Distribució uniforme contínua

Aquest article o secció no cita les fonts o necessita més referències per a la seva verificabilitat.
Infotaula distribució de probabilitatDistribució uniforme contínua
Funció de densitat.
Funció de distribució de probabilitat
CDF of the uniform probability distribution.
Tipusdistribució univariant, família escala de localització, distribució de probabilitat simètrica i Distribució uniforme multidimensional Modifica el valor a Wikidata
Notació U ( a , b ) {\displaystyle U(a,b)} o u n i f ( a , b ) {\displaystyle \mathrm {unif} (a,b)}
Paràmetres < a < b < {\displaystyle -\infty <a<b<\infty \,}
Suport x [ a , b ] {\displaystyle x\in [a,b]}
fdp { 1 b a for  x [ a , b ] 0 otherwise {\displaystyle {\begin{cases}{\frac {1}{b-a}}&{\text{for }}x\in [a,b]\\0&{\text{otherwise}}\end{cases}}}
FD { 0 si x < a x a b a si  x [ a , b ) 1 si  x b {\displaystyle {\begin{cases}0&{\text{si}}x<a\\{\frac {x-a}{b-a}}&{\text{si }}x\in [a,b)\\1&{\text{si }}x\geq b\end{cases}}}
Esperança matemàtica 1 2 ( a + b ) {\displaystyle {\tfrac {1}{2}}(a+b)}
Mediana 1 2 ( a + b ) {\displaystyle {\tfrac {1}{2}}(a+b)}
Modaqualsevol valor a l'nterval ( a , b ) {\displaystyle (a,b)}
Variància 1 12 ( b a ) 2 {\displaystyle {\tfrac {1}{12}}(b-a)^{2}}
Coeficient de simetria0
Curtosi 6 5 {\displaystyle -{\tfrac {6}{5}}}
Entropia ln ( b a ) {\displaystyle \ln(b-a)\,}
FGM { e t b e t a t ( b a ) si  t 0 1 si t = 0 {\displaystyle {\begin{cases}{\frac {\mathrm {e} ^{tb}-\mathrm {e} ^{ta}}{t(b-a)}}&{\text{si }}t\neq 0\\1&{\text{si}}t=0\end{cases}}}
FC { e i t b e i t a i t ( b a ) si  t 0 1 si  t = 0 {\displaystyle {\begin{cases}{\frac {\mathrm {e} ^{itb}-\mathrm {e} ^{ita}}{it(b-a)}}&{\text{si }}t\neq 0\\1&{\text{si }}t=0\end{cases}}}
EOMUniform_distribution Modifica el valor a Wikidata
MathworldUniformDistribution Modifica el valor a Wikidata

En teoria de probabilitat i estadística, es diu que una variable aleatòria X {\displaystyle X} té una distribució uniforme contínua[1] en un interval [ a , b ] {\displaystyle [a,b]} si la probabilitat que X {\displaystyle X} pertanyi a un subinterval [ c , d ] [ a , b ] {\displaystyle [c,d]\subset [a,b]} és proporcional a la longitud de [ c , d ] {\displaystyle [c,d]} :

P ( c X d ) = d c b a . {\displaystyle P(c\leq X\leq d)={\dfrac {d-c}{b-a}}.}
La probabilitat que X < a {\displaystyle X<a} o X > b {\displaystyle X>b} és zero.

Abreujadament es diu que X {\displaystyle X} és una variable aleatòria uniforme en l'interval [ a , b ] {\displaystyle [a,b]} , i s'escriu X U ( a , b ) {\displaystyle X\,\sim \,U(a,b)} .

