随机变量种类可分为离散型随机变量和连续型随机变量，离散型概率分布的概率函数称为概率质量函数，概率是散布在随机变量的各个离散值上的，所以二维坐标的纵轴为概率；连续型概率分布的概率函数被称为概率密度函数，二维坐标纵轴为密度（区别于离散型概率分布的概率）。

离散型概率分布的主要有二项分布、多项分布、超几何分布、泊松分布。连续型概率分布主要有正态分布、连续型均匀概率分布和指数分布。

正态分布

正态概率分布是统计学中最重要的连续型分布，正态分布的曲线酷似钟型，并且关于均值上的垂线对称。于是，曲线下方的面积有50%处于这条曲线的左边，50%处于右边，曲线向着正无穷和负无穷连续延生，即在两个方向上越来越接近横轴但永不相交。

对于正态分布有一个经验法则：对于任意近似正态分布的总体，大约68.3%的数据位于区间μ±σ内，大于95.4%的数据位于区间μ±2σ内，大约99.7%的数据位于区间μ±3σ内。这种推广对于近似正态分布的样本亦成立(μ为均值，σ为标准差)。这个法则是工业生产中运用广泛的质量控制方法—六西格玛法则的基础。

连续型均匀概率分布

均匀概率分布特征：随机变量X的所有取值有相等的概率。这里用离散型均匀分布的例子引入：投掷骰子就是一个典型的离散型均匀分布，投掷的结果（从1到6）的概率相等，都是1/6；如果将例中离散型随机变量的取值（骰子1到6）换成连续型随机变量的取值区域（0≤x≤6），随机变量在该区域内可以任意取值，且概率为常数（1/6），就是连续型概率分布。

指数分布

先回顾以下泊松分布：泊松分布是在过去经验值（在一段时间或空间内，随机事件的平均成功次数）的基础上，预测将来在同样长的时间或空间内随机事件成功次数的概率分布。

如果一个随机事件的发生是泊松过程，则事件相继发生的间隔时间或空间是指数分布的。指数分布曲线如下图所示：