瑞利分布（Rayleigh Distribution）:一个均值为(0.5*π*σ^2)^(0.5)，方差为(2-0.5*π)*σ^2的平稳窄带高斯过程，其包络的一维分布是瑞利分布.其表达式及概率密度如图所示。当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时，这个向量的模呈瑞利分布。瑞利分布是最常见的用于描述平坦衰落信号接收包络或独立多径分量接受包络统计时变特性的一种分布类型。两个正交高斯噪声信号之和的包络服从瑞利分布。

http://s6/middle/6d04718349d62521ecd95&690

http://s13/middle/6d04718349d6238cfd10c&690

http://s6/middle/6d04718349d6238d66305&690

http://s12/middle/6d04718349d6238dd0aeb&690

http://s16/middle/6d04718349d6238e7296f&690

在概率论和统计学中，指数分布（Exponential distribution）是一种连续概率分布。指数分布可以用来表示独立随机事件发生的时间间隔，比如旅客进机场的时间间隔、中文维基百科新条目出现的时间间隔等等。

　　许多电子产品的寿命分布一般服从指数分布。有的系统的寿命分布也可用指数分布来近似。它在可靠性研究中是最常用的一种分布形式。指数分布是伽玛分布和威布尔分布的特殊情况，产品的失效是偶然失效时，其寿命服从指数分布。

　　指数分布可以看作当威布尔分布中的形状系数等于1的特殊分布，指数分布的失效率是与时间t无关的常数，所以分布函数简单。

http://s3/middle/6d04718349d623df93ba2&690

指数分布的参数为λ，则指数分布的期望为1/λ，方差为(1/λ)的平方。

正态分布（normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。

http://s8/middle/6d04718349d6244526867&690

http://s3/middle/6d04718349d624457af92&690

正态分布是具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。