1.均匀分布
在概率论和统计学中，均匀分布也叫矩形分布，它是一种对称的概率分布，在相同长度区间上的分布概率是同等可能的。均匀分布由两个参数A和B定义，分别是数轴上的最小值和最大值，通常缩写为U(a，B)。在统计学中，当P值作为简单零假设的检验统计量，并且检验统计量的分布是连续的，那么如果零假设为真，则P值在0和1之间均匀分布。
2.指数分布
在概率论和统计学中，指数分布(也称负指数分布)是描述泊松过程中事件间隔时间的概率分布，即事件以恒定的平均速率连续独立发生的过程。这是伽玛分布的一个特例。它是对几何分布的连续模拟，并且具有无记忆的关键特性。除了用于分析泊松过程，它也可以在各种其他环境中找到。
指数分布不同于分布指数族的分类，后者是一大类概率分布，它包括指数分布作为其成员之一，还包括正态分布、二项式分布、伽玛分布、泊松分布等。
指数函数的一个重要特征是无记忆性(也叫丢失记忆)。这意味着，如果一个随机变量是指数分布的，当s，t0时，存在P(Tt s|Tt)=P(Ts)。也就是说，如果t是某个部件的寿命，并且已知该部件已经使用了t个小时，那么它总共将使用至少s个小时的条件概率等于它从开始使用起将使用至少s个小时的概率。
