[1,N]离散均匀分布

1,N 离散均匀分布样本最大值分布基于Wolfram Mathematica9,下表给出了 1,N 区间内离散均匀分布DU 1，N 样本最大值的概率密度（质量）函数、累积分布函数、累积分布函数、逆生存函数、风险函数（故障率）、矩母函数 MGF 、中心矩母函数 CMGF 、累积量母函数 CGF 、阶乘矩母函数 FMGF 、特征函数的计算和结果表达式，均值、中位值、众数、四分位数列表、q分位数、方差、标准差、一三四分位数间矩、偏度系数、峰度系数、四分偏度系数、r阶原点矩、r阶中心矩、r阶阶乘矩、r阶累积量、信息熵等描述性统计量的计算和结果表达式。

In[105]:=dist DiscreteUniformDistribution 1,N ;dist1 OrderDistribution dist,n ,n ;"1.概率密度（质量）函数:"PDF dist1,k"2.累积分布函数:"CDF dist1,k"3.生存（可靠性）函数："SurvivalFunction dist1,k"4.逆生存函数："InverseSurvivalFunction dist1,q"5.风险函数（故障率）:"HazardFunction dist1,k"6.矩母函数 MGF :"MomentGeneratingFunction dist1,t"7.中心矩母函数 CMGF :"CentralMomentGeneratingFunction dist1,t"8.累积量母函数 CGF :"CumulantGeneratingFunction dist1,t"9.阶乘矩母函数 FMGF :"CharacteristicFunction dist1,t"10.特征函数:"CharacteristicFunction dist1,t"11.均值:"Mean dist1"12.中位值:"Median dist1"13.四分位数列表:"Quartiles dist1"14.q分位数:"Quantile dist1,q"15.方差:"Variance dist1"16.标准差:"StandardDeviation dist1"17.一、三四分位数间矩:"InterquartileRange dist1"18.偏度系数:"Skewness dist1"19.峰度系数:"Kurtosis dist1"20.四分偏度系数:"QuartileSkewness dist1"21.r阶原点矩矩:"Moment dist1,r"22.r阶中心矩:"CentralMoment dist1,r"23.r阶阶乘矩:"FactorialMoment dist1,r"24.r阶累积量:"Cumulant dist1,r"25.信息熵："Sum PDF dist1,k Log PDF dist1,k , k,1,N Out[107]= 1.概率密度（质量）函数:Out[108]= 1NkN n k N n k 1&&k N 0 1 1 1N n k N 0&&k 1 0k N 0 k 1 1 1N n k 1&&k N 0 N n TrueOut[109]= 2.累积分布函数:Out[110]= Floor k N n1 k N1k N0True Out[111]= 3.生存（可靠性）函数：Out[112]=1k 11 1 N Floor kN n1 k N 0TrueOut[113]= 4.逆生存函数：Out[114]=ConditionalExpression Max 1,Ceiling N 1 q 1n 0 1 1 q 1n 1N1 1 q 1n 01True,0 1 q 1n 1Out[115]= 5.风险函数（故障率）:2[1,N]离散均匀分布样本最大值分布-描述统计.nbOut[116]=1 k NN n1 k 2&&k N 0 1k 2 0 k N 11 k NN n 1 1 k N N n1 1 1 k NN n k 2&&k N 0 0TrueOut[117]= 6.矩母函数 MGF :Out[118]=MomentGeneratingFunctionOrderDistribution DiscreteUniformDistribution 1,N ,n ,n ,t Out[119]=7.中心矩母函数 CMGF :Out[120]=CentralMomentGeneratingFunctionOrderDistribution DiscreteUniformDistribution 1,N ,n ,n ,t Out[121]=8.累积量母函数 CGF :Out[122]=CumulantGeneratingFunctionOrderDistribution DiscreteUniformDistribution 1,N ,n ,n ,t Out[123]=9.阶乘矩母函数 FMGF :Out[124]=CharacteristicFunctionOrderDistribution DiscreteUniformDistribution 1,N ,n ,n ,t Out[125]=10.特征函数:Out[126]=CharacteristicFunctionOrderDistribution DiscreteUniformDistribution 1,N ,n ,n ,t Out[127]=11.均值:Out[128]=1 N N n BernoulliB 1 n,1 BernoulliB 1 n,1 N1 nOut[129]=12.中位值:Out[130]=ConditionalExpression Max 1,Ceiling 2 1 n N 0 2 1 n 112 1 n 0N True,0 2 1 n 1Out[131]=13.