區間 內的 均勻分布 記做 。服從 分布的隨機變量又稱為隨機數，它是產生其他隨機變量的基礎。如若 為 分布，則 服從 。
以 為期望， 為方差的 正態分布 記做 。正態分布的應用十分廣泛。正態分布還可以作為二項分布壹定條件下的近似。
指數分布 是單參數 的非對稱分布，記做 ，概率密度函數為：
數學期望為 ，方差為 。指數分布是唯壹具有無記憶性的連續型隨機變量，既有 ，在排隊論，可靠性分析中有廣泛應用。
Gamma分布是雙參數 的非對稱分布，記做 ，期望是 。 時退化為指數分布。 個相互獨立，同分布（參數 ）的指數分布之和是Gamma分布 。Gamma分布可用於服務時間，零件壽命等。
Gamma分布又稱為埃爾朗分布。
Weibull分布是雙參數 的非對稱分布，記做 。 時退化為指數分布。作為設備，零件的壽命分布在可靠性分析中有非常廣泛的應用。
Beta分布是區間 內的雙參數，非均勻分布，記做 。
伯努利分布是 處取值的概率分別是 和 的兩點分布，記做 。用於基本的離散模型。
泊松分布與指數分布有密切的關系。當顧客平均到達率為常數 的到達間隔服從指數分布時，單位時間內到達的顧客數 服從泊松分布，即單位時間內到達 位顧客的概率為：
記做 。泊松分布在排隊服務，產品檢驗，生物與醫學統計，天文，物理等領域都有廣泛應用。
在獨立進行的每次試驗中，某事件發生的概率為 ，則 次實驗中該事件發生的次數 服從二項分布，即發生 次的概率為：
記做 。二項分布是 個獨立的伯努利分布之和。它在產品檢驗，保險，生物和醫學統計等領域有著廣泛的應用。
當 很大時， 近似於正態分布 ；當 很大， 很小，且 約為常數 時， 近似於