{
  "id": "uniform-distribution",
  "title": "均匀分布",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "在有限集合中赋予各结果相同概率，或在测度有限且为正的区域上具有恒定密度的概率分布。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "矩形分布"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/uniform-distribution/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/uniform-distribution/",
      "json": "https://aiwiki.page/en/uniform-distribution.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "均匀分布是一种将概率均匀分配到指定集合上的概率分布。在离散情形下，有限集合中的每个结果具有相同的概率。在连续情形下，有界区间内长度相等的子区间具有相同的概率。“矩形分布”这一名称源于连续均匀分布的密度图像呈矩形。均匀分布既是随机选择的基本模型，也是构建模拟方法的基础。(randomservices.org)"
    },
    {
      "heading": "离散均匀分布",
      "text": "当随机变量 \\(X\\) 的概率质量函数满足\n\n\\[P(X=x_i)=\\frac1n,\\qquad i=1,\\ldots,n\\]\n\n时，称 \\(X\\) 在有限集合 \\(S=\\{x_1,\\ldots,x_n\\}\\) 上服从均匀分布。\n\n因此，包含其中 \\(k\\) 个结果的事件，其概率为 \\(k/n\\)。这些结果不一定是数值：均匀分布可以描述随机选取一张牌、一个姓名或其他带有标识的对象。公平的六面骰子就是一个数值型例子，每一面出现的概率均为 \\(1/6\\)。(randomservices.org)\n\n对于连续的整数 \\(a,a+1,\\ldots,b\\)，令 \\(n=b-a+1\\)，则期望值和方差分别为\n\n\\[E[X]=\\frac{a+b}{2}, \\qquad \\operatorname{Var}(X)=\\frac{n^2-1}{12}.\\]\n\n对于任意数值集合，期望值是这些数值的算术平均值，方差则是各数值与该平均值之差的平方的平均值。各结果的概率相等，并不要求它们在数值上等间距排列。(randomservices.org)"
    },
    {
      "heading": "连续均匀分布",
      "text": "对于有限的实数 \\(a<b\\)，记号 \\(X\\sim U(a,b)\\) 表示 \\(X\\) 在从 \\(a\\) 到 \\(b\\) 的区间上服从连续均匀分布。其概率密度函数为\n\n\\[f_X(x)= \\begin{cases} \\dfrac{1}{b-a},&a\\le x\\le b,\\\\ 0,&\\text{其他情形}. \\end{cases}\\]\n\n该密度函数在整个定义域上的积分为 1。对于 \\(a\\le c\\le d\\le b\\)，有\n\n\\[P(c\\le X\\le d)=\\int_c^d f_X(x)\\,dx =\\frac{d-c}{b-a}.\\]\n\n因此，概率取决于区间的长度，而非其位置。例如，在 2 到 10 之间均匀取值的随机变量，落在 3 到 5 之间的概率为 \\(2/8=1/4\\)。(ocw.mit.edu)\n\n与离散情形不同，取任意单个点的概率都为零，即 \\(P(X=x)=0\\)。因此，均匀性意味着密度相等，而不是每个实数都具有相同的正概率。区间是否包含任一端点，都不会改变其概率分布；改变密度函数在有限个点上的值，也不会影响其积分。(live.ocw.mit.edu)\n\n其累积分布函数为\n\n\\[F_X(x)= \\begin{cases} 0,&x<a,\\\\ \\dfrac{x-a}{b-a},&a\\le x\\le b,\\\\ 1,&x>b. \\end{cases}\\]\n\n当 \\(0<p<1\\) 时，其分位数函数为 \\(Q(p)=a+p(b-a)\\)，因此等间隔的概率水平对应等间距的分位数。特例 \\(U(0,1)\\) 称为标准均匀分布。(randomservices.org)"
    },
    {
      "heading": "矩与变换",
      "text": "连续均匀分布关于区间中点对称，该中点既是均值，也是中位数。其主要矩为\n\n\\[E[X]=\\frac{a+b}{2}, \\qquad \\operatorname{Var}(X)=\\frac{(b-a)^2}{12}.\\]\n\n因此，其标准差为 \\((b-a)/\\sqrt{12}\\)。增大区间宽度会增大离散程度，而将两个端点平移相同的距离，只会改变分布的位置，不会改变方差。(itl.nist.gov)\n\n若 \\(U\\sim U(0,1)\\)，则 \\(a+(b-a)U\\sim U(a,b)\\)。反之，当 \\(X\\sim U(a,b)\\) 时，\\((X-a)/(b-a)\\) 服从标准均匀分布。这些仿射映射保持均匀性。非线性变换通常不具备这一性质：若 \\(Y=U^2\\)，直接计算可得，在 \\(0\\le y\\le1\\) 时，\\(P(Y\\le y)=\\sqrt y\\)，而不是均匀随机变量所具有的线性累积分布函数。(randomservices.org)"
    },
    {
      "heading": "模拟与概率变换",
      "text": "均匀随机值是生成其他分布样本的基本输入。在逆变换采样中，利用目标分布的广义分位数函数对标准均匀随机变量 \\(U\\) 进行变换：\n\n\\[X=F^{-1}(U), \\qquad F^{-1}(u)=\\inf\\{x:F(x)\\ge u\\}.\\]\n\n所得随机变量 \\(X\\) 的累积分布函数为 \\(F\\)。这一广义逆函数既适用于离散分布，也适用于连续分布。(ocw.mit.edu)\n\n概率积分变换则沿相反方向进行：若 \\(X\\) 的累积分布函数 \\(F\\) 连续，则 \\(F(X)\\) 服从标准均匀分布。当 \\(F\\) 可逆时，可由下式得出这一结论：\n\\(P(F(X)\\le u)=F(F^{-1}(u))=u\\)。\n连续性条件至关重要；将离散随机变量代入其累积分布函数，通常不会得到连续均匀随机变量。(ocw.mit.edu)"
    },
    {
      "heading": "推广与参考测度",
      "text": "在测度论中，均匀性是相对于参考测度 \\(\\mu\\) 定义的。对于满足 \\(0<\\mu(S)<\\infty\\) 的可测集 \\(S\\)，有\n\n\\[P(X\\in A)=\\frac{\\mu(A\\cap S)}{\\mu(S)}.\\]\n\n计数测度给出离散均匀分布，而勒贝格测度给出区间以及欧几里得空间中区域上的均匀分布。在后一种情形下，体积相等的区域具有相同的概率。以随机变量落在某个测度为正的可测子集内为条件，所得条件分布就是该子集上的均匀分布。(randomservices.org)\n\n测度有限这一条件排除了在整条实数轴上具有恒定密度的概率分布。同样，可数无限集合上也不存在均匀概率分布：若每个点都具有相同的正概率，总和将为无穷大；若每个点的概率都为零，总和则为零。因此，均匀性是指定定义域和参考测度下的一种性质，而不是随机性的无条件同义词。(randomservices.org)"