四分位数列表:[1,N]离散均匀分布样本最大值分布-描述统计.nb3Out[132]=ConditionalExpressionMax 1,Ceiling 4 1 n N 0 4 1 n 114 1 n 0N True,0 4 1 n 1 ,ConditionalExpressionMax 1,Ceiling 2 1 n N 0 2 1 n 112 1 n 0N True,0 2 1 n 1 ,ConditionalExpressionMax 1,Ceiling 341nN 0341n11 341n 0NTrue,0341n1Out[133]=14.q 分位数:Out[134]=ConditionalExpressionMax 1,Ceiling N q 1n 0 q 1n 11q 1n 0N True,0 q 1n 1Out[135]=15.方差:Out[136]=1 N 11 nN nBernoulliB 1 n,1 BernoulliB 1 n,1 N 2N nBernoulliB 1 n,1 BernoulliB 1 n,N 1 n2 BernoulliB 2 n,1 BernoulliB 2 n,N2 nBernoulliB 3 n,1 BernoulliB 3 n,N3 nOut[137]=16.标准差:Out[138]=1 N11 nNnBernoulliB 1 n,1 BernoulliB 1 n,1 N2N nBernoulliB 1 n,1 BernoulliB 1 n,N1 n2 BernoulliB 2 n,1 BernoulliB 2 n,N 2 nBernoulliB 3 n,1 BernoulliB 3 n,N3 nOut[139]=17.一、三四分位数间矩:4 [1,N]离散均匀分布样本最大值分布-描述统计.nbOut[140]=ConditionalExpressionN Max 1,Ceiling 341nN341n1&&41n 1N Max 1,Ceiling 4 1 n N341n 1&&41n 1Max 1,Ceiling 341n N Max 1,Ceiling 4 1 n N 341n 1&&41n 10True,0341n1&&0 4 1 n 1Out[141]=18.偏度系数:Out[142]=21 N11 nNnBernoulliB 1 n,1 BernoulliB 1 n,1 N33N n 1 N 11 nN n BernoulliB 1 n,1 BernoulliB 1 n,1 NBernoulliB 1 n,1 BernoulliB 1 n,N1 n2 BernoulliB 2 n,1 BernoulliB 2 n,N 2 nBernoulliB 3 n,1 BernoulliB 3 n,N3 nN nBernoulliB 1 n,1 BernoulliB 1 n,N1 n3 BernoulliB 2 n,1 BernoulliB 2 n,N 2 n3 BernoulliB 3 n,1 BernoulliB 3 n,N 3 nBernoulliB 4 n,1 BernoulliB 4 n,N4 n1 N 11 nNnBernoulliB 1 n,1 BernoulliB 1 n,1 N2N nBernoulliB 1 n,1 BernoulliB 1 n,N1 n2 BernoulliB 2 n,1 BernoulliB 2 n,N 2 nBernoulliB 3 n,1 BernoulliB 3 n,N3 n3 2[1,N]离散均匀分布样本最大值分布-描述统计.nb5Out[143]=19.峰度系数:Out[144]=31 N 11 nNnBernoulliB 1 n,1 BernoulliB 1 n,1 N46Nn1 N11 nN nBernoulliB 1 n,1 BernoulliB 1 n,1 N 2BernoulliB 1 n,1 BernoulliB 1 n,N 1 n2 BernoulliB 2 n,1 BernoulliB 2 n,N2 nBernoulliB 3 n,1 BernoulliB 3 n,N3 n4N n 1 N 11 nN n BernoulliB 1 n,1 BernoulliB 1 n,1 NBernoulliB 1 n,1 BernoulliB 1 n,N 1 n3 BernoulliB 2 n,1 BernoulliB 2 n,N2 n3 BernoulliB 3 n,1 BernoulliB 3 n,N3 nBernoulliB 4 n,1 BernoulliB 4 n,N4 nN n BernoulliB 1 n,1 BernoulliB 1 n,N1 n4 BernoulliB 2 n,1 BernoulliB 2 n,N2 n6 BernoulliB 3 n,1 BernoulliB 3 n,N3 n4 BernoulliB 4 n,1 BernoulliB 4 n,N4 nBernoulliB 5 n,1 BernoulliB 5 n,N5 n1 N 11 nNnBernoulliB 1 n,1 BernoulliB 1 n,1 N2N nBernoulliB 1 n,1 BernoulliB 1 n,N1 n2 BernoulliB 2 n,1 BernoulliB 2 n,N2 n26 [1,N]离散均匀分布样本最大值分布-描述统计.nbBernoulliB 3 n,1 BernoulliB 3 n,N3 n2 Out[145]=20.