การแจกแจงแบบมอฟแฟต (Moffat distribution ) ซึ่งตั้งชื่อตามนักฟิสิกส์แอนโทนี มอฟแฟตเป็นการแจกแจงความน่าจะเป็นแบบต่อเนื่องที่อิงตามการ แจกแจงแบบ ลอเรนซ์ (Lorentzian distribution ) ความสำคัญเป็นพิเศษของมันในทางฟิสิกส์ดาราศาสตร์นั้นเกิดจากความสามารถในการสร้างฟังก์ชันการกระจายจุด (point spread function) ขึ้นมาใหม่ได้อย่างแม่นยำ ซึ่งส่วนปลายของฟังก์ชันเหล่านี้ไม่สามารถแสดงได้อย่างแม่นยำด้วย ฟังก์ชัน เกาส์เซียน (Gaussian)หรือ ฟังก์ชันลอเรนซ์ (Lorentzian )

การแจกแจงแบบมอฟแฟตสามารถอธิบายได้สองวิธี วิธีแรกคือการแจกแจงของตัวแปรสุ่มสองตัวแปร ( x , y ) ที่มีจุดศูนย์กลางอยู่ที่ศูนย์ และวิธีที่สองคือการแจกแจงของรัศมีที่สอดคล้องกัน ในแง่ของเวกเตอร์สุ่ม ( x , y ) การแจกแจงจะมีฟังก์ชันความหนาแน่นความน่าจะเป็น (pdf) โดยที่และเป็นพารามิเตอร์ที่ขึ้นต่อกัน ในรูปแบบนี้ การแจกแจงเป็นการกำหนดพารามิเตอร์ใหม่ของการแจกแจงแบบสตูเดนต์สองตัวแปรที่มีสหสัมพันธ์เป็นศูนย์ $${\displaystyle r={\sqrt {x^{2}+y^{2}}}.}$$$${\displaystyle f(x,y;\alpha ,\beta )={\frac {\beta -1}{\pi \alpha ^{2}}}\left[1+\left({\frac {x^{2}+y^{2}}{\alpha ^{2}}}\right)\right]^{-\beta },}$$${\displaystyle \alpha }$${\displaystyle \beta }$

ในแง่ของรัศมีrการกระจายตัวมีความหนาแน่น $${\displaystyle f(r;\alpha ,\beta )={\frac {\beta -1}{\pi \alpha ^{2}}}\left[1+\left({\frac {r^{2}}{\alpha ^{2}}}\right)\right]^{-\beta }.}$$

• การแจกแจงแบบเพียร์สัน
• การแจกแจง t ของนักเรียนสำหรับ${\displaystyle \beta ={\frac {\alpha ^{2}+1}{2}}}$
• การแจกแจงแบบปกติสำหรับเนื่องจากสำหรับฟังก์ชันเลขชี้กำลัง${\displaystyle \beta ={\frac {\alpha ^{2}}{2}}\rightarrow \infty }$${\displaystyle \exp x=\lim _{n\to \infty }\left(1+{\frac {x}{n}}\right)^{n}.}$