    },
    {
      "heading": "统计估计",
      "text": "对于来自 \\(U(a,b)\\) 且具有统计独立性的观测值，若两个端点均未知，且至少有两个不同的观测值，则最大似然估计给出\n\n\\[\\hat a=\\min_i X_i,\\qquad \\hat b=\\max_i X_i.\\]\n\n当区间包含所有观测值时，似然函数与 \\((b-a)^{-n}\\) 成正比；否则为零。包含全部样本的最窄区间使似然函数达到最大值。(itl.nist.gov)\n\n这些端点估计存在向区间内部偏移的偏差。对于容量为 \\(n\\) 的样本，有\n\n\\[E[\\hat a]=a+\\frac{b-a}{n+1}, \\qquad E[\\hat b]=b-\\frac{b-a}{n+1}.\\]\n\n这些公式可由标准均匀样本最小值和最大值的期望经尺度变换得出。随着样本量增加，每个估计值与其对应端点之间的期望距离都会减小。(itl.nist.gov)"
    }
  ],
  "links": [
    "probability",
    "probability-distribution",
    "random-variable",
    "probability-mass-function",
    "integer",
    "expected-value",
    "variance",
    "real-number",
    "probability-density-function",
    "integral",
    "cumulative-distribution-function",
    "quantile-function",
    "standard-deviation",
    "affine-map",
    "inverse-transform-sampling",
    "measure-theory",
    "lebesgue-measure",
    "euclidean-space",
    "subset",
    "statistical-independence",
    "maximum-likelihood-estimation",
    "likelihood-function"
  ],
  "sources": [
    {
      "title": "randomservices.org/random/special/UniformDiscrete.html",
      "url": "https://www.randomservices.org/random/special/UniformDiscrete.html"
    },
    {
      "title": "ocw.mit.edu/courses/1-017-computing-and-data-analysis-for-environmental-applica…",
      "url": "https://www.ocw.mit.edu/courses/1-017-computing-and-data-analysis-for-environmental-applications-fall-2003/f9b093c0fb8e619666b9be50b35fac86_class03_7.pdf"
    },
    {
      "title": "live.ocw.mit.edu/courses/6-436j-fundamentals-of-probability-fall-2018/9797310be…",
      "url": "https://live.ocw.mit.edu/courses/6-436j-fundamentals-of-probability-fall-2018/9797310bed4c7f5b5d40d007783eec8d_MIT6_436JF18_lec04.pdf"
    },
    {
      "title": "randomservices.org/random/special/UniformContinuous.html",
      "url": "https://www.randomservices.org/random/special/UniformContinuous.html"
    },
    {
      "title": "itl.nist.gov/div898/handbook/eda/section3/eda3662.htm",
      "url": "https://www.itl.nist.gov/div898/handbook/eda/section3/eda3662.htm"
    },
    {
      "title": "randomservices.org/random/dist/Transformations.html",
      "url": "https://www.randomservices.org/random/dist/Transformations.html"
    },
    {
      "title": "ocw.mit.edu/courses/14-310x-data-analysis-for-social-scientists-spring-2023/1dN…",
      "url": "https://ocw.mit.edu/courses/14-310x-data-analysis-for-social-scientists-spring-2023/1dNQkJKrdXt9evJyWJWGeG4QDIzfXOZ4C_transcript.pdf"
    },
    {
      "title": "ocw.mit.edu/courses/14-30-introduction-to-statistical-methods-in-economics-spri…",
      "url": "https://ocw.mit.edu/courses/14-30-introduction-to-statistical-methods-in-economics-spring-2009/resources/mit14_30s09_lec09/"
    },
    {
      "title": "randomservices.org/random/special/Uniform.html",
      "url": "https://www.randomservices.org/random/special/Uniform.html"
    },
    {
      "title": "itl.nist.gov/div898/software/dataplot/refman2/auxillar/ordstmea.htm",
      "url": "https://itl.nist.gov/div898/software/dataplot/refman2/auxillar/ordstmea.htm"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}