四分偏度系数:Out[146]=ConditionalExpression 1 34 Indeterminate 34 ComplexInfinity 34N Max 1,Ceiling 34 1n N 2Max 1,Ceiling 2 1 n NN Max 1,Ceiling 34 1n N341 342N Max 1,Ceiling 34 1n N Max 1,Ceiling 4 1 n NMax 1,Ceiling 34 1n N Max 1,Ceiling 4 1 n N34N 2Max 1,Ceiling 2 1 n N Max 1,Ceiling 4 1 n NN Max 1,Ceiling 4 1 n N 34Max 1,Ceiling 34 1n N2Max 1,Ceiling 2 1 n N Max 1,Ceiling 4 1 n NMax 1,Ceiling 34 1n N Max 1,Ceiling 4 1 n NTrueOut[147]=21.r阶原点矩矩:Out[148]=Moment OrderDistribution DiscreteUniformDistribution 1,N ,n ,n ,rOut[149]=22.r阶中心矩:Out[150]=CentralMoment OrderDistribution DiscreteUniformDistribution 1,N ,n ,n ,rOut[151]=23.r阶阶乘矩:Out[152]=FactorialMoment OrderDistribution DiscreteUniformDistribution 1,N ,n ,n ,rOut[153]=24.r阶累积量:Out[154]=Cumulant OrderDistribution DiscreteUniformDistribution 1,N ,n ,n ,rOut[155]=25.信息熵：[1,N]离散均匀分布样本最大值分布-描述统计.nb7Out[156]=k 1NLog1Nk N n k Nnk 1&&k N 01 1 1Nn k N 0&&k 10k N 0 k 1 11Nn k 1&&k N 0 N nTrue1Nk N n k Nnk 1&&k N 01 1 1Nn k N 0&&k 10k N 0 k 1 11Nn k 1&&k N 0 N nTrue8 [1,N]离散均匀分布样本最大值分布-描述统计.nb。

1,N 离散均匀分布样本中位数分布基于Wolfram Mathematica9,下表给出了 1,N 区间内离散均匀分布DU 1，N 样本中位数的概率密度（质量）函数、累积分布函数、累积分布函数、逆生存函数、风险函数（故障率）、矩母函数 MGF 、中心矩母函数 CMGF 、累积量母函数 CGF 、阶乘矩母函数 FMGF 、特征函数的计算和结果表达式，均值、中位值、众数、四分位数列表、q分位数、方差、标准差、一三四分位数间矩、偏度系数、峰度系数、四分偏度系数、r阶原点矩、r阶中心矩、r阶阶乘矩、r阶累积量、信息熵等描述性统计量的计算和结果表达式。

dist DiscreteUniformDistribution 1,N ;dist1 OrderDistribution dist,2n 1 ,n 1 ;"1.概率密度（质量）函数:"PDF dist1,k"2.累积分布函数:"CDF dist1,k"3.生存（可靠性）函数："SurvivalFunction dist1,k"4.逆生存函数："InverseSurvivalFunction dist1,q"5.风险函数（故障率）:"HazardFunction dist1,k"6.矩母函数 MGF :"MomentGeneratingFunction dist1,t"7.中心矩母函数 CMGF :"CentralMomentGeneratingFunction dist1,t"8.累积量母函数 CGF :"CumulantGeneratingFunction dist1,t"9.阶乘矩母函数 FMGF :"CharacteristicFunction dist1,t"10.特征函数:"CharacteristicFunction dist1,t"11.均值:"Mean dist1"12.中位值:"Median dist1"13.四分位数列表:"Quartiles dist1"14.q分位数:"Quantile dist1,q"15.方差:"Variance dist1"16.标准差:"StandardDeviation dist1"17.一、三四分位数间矩:"InterquartileRange dist1"18.偏度系数:"Skewness dist1"19.峰度系数:"Kurtosis dist1"20.四分偏度系数:"QuartileSkewness dist1"21.r阶原点矩矩:"Moment dist1,r"22.r阶中心矩:"CentralMoment dist1,r"23.r阶阶乘矩:"FactorialMoment dist1,r"24.r阶累积量:"Cumulant dist1,r"25.信息熵："Sum PDF dist1,k Log PDF dist1,k , k,1,N 1.概率密度（质量）函数:BetaRegularized 1N kN,1 n,1 n BetaRegularized kN,1 n,1 n k 1&&k N 01 BetaRegularized 1 1N,1 n,1 n k 1&&k N 0BetaRegularized 1N,1 n,1 n k 1&&k N 0 0True2.累积分布函数:BetaRegularized Floor kN,1 n,1 n 1 k N1k N0True3.