Калькулятор равномерного распределения
Вычислите вероятности, плотность, функцию распределения, математическое ожидание, дисперсию и стандартное отклонение для непрерывного равномерного распределения X ~ U(a, b). Введите границы, точку x и интервал [c, d].
Расчёт вероятностей равномерного распределения
Формула равномерного распределения
Где:
- \(a\) — нижняя граница носителя (наименьшее возможное значение)
- \(b\) — верхняя граница носителя (наибольшее возможное значение)
- \(x\) — точка, в которой вычисляются плотность и функция распределения
- \(c, d\) — границы интервала для расчёта вероятности
- \(f(x)\) — функция плотности вероятности
- \(F(x)\) — функция распределения
- \(\mu, \sigma^2, \sigma\) — математическое ожидание, дисперсия и стандартное отклонение
Равномерное (прямоугольное) распределение описывает случайную величину, для которой все значения на интервале \([a, b]\) равновероятны. Плотность постоянна и равна \(1/(b-a)\) на носителе и нулю вне его, поэтому любая вероятность сводится к отношению длин интервалов.
Равномерное распределение — пример расчёта
Пример: автобус прибывает на остановку в случайный момент времени, равномерно распределённый между 0 и 10 минутами после начала часа. Какова вероятность, что он прибудет между 3-й и 7-й минутой, и каково значение функции распределения ровно в 4 минуты? Здесь \(a = 0\), \(b = 10\), \(x = 4\), \(c = 3\), \(d = 7\).
\[ f(x) = \frac{1}{b - a} = \frac{1}{10 - 0} = 0.1 \quad \text{при } 0 \le x \le 10 \]
\[ P(3 \le X \le 7) = \frac{\min(7, 10) - \max(3, 0)}{10 - 0} = \frac{7 - 3}{10} = \frac{4}{10} = 0.4 \]
\[ F(4) = P(X \le 4) = \frac{4 - 0}{10 - 0} = 0.4 \]
\[ \mu = \frac{0 + 10}{2} = 5, \qquad \sigma^2 = \frac{(10 - 0)^2}{12} \approx 8.333333, \qquad \sigma \approx 2.886751 \]
Результат: вероятность прибытия между 3-й и 7-й минутой равна 0,4 (40 %); значение функции распределения в точке 4 минуты равно 0,4. Средняя точка ожидания — 5 минут, дисперсия ≈ 8,333333, стандартное отклонение ≈ 2,886751 минуты.
Как пользоваться калькулятором
- Введите Нижнюю границу (a) — наименьшее значение, которое может принимать величина.
- Введите Верхнюю границу (b) — наибольшее возможное значение. Она должна быть больше a.
- Введите Значение (x), в котором нужно вычислить плотность \(f(x)\) и функцию распределения \(F(x)\).
- Введите Нижний предел (c) и Верхний предел (d) интервала, вероятность которого нужно найти. Если нужен результат только в точке, можно задать c = d = x.
- Прочитайте результаты: вероятность интервала \(P(c \le X \le d)\), плотность \(f(x)\), функция распределения \(F(x)\), математическое ожидание, дисперсия, стандартное отклонение, а также полная интерпретация со всеми формулами, в которые подставлены ваши значения.
Что такое равномерное распределение?
Непрерывное равномерное распределение, обозначаемое \(X \sim U(a, b)\), — самое простое из всех непрерывных распределений вероятностей. Оно моделирует ситуации, когда исход с равной вероятностью может оказаться в любой точке интервала: случайная точка, выбранная на отрезке; стрелка, останавливающаяся под случайным углом; компьютерный генератор случайных чисел, выдающий значение от 0 до 1; или событие, время наступления которого полностью непредсказуемо в пределах известного окна.
Поскольку плотность плоская — постоянная \(1/(b-a)\) на всём носителе, — вероятности сводятся к длинам. Вероятность того, что X попадёт в интервал \([c, d]\), — это просто длина пересечения \([c, d]\) и \([a, b]\), делённая на полную ширину \(b - a\). Именно поэтому распределение также называют прямоугольным: график плотности имеет вид прямоугольника, а вероятность соответствует площади части этого прямоугольника.
Функция распределения \(F(x) = P(X \le x)\) растёт линейно от 0 при \(x = a\) до 1 при \(x = b\). В нашем примере \(F(4) = 0.4\) означает, что с вероятностью 40 % значение не превысит 4. Обратите внимание: для непрерывного распределения вероятность попадания в одно конкретное значение всегда равна нулю — \(P(X = 4) = 0\) — поэтому работают с интервалами, а не с точками.
Основные статистики имеют естественную интерпретацию: математическое ожидание \((a+b)/2\) — это просто середина интервала, а стандартное отклонение \((b-a)/\sqrt{12} \approx 0.289 \cdot (b-a)\) измеряет типичный разброс значений вокруг этой середины. Равномерные распределения с более широким носителем пропорционально более разбросаны.