La funció de distribució F {\displaystyle F} és calcula de la següent manera: per a x < a ,   F ( x ) = P ( X x ) = 0 {\displaystyle x<a,\ F(x)=P(X\leq x)=0} . Per a x [ a , b ) {\displaystyle x\in [a,b)}

F ( x ) = P ( X x ) = P ( a X x ) = x a b a . {\displaystyle F(x)=P(X\leq x)=P(a\leq X\leq x)={\frac {x-a}{b-a}}.}
Finalment, per a x b ,   F ( x ) = P ( X x ) = P ( 0 X b ) = 1. {\displaystyle x\geq b,\ F(x)=P(X\leq x)=P(0\leq X\leq b)=1.}

La funció de densitat f {\displaystyle f} és

f ( x ) = { 0 , si  x < a , 1 b a , si  x [ a , b ] , 0 , si  x > b . {\displaystyle f(x)={\begin{cases}0,&{\text{si }}x<a,\\{\dfrac {1}{b-a}},&{\text{si }}x\in [a,b],\\0,&{\text{si }}x>b.\end{cases}}}
Noteu que la funció de densitat és constant en l'interval [ a , b ] {\displaystyle [a,b]} , amb analogia a la distribució uniforme discreta, la funció de probabilitat de la qual és constant en els punts on està definida.

Si dividim l'interval [ a , b ] {\displaystyle [a,b]} en dues parts iguals, [ a , ( a + b ) / 2 ] {\displaystyle [a,(a+b)/2]} i [ ( a + b ) / 2 , b ] {\displaystyle [(a+b)/2,b]} , la probabilitat que la variable X {\displaystyle X} estigui en una part o en l'altre són iguals a 1 / 2 {\displaystyle 1/2} . En general, si dividim [ a , b ] {\displaystyle [a,b]} en n {\displaystyle n} parts iguals, la probabilitat que estigui en cadascuna de les parts és 1 / n {\displaystyle 1/n} . Intuïtivament, la distribució uniforme contínua és una generalització de la distribució uniforme discreta al cas continu.

Sovint s'utilitza la frase un punt X {\displaystyle X} elegit a l'atzar a l'interval [ a , b ] {\displaystyle [a,b]} per indicar que X U ( a , b ) {\displaystyle X\,\sim \,U(a,b)} .

Relació amb la variable uniforme en [ 0 , 1 ] {\displaystyle [0,1]}

Si X U ( a , b ) {\displaystyle X\,\sim \,U(a,b)} , aleshores la variable

U = X a b a {\displaystyle U={\frac {X-a}{b-a}}} és uniforme en [ 0 , 1 ] {\displaystyle [0,1]} , en símbols, U U ( 0 , 1 ) . {\displaystyle U\,\sim \,U(0,1).}

Recíprocament, si U U ( 0 , 1 ) , {\displaystyle U\,\sim \,U(0,1),} aleshores la variable definida per

X = a + ( b a ) U {\displaystyle X=a+(b-a)U} és uniforme en [ a , b ] {\displaystyle [a,b]}

Referències

  1. Feller, William. Introducción a la teoria de las probabilidades y sus aplicaciones. Volumen II, cap 1. México: Limusa, 1978. 
  • Vegeu aquesta plantilla
Distribucions discretes
amb suport finit
Distribucions discretes
amb suport infinit
Distribucions contínues
suportades sobre un interval acotat
Distribucions contínues
suportades sobre un interval semi-infinit
Distribucions contínues
suportades en tota la recta real
Distribucions contínues
amb el suport de varis tipus
Barreja de distribució variable-contínua
Distribució conjunta
Discreta
Ewens
Multinomial
Multinomial de Dirichlet
Multinomial negativa
Contínua
Dirichlet
Dirichlet generalitzada
Estable multivariant
Gamma normal
Gamma normal inversa
Normal multivariable
t multivariable
Matriu de valor
Matriu gamma
Matriu gamma inversa
Matriu normal
Normal de Wishart
Normal de Wishart inversa
t matriu
Wishart
Wishart inversa
Direccionals
Univariada (circular)
Asimètrica de Laplace envoltada
Cauchy envoltada
Exponencial envoltada
Lévy envoltada
Normal envoltada
Circular uniforme
Univariada de von Mises
Bivariada (esfèrica)
Kent
Bivariada (toroidal)
Bivariada de von Mises
Multivariada
von Mises-Fisher
Bingham
Degenerada i singular
Degenerada
Delta de Dirac
Singular
Cantor
Famílies