生存（可靠性）函数：1k 1BetaRegularized N Floor kN,1 n,1 n 1 k N0True4.逆生存函数：ConditionalExpression Max 1,Ceiling N 1 InverseBetaRegularizedq,1 n,1 nInverseBetaRegularizedN InverseBetaRegularized 1True5.风险函数（故障率）:2[1,N]离散均匀分布样本中位数分布-描述统计.nb1 BetaRegularized k N N,1 n,1 n1 k 2&&k N 01k 2 0 k N 1 BetaRegularized k N N,1 n,1 nBetaRegularized 1 k NN,1 n,1 nBetaRegularized 1 k N N ,1 n,1 nk 2&&k N 0True6.矩母函数 MGF :MomentGeneratingFunctionOrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n ,t 7.中心矩母函数 CMGF :CentralMomentGeneratingFunctionOrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n ,t 8.累积量母函数 CGF :CumulantGeneratingFunctionOrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n ,t 9.阶乘矩母函数 FMGF :CharacteristicFunctionOrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n ,t 10.特征函数:CharacteristicFunctionOrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n ,t 11.均值:Mean OrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n 12.中位值:ConditionalExpressionMax 1,Ceiling N InverseBetaRegularized 12,1 n,1 nInverseBetaRegularized1InverseBetaRegularized NTrue13.四分位数列表:[1,N]离散均匀分布样本中位数分布-描述统计.nb3ConditionalExpression Max 1,Ceiling N InverseBetaRegularized 14,1 n,1 nInverseBetaRegularized1InverseBetaRegularized N TrueConditionalExpression Max 1,Ceiling N InverseBetaRegularized 12,1 n,1 nInverseBetaRegularized1InverseBetaRegularized N TrueConditionalExpression Max 1,Ceiling N InverseBetaRegularized 34,1 n,1 nInverseBetaRegularized1InverseBetaRegularized N True14.q分位数:ConditionalExpression Max 1,Ceiling N InverseBetaRegularized q,1 n,1 nInverseBetaRegularized1InverseBetaRegularized N True15.方差:Variance OrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n16.标准差:StandardDeviationOrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n17.一、三四分位数间矩:4[1,N]离散均匀分布样本中位数分布-描述统计.nbConditionalExpression 1 N InverseBetaRegularized14,1 n,1 n 1&&InverseBetaRegularized1 N InverseBetaRegularized14,1 n,1 n 0&&InverseBetaRegularized1Max 1,Ceiling N InverseBetaRegularized14,1 n,1 n0 InverseBetaRegularized14,1 n,1 n 1&&InverseBetaRegularizedNMax 1,Ceiling N InverseBetaRegularized14,1 n,1 n0 InverseBetaRegularized14,1 n,1 n 1&&InverseBetaRegularized1Max 1,Ceiling N InverseBetaRegularized34,1 n,1 nInverseBetaRegularized0&&0 InverseBetaRegularize34,1 n,1 n 1NMax 1,Ceiling N InverseBetaRegularized34,1 n,1 nInverseBetaRegularized1&&0 InverseBetaRegularize34,1 n,1 n 1Max 1,Ceiling N InverseBetaRegularized14,1 n,1 nMax 1,Ceiling N InverseBetaRegularized34,1 n,1 n0 InverseBetaRegularized14,1 n,1 n 1&&0 InverseBetaRegularized34,1 n,1 n 10True0 InverseBetaRegularized 34,1 n,1 n 118.