对一个离散型随机变量X，其取值为k的概率为pk。连续的变量分布描述或者是比较复杂的离散随机变量。
条件分布律：F(x，y)=P(X<=x)，对于二维随机变量(X，Y)，可以考虑在其中一个随机变量取得(可能的)固定值的条件下，另一随机变量的概率分布，这样得到的X或Y的概率分布叫做条件概率分布，简称条件分布。
如果将二维随机变量(X，Y)看成是平面上随机点的坐标，那么分布函数F(x，y)在(x，y)处的函数值就是随机点(X，Y)落在以点(x，y)为顶点而位于该点左下方的无穷矩形域内的概率。在概率论中，对两个随机变量X和Y，其联合分布是同时对于X和Y的概率分布。
分布律和分布列的区别
1、分布列一般用于离散的随机变量的分布描述。基本上是可以列表出来的，也就是说有限少数的概率分布。比如说A、B、C表示所有可能发生的三个不同的事件，它们有个分布列。
2、分布律的话，连续的变量分布描述；或者是比较复杂的离散随机变量。比如说正态分布、二项式分布、泊松分布等等，一般叫做分布律。
分布律是一种覆盖系统各种状态的概率分布、概率测量或者频率分布，也称玻尔兹曼分布律。描述理想气体在受保守外力作用、或保守外力场的作用不可忽略时，处于热平衡态下的气体分子按能量的分布规律。波尔兹曼分布律适用于经典理想气体，这是一种理想化的实际气体。在实际气体中，存在可以使其速度分布与麦克斯韦-波尔兹曼形式不同的各种效应（例如：范德华相互作用、涡流、相对论速度限制和量子交换相互作用）。
分布律的求法通过公式：F（x）＝P（X≤x）求出。分类讨论如下：
（1）x＜0时，显然1，F（x）＝P（X≤x）＝0。
（2）0≤x＜1时，F（x）＝P（X≤x）＝P（X＝0）＝22／35。
（3）1≤x＜2时，F（x）＝P（X≤x）＝P（X＝0）＋P（X＝1）＝22／35＋12／35＝34／35。
（4）x≥2时，F（x）＝P（X≤x）＝P（X＝0）＋P（X＝1）＋P（X＝2）＝22／35＋12／35＋1／35＝1。
