肥尾分布，亦称为厚尾分布，是概率论与统计学中描述极端事件发生概率远高于正态分布预期的一类概率分布。在肥尾分布中，位于分布曲线尾部的极端值（即远离均值的观测值）出现的可能性显著增加，这意味着罕见但影响巨大的“黑天鹅”事件实际上比我们基于正态分布假设所预估的更为常见。例如，在金融市场上，股价的剧烈波动或经济危机的爆发往往遵循肥尾分布，而非传统的钟形曲线。
从认知科学的角度来看，人类在决策过程中常常忽视或低估肥尾分布的存在，导致系统性偏差。我们倾向于假设世界遵循正态分布，从而低估极端风险的发生概率，这种认知倾向在管理学中被称为“正态性错觉”。理解肥尾分布有助于我们更准确地评估不确定性情境下的风险，避免因过度依赖简化模型而犯下重大错误。对于希望深入探索这一主题的读者，纳西姆·塔勒布的《黑天鹅：如何应对不可预知的未来》提供了极具启发性的论述。