您可能对这个发行库感兴趣。此外

• 伽马分布
• 对数正态分布
• 这$\chi^2$分配
• 和截断的正态分布

已经提出的，你可以检查

• F分布
• 指数分布
• 威布尔分布
• 功率对数正态分布

所有这些都有定义的均值和方差。选择你最喜欢的那个。

截断的正态分布呢？例如尝试

library(truncnorm)
x <- seq(0,10,by=.01)
plot(x,dtruncnorm(x, a=3, b=Inf, mean = 5, sd = 1),type="l")

这给

通过取基础正态分布的平均值$\mu$（mean在命令中）更大，您可以使它看起来“几乎”正常，没有非正值的非零概率。

有无数这样的分布......

考虑来自的均匀分布族$0$至$N$（不包括$0$）， 在哪里$N$是任意整数。

现在选择其中任何一个，比如说$X_1 \sim U(0,3)$.

那么总和$X_1 + \dots + X_{10}$， 在哪里$X_1, \dots, X_{10} \overset{\text{iid}} \sim U(0,3)$形状将大致正常。

这种均匀的和分布也称为Irwin-Hall 分布。

给你两个建议：

• 非中心的$\chi^2_1$通过对正态分布进行平方得到（可以）得到的分布$N(\mu,1)$?

这很容易满足您与法线的关系，因为它总是共享一些潜在法线的参数。然而，它总是向右倾斜，所以虽然它看起来有点正常，但它永远不会。

• 一个系列的正面数量分布$n$硬币翻转（也称为$Binomial(n,p)$分布）看起来越来越像正态分布$n$增加。

这里的缺点是支持总是有限的，包括 0；后者只需加 1 即可轻松解决。