首先，离散型和连续型是分布的两种基本类型。

离散型分布主要用于描述具有整数值的随机变量，比如抛硬币得到的结果（正面或反面）。而连续型分布则用于描述具有连续变化的随机变量，比如人的身高或者体重。至于正态分布，这是一种连续型分布，呈现出钟形曲线。其特点是平均值、中位数和众数都相等，且分布的形状由均值和标准差决定。正态分布广泛存在于自然界和人类社会中，比如人类的智商、考试分数等很多都是正态分布的。几何分布则是离散型分布的一种，主要用于描述在一系列独立重复试验中某事件首次发生时的试验次数。比如，投掷一枚硬币直到正面出现为止的次数就是几何分布的例子。离散型和几何分布和正态分布的主要区别在于它们的类型和应用场景。离散型分布和连续型分布是分布的基本类型，而正态分布和几何分布在连续型和离散型分布的基础上进一步细分。在应用上，正态分布广泛用于描述连续变量的概率分布，而几何分布则主要用于描述一系列独立重复试验中某事件首次发生时的试验次数等场景。

区别在于离散型随机变量服从几何分布图形是一些关于一条直线对称孤立的点。而正态分布是针对连续型随机变量，其图形是一条"钟型"曲线。

离散型和几何分布和正态分布的区别介绍：

正态分布:

正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量X服从一个数学期望为μ、方差为σ2的正态分布，记为N(μ，σ2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

离散分布( discrete distribution):

如果随机变量X的所有可能的取值是有限或者可列无穷多个，那么它分布函数的值域是离散的，对应的分布为离散分布。常用的离散分布有二项分布、泊松分布、几何分布、负二项分布等。

1. 类型：几何分布是离散型的概率分布，正态分布是连续型的概率分布。

2. 取值范围：几何分布的取值范围为非负整数，正态分布的取值范围为负无穷到正无穷。

3. 概率密度函数：几何分布的概率质量函数是离散的，表示某个特定试验次数的概率。正态分布的概率密度函数是连续的，表示某个特定取值的概率密度。

4. 形态：几何分布通常呈现右偏形态，正态分布呈现钟形对称形态。

5. 可能性：几何分布任何一个正整数值的概率都大于零，而正态分布的概率可以是任何实数。

6. 分布特性：几何分布的期望值和标准差是明确定义的，正态分布的期望值和标准差取决于其参数。

离散型分布、几何分布和正态分布区别如下：

定义不同 。离散型分布是离散数据的概率分布；正态分布是一种特殊的离散型分布。

取值不同 。离散型分布可以取某一区间内的任何值；正态分布只能取某一区间内的特定值。

形态不同 。离散型分布的图像是离散的；正态分布的图像是连续的。