偏度系数:Skewness OrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n19.峰度系数:Kurtosis OrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n20.四分偏度系数:1 InverseBetaRegularized1&&InverseBetaRegularize14,1 n,1 n &&InverseBetaRegularized,1 n,1 n 1InverseBetaRegularized0&&InverseBetaRegularize1,1 n,1 n &&[1,N]离散均匀分布样本中位数分布-描述统计.nb54,1 n,1 n &&InverseBetaRegularized12,1 n,1 n Indeterminate InverseBetaRegularized1&&InverseBetaRegularize12,1 n,1 n &&InverseBetaRegularized,1 n,1 n 1InverseBetaRegularized0&&InverseBetaRegularize12,1 n,1 n &&InverseBetaRegularized34,1 n,1 n1 InverseBetaRegularized1&&InverseBetaRegularize12,1 n,1 n &&InverseBetaRegularized,1 n,1 n 1InverseBetaRegularized0&&InverseBetaRegularize12,1 n,1 n &&InverseBetaRegularized34,1 n,1 n ComplexInfinity InverseBetaRegularized1&&InverseBetaRegularize14,1 n,1 n &&InverseBetaRegularized,1 n,1 n 1InverseBetaRegularized0&&InverseBetaRegularize14,1 n,1 n &&InverseBetaRegularized3 4,1 n,1 n1 2N Max 1,Ceiling N InverseBetaRegularized 14,1 n,1 n 1 Max 1, Ceiling N InverseBetaRegularized1 4,1 n,1 n0 InverseBetaRegularized14,1 n,1 n 1&&InverseBetaRegularized0&&InverseBetaRegularized2 N Max 1,Ceiling N InverseBetaRegularized 1,1 n,1 n N Max 1,0 InverseBetaRegularized14,1 n,1 n 1&& InverseBetaRegularized1&&6[1,N]离散均匀分布样本中位数分布-描述统计.nbConditionalExpression4,1 n,1 n N Max 1,Ceiling N InverseBetaRegularized14,1 n,1 nInverseBetaRegularized1&&InverseBetaRegularized11 N 1 N 2Max 1,Ceiling N InverseBetaRegularized12,1 n,1 nInverseBetaRegularized14,1 n,1 n 1&&InverseBetaRegularized0&&0 InverseBetaRegularize12,1 n,1 n 1 11 N 1 N 2Max 1,Ceiling N InverseBetaRegularized12,1 n,1 nInverseBetaRegularized14,1 n,1 n 0&&InverseBetaRegularized1&&0 InverseBetaRegularize12,1 n,1 n 11 Max 1,Ceiling N InverseBetaRegularized14,1 n,1 n 2Max 1,Ceiling N InverseBetaRegularized12,1 n,1 n 1 Max 1,Ceiling N InverseBetaRegularized14,1 n,1 n0 InverseBetaRegularized14,1 n,1 n 1&&InverseBetaRegularized0&&0 InverseBetaRegularize12,1 n,1 n 1N Max 1,Ceiling N InverseBetaRegularized14,1 n,1 n 2Max 1,Ceiling N InverseBetaRegularized12,1 n,1 n N Max 1,Ceiling N InverseBetaRegularized14,1 n,1 n0 InverseBetaRegularized14,1 n,1 n 1&&InverseBetaRegularized1&&0 InverseBetaRegularize12,1 n,1 n 11 2N Max 1,Ceiling N