均匀分布的概率密度
均匀分布的概率密度:概率密度函数有时为0，有时为1/（b-a）。
在概率论和统计学中，均匀分布也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。 均匀分布由两个参数a和b定义，它们是数轴上的最小值和最大值，通常缩写为U（a，b）。
X1，X2服从（0,1）的均匀分布，则当0<x1,x2<1时f(x1)=f(x2)=1。由于X1，X2相互独立，则Z=X1+X2的概率密度函数f(z)=∫f(x)f(z-x)dx，积分区间负无穷到正无穷。当且仅当0<x<1且0<z-x<1时被积函数不等于0，即0<x<1，z-1<x<z。在xOz平面上表示出积分区域，根据积分区域确定积分的上下限。当0≤z<1时，f(z)=∫f(x)f(z-x)dx=∫dx (下限0上限z)=z，当1≤z_2时，f(z)=∫f(x)f(z-x)dx=∫dx (下限z-1上限1)=2z-1，当z取其它值时f(z)=0。
相关分布:
（1）如果X服从标准均匀分布，则通过逆变换方法，具有指数分布参数。
（2）如果X服从标准均匀分布，则Y = Xn具有参数（1 / n，1）的β分布。
（3）如果X服从标准均匀分布，则Y = X也是具有参数（1,1）的β分布的特殊情况。
（4）两个独立的，均匀分布的总和产生对称的三角分布。
绛旓細鍧囧寑鍒嗗竷鐨勬鐜囧瘑搴:姒傜巼瀵嗗害鍑芥暟鏈夋椂涓0锛屾湁鏃朵负1/锛坆-a锛銆傚湪姒傜巼璁哄拰缁熻瀛︿腑锛屽潎鍖鍒嗗竷涔熷彨鐭╁舰鍒嗗竷锛屽畠鏄绉版鐜囧垎甯冿紝鍦ㄧ浉鍚岄暱搴﹂棿闅旂殑鍒嗗竷姒傜巼鏄瓑鍙兘鐨勩 鍧囧寑鍒嗗竷鐢变袱涓弬鏁癮鍜宐瀹氫箟锛屽畠浠槸鏁拌酱涓婄殑鏈灏忓煎拰鏈澶у硷紝閫氬父缂╁啓涓篣锛坅锛宐锛夈俋1锛孹2鏈嶄粠锛0,1锛夌殑鍧囧寑鍒嗗竷锛屽垯褰0<x...
绛旓細鐢变簬闅忔満鍙橀噺X鏈嶄粠鍧囧寑鍒嗗竷锛鍏舵鐜囧瘑搴﹀嚱鏁颁负f_x(x) = 1/(2-(-2)) = 1/4锛屽洜姝わ紝鎴戜滑鍙互鏍规嵁鍏紡f_y(y) = f_x(x) * |x|璁＄畻鍑篩鐨勬鐜囧瘑搴﹀嚱鏁般傛墍浠ワ紝Y鐨勬鐜囧瘑搴﹀嚱鏁颁负锛歠_y(y) = f_x(x) * |x| = 1/4 * |x|鐜板湪鎴戜滑鏉ヨ绠梇鐨勬鐜囧瘑搴﹀嚱鏁板湪鍖洪棿[0, 8]鍐呯殑鍊笺...
绛旓細鍧囧寑鍒嗗竷鐨勬鐜囧瘑搴﹀嚱鏁版槸f(x)=1/(b-a)銆傚湪姒傜巼璁哄拰缁熻瀛︿腑锛屽潎鍖鍒嗗竷锛堢煩褰㈠垎甯冿級锛屾槸瀵圭О姒傜巼鍒嗗竷锛屽湪鐩稿悓闀垮害闂撮殧鐨勫垎甯冩鐜囨槸绛夊彲鑳界殑銆傚潎鍖鍒嗗竷鐢变袱涓弬鏁癮鍜宐瀹氫箟锛屽畠浠槸鏁拌酱涓婄殑鏈灏忓煎拰鏈澶у硷紝閫氬父缂╁啓涓篣锛坅锛宐锛夈傛鐜囪鍒嗘瀽 鍧囧寑鍒嗗竷瀵逛簬浠绘剰鍒嗗竷鐨勯噰鏍锋槸鏈夌敤鐨勩 涓鑸殑鏂规硶鏄娇...
绛旓細浜庢槸鍦╝鍒皒涓婄Н鍒嗗緱鍒版鐜囦负(x-a)/(b-a)銆傛敞鎰忎簨椤癸細濡傛灉闅忔満鍙橀噺鏈嶄粠姝ｆ佸垎甯冿細鍒╃敤鍏紡鍗冲彲鐢姒傜巼瀵嗗害姹傚垎甯冨嚱鏁般傚鏋滈殢鏈哄彉閲忔湇浠鍧囧寑鍒嗗竷锛氬埄鐢ㄥ叕寮忓嵆鍙敱姒傜巼瀵嗗害姹傚垎甯冨嚱鏁般傚鏋滈殢鏈哄彉閲忔湇浠庢寚鏁板垎甯冿細鍒╃敤鍏紡鍗冲彲鐢辨鐜囧瘑搴︽眰鍒嗗竷鍑芥暟銆傚浜嶻=g(X)锛孹涓虹鏁ｅ彉閲忥紝Y涓鸿繛缁彉閲忥紝鍏堟槑纭畾涔夈傛...
