均勻分佈計算器

📏 Uniform Distribution

📐 工作原理與說明
計算均勻分佈的機率與數字特徵。
  • 連續型:在區間 [a,b] 上機率密度恆為 1/(b−a),區間外為 0。
  • 機率:P(c < X < d) = (d−c)/(b−a),僅與區間長度有關。
  • 數字特徵:期望 E[X] = (a+b)/2,方差 Var = (b−a)²/12。
  • 離散型:有限個取值機率相等,如擲均勻骰子每面機率均為 1/6。

📋 均勻分佈公式

f(x) = 1/(b−a) 當 a ≤ x ≤ b,否則 0  |  F(x) = (x−a)/(b−a)
性質:
• 均值 E[X] = (a+b)/2
• 方差 Var[X] = (b−a)²/12
• 適用場景:等可能性事件,如擲骰子、隨機抽樣、四捨五入誤差

📚 深度解析:均勻分佈計算器

💡 常見使用場景

  • 區間 [a,b] 內等可能取值的機率與期望。
  • 估算排隊或輪詢等待:若在 [a,b] 區間內均勻到達,平均等待為 (a+b)/2,據此設定超時與容量。
[0,10]
E=5,P(X<3)=0.3,方差=(10−0)^2/12≈8.33。

❓ 常見問題(FAQ)

均勻分佈的密度?
區間內恆為 1/(b−a),區間外為 0。
現實中真的有均勻分佈嗎?
真正的均勻分佈不多,它更多是「對未知的最保守假設」(最大熵假設)。實際資料常是正態、指數或偏態的:比如使用者到達常是泊松過程(間隔服從指數分佈),而非均勻。用錯分佈會導致容量估算偏差,因此應先用真實資料擬合再選模型。
⚠️ 使用說明與注意事項
📖關於「均勻分佈計算器」 ▼

📝工具簡介

Compute continuous uniform distribution probabilities in your browser — P(a<X<b) over a range.