InverseBetaRegularized34,1 n,1 n 1 Max 1,Ceiling N InverseBetaRegularized34,1 n,1 nInverseBetaRegularized0&&0 InverseBetaRegularize34,1 n,1 n 1&&InverseBetaRegularized 2 N Max 1,Ceiling N InverseBetaRegularized34,1 n,1 n N Max 1,Ceiling N InverseBetaRegularized34,1 n,1 nInverseBetaRegularized1&&0 InverseBetaRegularize34,1 n,1 n 1&&InverseBetaRegularized 2 Max 1,Ceiling N InverseBetaRegularized14,1 n,1 n Max 1,Ceiling N InverseBetaRegularized0 InverseBetaRegularized14,1 n,1 n 1&&0 InverseBetaRegularized3,1 n,1 n 1&&[1,N]离散均匀分布样本中位数分布-描述统计.nb7Ceiling N InverseBetaRegularized34,1 n,1 n Max 1,Ceiling N InverseBetaRegularized14,1 n,1 n Max 1,Ceiling N InverseBetaRegularized 34,1 n,1 n4,1 n,1 n 1&&InverseBetaRegularized2N Max 1,Ceiling N InverseBetaRegularized14,1 n,1 n Max 1,Ceiling N InverseBetaRegularized 34,1 n,1 n Max 1,Ceiling N InverseBetaRegularized14,1 n,1 n Max 1,Ceiling N InverseBetaRegularized 34,1 n,1 n0 InverseBetaRegularized14,1 n,1 n 1&&0 InverseBetaRegularized 34,1 n,1 n 1&&InverseBetaRegularized1 2Max 1,Ceiling N InverseBetaRegularized12,1 n,1 n Max 1,Ceiling N InverseBetaRegularized 34,1 n,1 n1 Max 1,Ceiling N InverseBetaRegularized34,1 n,1 nInverseBetaRegularized0&&0 InverseBetaRegularize34,1 n,1 n 1&&0 InverseBetaRegularized12,1 n,1 n 1N 2Max 1,Ceiling N InverseBetaRegularized12,1 n,1 n Max 1,Ceiling N InverseBetaRegularized 34,1 n,1 nN Max 1,CeilingN InverseBetaRegularized34,1 n,1 nInverseBetaRegularized1&&0 InverseBetaRegularize34,1 n,1 n 1&&0 InverseBetaRegularized12,1 n,1 n 1Max 1,Ceiling N InverseBetaRegularized 14,1 n,1 n 2Max 1,Ceiling N InverseBetaRegularized12,1 n,1 n Max 1,Ceiling N InverseBetaRegularized34,1 n,1 n Max 1,Ceiling N InverseBetaRegularized14,1 n,1 n Max 1,Ceiling N InverseBetaRegularized34,1 n,1 nTrue&&8 [1,N]离散均匀分布样本中位数分布-描述统计.nb0 InverseBetaRegularized 12,1 n,1 n 1&&0 InverseBetaRegularized 34,1 n,1 n 121.r 阶原点矩矩:Moment OrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n ,r 22.r 阶中心矩:CentralMomentOrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n ,r 23.r 阶阶乘矩:FactorialMomentOrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n ,r 24.r 阶累积量:Cumulant OrderDistribution DiscreteUniformDistribution 1,N ,1 2n ,1 n ,r 25.信息熵：k 1NLogBetaRegularized 1Nk N ,1 n,1 n BetaRegularized k N,1 n,1 n k 1&&k1 BetaRegularized 11N,1 n,1 n k 1&&k BetaRegularized 1N,1 n,1 n k 1&&k 0True[1,N]离散均匀分布样本中位数分布-描述统计.nb9。

