),2)的weibull分布。 密度函数：
xx2f(x|b)?2exp(?2)
b2b数字特征：
E(X)??2b,Var(X)?4??2b 27、 正态分布/高斯分布：norm(?,?2)
意义：高斯分布式概率论与数理统计中最重要的一个分布。中心极限定理表明，一个变量如果是由大量微小的、独立的随机因素的叠加结果，那么这个变量一定是正态变量。因此许多随机变量可以用高斯分布表述或近似描述。 密度函数：
f(x|?,?)?1e2???(x??)22?2,???x??,(??????,??0)
数字特征：E(X)??,Var(X)??2 8、 对数正态分布：lnorm(?,?2)
离散型+l连续型概率分布
