正态分布和均匀分布都是连续的；即，任何特定值的概率为零。显然，特定于机器的实现涉及数值精度和其他考虑因素，但出于所有意图和目的，您可以假设对于任何特定 ; 即，您随机抽取与您指定的任何特定点相同的值的概率为。此外，如果您有任何可数（即，您可以将其数出来，可能是无限的）或有限（即，您有一个具有固定数量元素的集合） set ,$\mathbb P(X = x) = 0$$x$$0$$\mathcal X$$\mathbb P(X \in \mathcal X) = 0$也是。也就是说，对于分布支持范围内的任何可数实数集（对于统一情况，这将是，对于正常情况，支持只是所有实数）还有一个“新抽奖”或任何有限数量的抽奖将等于其中任何一个的概率为 （这适用于所有连续分布；可以定义不是这种情况的混合分布，但对于连续随机变量，这总是_$[0, 1]$$0$根据定义，连续分布的情况是在无数个点上定义的）。如果 distn 函数是连续的，则不存在“有替换”和“无替换”之类的东西；此外，如果分布是离散的“没有替换”，则明确违反（因为您完全基于您已经获得的值，专门且故意地从可能的值集中省略了值）。并生成样本。$iid$rnormrunif$iid$

为了区分“有替换”和“没有替换”，你需要一个有限的人口。如果人口有限，则没有正态分布（也没有任何其他连续分布）。

[然而，在实现方面，只有有限数量的不同值可以在计算机上生成——在任何固定数量的位上，计算机只能表示有限数量的不同值，所以从这个意义上说，你有一个人口有限，严格来说，分布是离散的而不是连续的。然而，正常模型本身是连续的，即使我们没有办法实际生成真正/完美的值。]