陈丹霞的回答：

贝塔分布比较接近正态分布，是压扁的的正态分布，而且贝塔分布的均值不是位于最中间，可以位于区间的任何地方，建议百度一下PERT

Elian的回答：

正态分布编辑本段　　normal distribution 　　一种概率分布。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 )。 服从正态分布的随机变量的概率规律为取与μ邻近的值的概率大 ，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低 ，图像是一条位于x轴上方的钟形曲线。当μ＝0，σ2 ＝1时，称为标准正态分布，记为n（0，1）。μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。 　　正态分布最早由a.棣莫弗在求二项分布的渐近公式中得到。c.f.高斯在研究测量误差时从另一个角度导出了它。p.s.拉普拉斯和高斯研究了它的性质。 　　生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，产品的强力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量，等等。一般来说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量具有正态分布（见中心极限定理）。从理论上看，正态分布具有很多良好的性质 ，许多概率分布可以用它来近似；还有一些常用的概率分布是由它直接导出的，例如对数正态分布、t分布、f分布等。 　　正态分布应用最广泛的连续概率分布，其特征是“钟”形曲线。 　　 正态分布 　　1.正态分布 　　若已知的密度函数（频率曲线）为正态函数（曲线）则称已知曲线服从正态分布，记号 ～ 。其中μ、σ2 是两个不确定常数，是正态分布的参数，不同的 、不同的 对应不同的正态分布。 　　正态曲线呈钟型，两头低，中间高，左右对称，曲线与横轴间的面积总等于1。 　　2．正态分布的特征 　　服从正态分布的变量的频数分布由 、 完全决定。 　　(1) 是正态分布的位置参数，描述正态分布的集中趋势位置。正态分布以 为对称轴，左右完全对称。正态分布的均数、中位数、众数相同，均等于 。 　　(2) 描述正态分布资料数据分布的离散程度， 越大，数据分布越分散， 越小，数据分布越集中。 也称为是正态分布的形状参数， 越大，曲线越扁平，反之， 越小，曲线越瘦高。 　　 标准正态分布standard normal distribution 　　1．标准正态分布是一种特殊的正态分布，标准正态分布的μ和σ2为0和1，通常用 （或z）表示服从标准正态分布的变量，记为 z～n（0，1）。 　　2．标准化变换：此变换有特性：若原分布服从正态分布