概率分布是数学模型该分配的概率为随机变量。它们可用于模型实验或历史数据，以便产生预测估计或分析大量的结果如蒙特卡洛模拟。

主要有两种类型的概率分布：参数和非参数。

参数分布是可以使用具有有限的一组参数的方程来描述概率分布。对于一个指定的参数分布，参数通过拟合到数据估算。一些常见的参数分布包括：

• 普通（或高斯）分布
• 威布尔分布
• 广义极值（GEV）分布
• 物流配送
• 内核分配
• 连接函数（多变量分布）

非参数分布是提供的纯粹基于采样数据的概率密度函数的估计概率分布。这是当数据不能准确地由参数分布描述优选的。一些常见的非参数概率分布包括：

• 内核分配
• 经验累积分布
• 分段线性分布
• 帕累托尾巴分段分布
• 三角形分布

参数分布可以很容易地适合于使用最大似然估计的数据。然后将拟合分布被用来通过计算汇总统计，评估的概率密度函数（PDF）和累积分布函数（CDF），并评估该分布的适合的数据来执行进一步的分析。

有关类型的分布，分布拟合，可视化分布，并产生随机数的更多信息，请统计和机器学习工具箱™与使用MATLAB^®。