Допущения, ограничения и советы
- Только непрерывный случай. Этот калькулятор работает с непрерывным равномерным распределением. Дискретная модель с равновероятными отдельными исходами (например, честная игральная кость) требует другого расчёта.
- Обрезка выполняется автоматически. Если интервал \([c, d]\) выходит за пределы носителя \([a, b]\), калькулятор обрезает его: части вне \([a, b]\) дают нулевую вероятность. Если интервал полностью лежит вне носителя, вероятность равна 0.
- Вероятности точек равны нулю. Для любого конкретного значения \(x\) имеем \(P(X = x) = 0\). Вероятность несут только интервалы; плотность \(f(x)\) — это высота, а не вероятность.
- Единицы. Математическое ожидание и стандартное отклонение выражаются в тех же единицах, что и сама величина; плотность — в обратных единицах (1 на единицу).
- Равномерность должна быть обоснована. Реальные данные редко бывают идеально равномерными. Прежде чем использовать эту модель, проверьте, разумно ли предположение о равной вероятности на всём интервале — например, с помощью гистограммы или сравнив с нормальным распределением.
Связанные инструменты: чтобы оценить разброс реальных выборок данных, воспользуйтесь калькулятором дисперсии и калькулятором стандартного отклонения; для других распространённых вероятностных моделей попробуйте калькулятор биномиального распределения и калькулятор распределения Пуассона.
Часто задаваемые вопросы
Как вычислить вероятность равномерного распределения вручную?
Разделите длину интересующего вас интервала на полную ширину носителя: \(P(c \le X \le d) = \frac{d - c}{b - a}\), предварительно обрезав \([c, d]\) так, чтобы он оставался внутри \([a, b]\). Например, при \(X \sim U(0, 10)\) вероятность попасть между 2 и 5 равна \((5-2)/10 = 0.3\). Ни таблиц, ни интегралов не требуется — это просто отношение длин.
Почему дисперсия равна (b − a)² / 12?
Множитель 12 возникает при интегрировании \((x - \mu)^2\) с постоянной плотностью: \(\sigma^2 = \int_a^b (x - \mu)^2 \frac{1}{b-a}\,dx = \frac{(b-a)^2}{12}\). Это точное следствие прямоугольной формы плотности, а не приближение. Быстрая проверка: стандартное отклонение всегда составляет около 29 % ширины интервала, поскольку \(1/\sqrt{12} \approx 0.289\).
Равномерное распределение — это то же самое, что нормальное?
Нет. У равномерного распределения плотность плоская — все значения на \([a, b]\) равновероятны, — тогда как нормальное распределение имеет колоколообразную форму: значения группируются вокруг среднего, а хвосты уходят в бесконечность. У равномерного распределения нет хвостов, есть жёсткие границы в точках \(a\) и \(b\). Используйте равномерное распределение, когда исходы равновероятны на всём диапазоне; используйте нормальное, когда суммируется множество малых независимых эффектов.
Можно ли использовать этот калькулятор для игральной кости или подбрасывания монеты?
Нет — это дискретные равномерные распределения, где каждый из отдельных исходов имеет одинаковую вероятность \(1/n\). Этот калькулятор предназначен для непрерывного случая, где вероятность любого отдельного конкретного значения равна нулю. Для честной шестигранной кости \(P(X = 3) = 1/6\), но для непрерывной величины \(U(0, 6)\) \(P(X = 3) = 0\) — ненулевую вероятность имеют только интервалы вроде \(P(2.9 \le X \le 3.1)\).
Как найти значение x по заданной вероятности функции распределения?
Обратите функцию распределения: \(x = a + p \cdot (b - a)\), где \(p\) — искомая вероятность от 0 до 1. Например, если \(X \sim U(0, 10)\) и нужно значение, которое превышается лишь в 25 % случаев, решите \(F(x) = 0.75\): \(x = 0 + 0.75 \cdot 10 = 7.5\). Линейность обратной функции — одна из причин, по которой равномерным распределением так удобно пользоваться.
Что будет, если мой интервал [c, d] выходит за пределы носителя [a, b]?
Части вне \([a, b]\) дают нулевую вероятность, поэтому интервал обрезается до пересечения. Учитывается только отрезок от \(\max(c, a)\) до \(\min(d, b)\). Если \([c, d]\) полностью лежит вне носителя, вероятность точно равна 0. Например, для \(U(0, 10)\) \(P(8 \le X \le 15) = (10 - 8)/10 = 0.2\), а не \((15-8)/10\).
Какая типичная ошибка при чтении плотности f(x)?
Плотность принимают за вероятность. Значение \(f(x) = 1/(b-a)\) — это высота, а не вероятность, и на узких интервалах оно может даже превышать 1 (например, у \(U(0, 0.5)\) плотность равна 2). Вероятности дают только площади под графиком плотности. Другая частая ошибка — забыть, что математическое ожидание — это середина \((a+b)/2\), независимо от того, где концентрируются значения, — а в равномерном распределении концентрации нет вовсе.