Распределение вероятностей — это закон, описывающий область значений случайной величины и вероятности их исхода (появления).
Равномерное распределение:
- Дискретное равномерное распределение — распределение, в котором случайная величина принимает конечное число значений с равными вероятностями.
- Непрерывное равномерное распределение — распределение случайной величины с постоянной плотность вероятности на интервале.

Распределе́ние Коши́ в теории вероятностей — класс абсолютно непрерывных распределений. Случайная величина, имеющая распределение Коши, является стандартным примером величины, не имеющей математического ожидания и дисперсии.
Пло́тность вероя́тности — один из способов задания распределения случайной величины. Во многих практических приложениях понятия «плотность вероятности» и «плотность (распределения) случайной величины» или «функция распределения вероятностей» фактически синонимизируются и под ними подразумевается вещественная функция, характеризующая сравнительную вероятность реализации тех или иных значений случайной переменной (переменных).

Бе́та-распределе́ние в теории вероятностей и статистике — двухпараметрическое семейство абсолютно непрерывных распределений. Используется для описания случайных величин, значения которых ограничены конечным интервалом.

Га́мма-распределе́ние в теории вероятностей — это двухпараметрическое семейство абсолютно непрерывных распределений. Если параметр
принимает целое значение, то такое гамма-распределение также называется распределе́нием Эрла́нга.

Логнорма́льное распределе́ние (логарифмически-нормальное) в теории вероятностей — это двухпараметрическое семейство абсолютно непрерывных распределений. Если случайная величина имеет логнормальное распределение, то её логарифм имеет нормальное распределение.

Распределе́ние Стью́дента в теории вероятностей — это однопараметрическое семейство абсолютно непрерывных распределений. Уильям Сили Госсет первым опубликовал работы, посвящённые этому распределению, под псевдонимом «Стьюдент».
В теории вероятностей и математической статистике распределение Дирихле, часто обозначаемое Dir(α) — это семейство непрерывных многомерных вероятностных распределений параметризованных вектором α неотрицательных вещественных чисел. Распределение Дирихле является обобщением Бета-распределения на многомерный случай. То есть, его функция плотности вероятности возвращает доверительную вероятность того, что вероятность каждого из K взаимоисключающих событий равна
при условии, что каждое событие наблюдалось
раз.

Полуширина — разница между максимальным и минимальным значениями аргумента функции, взятыми на уровне, равном половине её максимального значения.

'Обобщённое нормальное распределение' есть одно из двух параметрических семейств абсолютно непрерывных вероятностных распределений на действительной прямой. Два подхода к определению данного семейства распределений обозначаются далее как «подход 1» и «подход 2». Однако данные наименования не являются общепринятыми.

Распределение Райса является обобщением распределения Рэлея. Введено американским учёным Стефаном Райсом.
Обобщённое гиперболическое распределение это непрерывное вероятностное распределение, определяемое как нормальная смесь дисперсии-среднего со смешивающей плотностью обобщённого обратного Гауссова распределения.
Статистика — измеримая числовая функция от выборки, не зависящая от неизвестных параметров распределения элементов выборки.

Гауссова функция — вещественная функция, описываемая следующей формулой:
,
Формула Брейта — Вигнера или релятивистское распределение Брейта — Вигнера — формула, описывающая непрерывное распределение вероятности с помощью плотности вероятности заданной в виде

Распределение Пирсона — непрерывное распределение вероятностей, плотность вероятности которого является решением дифференциального уравнения
, где числа
являются параметрами распределения. Частными случаями распределения Пирсона являются бета-распределение, гамма-распределение, распределение Стьюдента, показательное распределение, нормальное распределение. Распределения Пирсона широко используются в математической статистике при сглаживании распределений эмпирических данных. Для аппроксимации распределения вероятностей опытных данных численными методами вычисляют их первые четыре момента, а затем на их основе вычисляют параметры распределения Пирсона.