拟合的数据类型影响着统计分布的发展。特别是自Azzalini提出了偏的正态分布以来,我们用偏的统计分布能更真实的拟合一些数据。近年来,也有一些学者在偏分布的基础上提出了?-偏分布、斜?-偏分布,但这些分布对于具有双峰或者重尾的数据拟合效果并不理想。本文尝试在?-偏拉普拉斯分布的基础上提出斜?-偏拉普拉斯分布,通过大量的数值模拟实验对该分布的参数进行估计,并且用该分布拟合实际数据。最终依据AIC/BIC模型判断准则评估该分布对实际数据拟合的效果,从而验证该统计分布的优越性。本文主要研究内容包括以下四个方面:1.研究了偏态分布以及?-偏分布的一些相关定义和性质。对偏态分布以及?-偏分布进行了一些实际数据的拟合,用遗传算法优化对数似然函数来估计偏分布的参数。最后,利用AIC、BIC准则评判模型的优劣。2.给出?-偏正态分布以及?-偏拉普拉斯分布的随机数生成算法。通过大量的数值实验,以绝对误差为衡量标准,分析参数估计值的准确性。3.针对?-偏拉普拉斯分布的不足,提出一个新的分布:斜?-偏拉普拉斯分布,分别探讨了标准斜?-偏拉普拉斯分布以及斜?-偏拉普拉斯分布的分布函数和有关性质。在不同样本容量下,用矩估计法、极大似然法估计了该分布的参数。4.利用斜?-偏拉斯拉斯分布拟合学生成绩和玻璃纤维断裂强度这两组实际数据,进而分析比较该分布的优越性。