绛旓細0-1鍒嗗竷锛鍒嗗竷寰嬶細P(X=x)=x, x鈭圼0,1]姒傜巼瀵嗗害鍑芥暟锛歠(x)=1, x鈭圼0,1]浜岄」鍒嗗竷锛氬垎甯冨緥锛歅(X=x)=C(n,x)p^x(1-p)^(n-x), x=0,1,2,...,n姒傜巼瀵嗗害鍑芥暟锛歠(x)=C(n,x)p^x(1-p)^(n-x), x=0,1,2,...,n娉婃澗鍒嗗竷锛氬垎甯冨緥锛歅(X=x)=e^(-位)位^x/x!
绛旓細鍧囧寑鍒嗗竷鐨勬鐜囧瘑搴﹀嚱鏁板叕寮忔槸f(x)=1/(b-a)銆傚湪姒傜巼璁哄拰缁熻瀛︿腑锛屽潎鍖鍒嗗竷涔熷彨鐭╁舰鍒嗗竷锛屽畠鏄绉版鐜囧垎甯冿紝鍦ㄧ浉鍚岄暱搴﹂棿闅旂殑鍒嗗竷姒傜巼鏄瓑鍙兘鐨勩傚潎鍖鍒嗗竷瀵逛簬浠绘剰鍒嗗竷鐨勯噰鏍锋槸鏈夌敤鐨勩備竴鑸殑鏂规硶鏄娇鐢ㄧ洰鏍囬殢鏈哄彉閲忕殑绱Н鍒嗗竷鍑芥暟锛圕DF锛夌殑閫嗗彉鎹㈤噰鏍锋柟娉曘傝繖绉嶆柟娉曞湪鐞嗚宸ヤ綔涓潪甯告湁鐢ㄣ傜敱浜庝娇鐢...
绛旓細瑕佹眰瑙鍧囧寑鍒嗗竷鐨勬鐜囧瘑搴鍑芥暟锛屾垜浠渶瑕佸厛浜嗚В鍧囧寑鍒嗗竷鐨勫畾涔夊拰鎬ц川銆傚潎鍖鍒嗗竷鏄竴绉嶈繛缁瀷姒傜巼鍒嗗竷锛屽畠鎻忚堪浜嗘煇涓彉閲忓湪涓瀹氬尯闂村唴鍙栧肩殑姒傜巼銆傚亣璁炬垜浠湁涓涓殢鏈哄彉閲廥锛屽畠鍦ㄤ竴涓尯闂碼锛宐鍐呭彇鍊硷紝閭ｄ箞X鐨勫潎鍖鍒嗗竷鐨勬鐜囧瘑搴﹀嚱鏁板彲浠ヨ〃绀轰负锛歠锛坸锛=1/锛坆-a锛夊綋x鍦╝锛宐鍐咃紝f锛坸锛=0褰搙涓嶅湪a...
绛旓細鍧囧寑鍒嗗竷鐨勬鐜囧瘑搴鍑芥暟涓篺锛坸锛 = 1/锛坆-a锛夛紝鍏朵腑a涓哄畾涔夊煙鐨勪笅闄愶紝b涓哄畾涔夊煙鐨勪笂闄愩傛帹瀵煎垎甯冨嚱鏁 鏍规嵁姒傜巼瀵嗗害鍑芥暟鐨勫畾涔夛紝鍙互鎺ㄥ鍑哄潎鍖鍒嗗竷鐨勫垎甯冨嚱鏁癋锛坸锛 = Prob锛圶 鈮 x锛夈傚綋x < a鏃讹紝F锛坸锛 = 0锛涘綋a 鈮 x < b鏃讹紝F锛坸锛 = 锛坸 - a锛/锛坆 - a锛夛紱褰搙 鈮 b...
绛旓細宸茬煡姒傜巼瀵嗗害f(x)锛岄偅涔堟眰F(x)瀵筬(x)杩涜绉垎鍗冲彲锛屽湪x<a鏃讹紝f(x)閮界瓑浜0锛屾樉鐒剁Н鍒咶(x)=0銆傝屽湪a<x
绛旓細鍦ㄨ涓夎褰㈠唴鐨勬鐜囩浉绛夛紝鎵浠ュ簲璇ユ槸鍏堕潰绉垎涔嬩竴锛岄偅灏辨槸2銆俧锛坸锛寉锛夊氨鏄簩缁村彉閲鐨勬鐜囧瘑搴鍑芥暟f锛坸锛寉锛=1/S 鍦ㄤ笁瑙掑舰鐨勮寖鍥村唴鎴愮珛銆傛墍浠1闄や互1/2绛変簬2銆傝竟闄呭瘑搴﹀嚱鏁扮殑姹傝В锛屾湰璐ㄥ氨鏄冨療绉垎锛屽彧瑕佽浣忚竟缂樻鐜囧瘑搴﹀氨鏄鑱斿悎瀵嗗害鍑芥暟姹傜Н鍒嗭紝褰撴眰鍏充簬Y鐨勮竟闄呭瘑搴﹀嚱鏁版椂灏辨槸瀵逛簬f锛坸锛寉...
