概率论与数理统计中，分布是一个核心概念，用于描述随机变量的可能取值及其对应的概率。在概率论与数理统计中，存在多种不同的分布，每一种分布都有其特定的应用场景和性质。以下是一些常见的分布：

离散型分布：

0-1分布：又称为伯努利分布，描述一个随机事件只有两种可能结果的概率分布。

二项分布：描述在n次独立的伯努利试验中成功k次的概率分布。

泊松分布：描述单位时间内某事件发生的次数，常用于描述稀有事件的发生频率。

几何分布：描述在多次伯努利试验中，首次成功所需试验次数的概率分布。

超几何分布：描述在不放回抽样中，成功抽取指定数量样本的概率分布。

连续型分布：

均匀分布：描述一个随机变量在某一区间内取值的概率分布，该区间内的每一个值被取到的概率是相同的。

指数分布：常用于描述事件发生的时间间隔，如电话交换机的通话间隔、电子元器件的寿命等。

正态分布（又称为高斯分布）：是自然界中最常见的一种分布形式，描述随机变量在其均值附近波动的情况。

β分布：用于描述概率的概率分布，常见于统计推断中。

γ分布：常用于描述等待时间的分布，如排队论中的服务时间。

除了上述分布外，还有诸如卡方分布、t分布、F分布等，这些分布在统计学推断和假设检验中发挥着重要作用。

每种分布都有其特定的期望（均值）和方差（描述随机变量与其期望之间的离散程度），这些统计量在概率论与数理统计中具有重要意义。对于不同的分布，其期望和方差的计算公式也会有所不同。

总的来说，概率论与数理统计中的分布多种多样，每种分布都有其特定的应用场景和性质。了解和掌握这些分布对于进行统计分析、预测和决策具有重要意义。