X2分布,t分布,F分布这三个分布都是基于正态分布变形得到的，在实际中只能用来做假设检验。比如，已知样本X都是服从正态分布的样本，而且方差未知，那么，检验X的均知就会用到t分布,其他的情况也类似，可以看看数理统计相关内容例题：以X^2分布为例子吧
x1,x2..xn都遵守N(0,1)的正态分布，则
x1^2+x2^2+...遵守X^2(n)分布
相当于形成了一个新统计量Y=x1^2+x2^2+...
是新的统计量！而t分布，F分布也都是新统计量的分布，只不过他们都是正态总体中的抽样x1,x2,x3...组成的函数就好象你知道x,y独立，且其分布你也知道，让你求x^2+y^2的分布一个道理，只不过抽样都是独立同分布而已！
正态分布有极其广泛的实际背景，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。