（Ⅰ）離散均勻分配（Discrete Uniform on Distributi ）：一、 背景：若隨機變數有n 個不同值，具有相同機率，則我們稱之為離散型均勻分配，通常這都發生在我們不確定各種情況發生的機會，且認為每個機會都相等，例如：投擲骰子、銅幣、、、等等 二、定義：設離散隨機變數X 之可能變量有n ,...,2,1， 若其機率函數為nx f 1)(= n x ,...2,1= 則此種機率分配稱為離散均勻分配 三、性質： 1.21)(+=n X E ，由於機率值相等，故平均數為中心點， 即21+n 證明：∑=⋅=nx nx X E 11)(n n n 12)1(⋅+= 21+=n 2. 121)(2-=n X Var證明：nx X E nx 1)(122⋅=∑=nn n n 16)12)(1(⋅++=61322++=n n[]22)()()(X E X E X Var -==22)21(6132+-++n n n 1212-=n3.Moment Generating Function xt nx x e nt m ∑==11)( 證明：[]tx x e E t m =)( ∑=⋅=nx tx x f e 1)(xt n x e n∑==11)1()1(ttn t e n e e --=+ 例題：一輪盤分37個面積相等扇形，每個扇形上分別標明0 到36號，轉動輪盤，指針所指之數字為X ，若指針所 指之編號服從離散均勻分配，求 X a )(之機率函數？X b )(位在1到10號間機率為何？ )(c 奇數格內機率為何？ )(d 0號之機率為何？ 解：371)()(=x f a 36,...,2,1=x 3710)101()(=≤≤X P b3718)()(=為基數X P c （∵0到36共有18個奇數） 371)0()(==X P d 四、應用：我們可用隨機亂數表自均勻分配中抽出樣本，若自N 個物品之母體中抽出n 個物品為一簡單隨機樣本，則有)(Nn 個可能樣本，而這些樣本被抽出之機率均相同，則這些樣本之分配為)(1)(N nx f = )(,...,2,1Nn x =（Ⅱ）連續型均勻分配（Continuous Uniform on Distributi ）：一、 背景：當我們認為一變數值在某區間（α，β）內發生的機率一樣時，我們稱之為連續型均勻分配 二、定義：設X 為一隨機變數，若其機率密度函數為⎪⎪⎩⎪⎪⎨⎧<<-=其他,0,1)(βααβx x f 則稱X 為在區間（α，β）上均勻分布的隨機變數，以),(~βαU X 表示，其中α、β為均勻分布的兩個參數X的分布函數為⎪⎪⎪⎩⎪⎪⎪⎨⎧≥<<--≤=ββααβααx x x x x F ,1,,0)( )(x f 及)(x F 以圖形表示如下：三、性質：1.2)(βα+=X E證明：⎰=βαdx x xf X E )()( dx x ⎰-⋅=βααβ1βααβ212x -=)(x fαβ-1α β x )(x F1x α β2122αβαβ--=2βα+=2.12)()(2αβ-=X Var證明：dx x f x X E )()(22⎰=βα dx x αββα-⋅=⎰12 βααβ313x -=3133αβαβ--=322βαβα++=22)]([)()(X E X E X Var -=222)2(3βαβαβα+-++=4232222βαβαβαβα++-++=12)(2αβ-=3.Moment Generating Function )()(αβαβ--=t e e t M t t X證明：][)(tX X e E t M = dx x f e tx )(⎰=βα dx e tx αββα-⋅=⎰1βααβtx e t 11⋅-=)(αβαβ--=t e e t t4.任一隨機變數與（0，1）間之均勻隨機變數有函數關 係，以下是此特性之定理：定理：令)1,0(~U Y ，)(1Y F X -=)(x F 為連續型分配函數且1)(,0)(==b F a F 在b x a <<時，)(x F 嚴格遞增（b a ,可能分別為∞∞-,），則隨機變數)(1Y F X -=的分配函數為)(x F證明：])([)(1x Y F P x X P ≤=≤-)(x F 為嚴格遞增，)()(1x F Y x Y F ≤⇒≤- )]([)(x F Y P x X P ≤=≤∴)1,0(~U Y10,)(<<=≤⇒y y y Y P1)(0),()]([)(<<=≤=≤∴x F x F x F Y P x X P X ∴的分配函數為)(x F 逆定理：令X 具有連續型且嚴格遞增的分配函數)(x F ，則隨機變數Y 定義為)(X F Y =具有)1,0(U 的分配證明：10],)([)(<<≤=≤y y X F P y Y P)()(1y F X y X F -≤⇒≤ )]([)(1y F X P y Y P -≤=≤∴ )()(x F x X P =≤y y F F y F X P y Y P ==≤=≤⇒--)]([)]([)(11 10<<y )1,0(~)(U X F Y =∴例題：設從7點開始每隔15分鐘有一班車到站，若一乘客到 站的時間是均勻分布在7點和7點半之間。

N1,N2 离散均匀分布参数的点估计本文基于Wolfram Mathematica 9,讨论了 N1,N2 离散均匀分布参数的点估计，包括矩估计法和极大似然估计。

并通过程序产生伪随机数进行模拟。

N1,N2 区间内的离散均匀分布，我们记作DU N1,N2 。

总体均值Μ m1 N1 N22，方差Σ2 1121 1 N1 N2 2 。

X 1,X 2, ,X n 为其一简单随机样本，X 1 ,X 2 , ,X n 为样本顺序统计量。

一、矩估计当N1，N2其中一个已知时，可知另一个即N1 2m1 N20或N2 2m1 N10，用样本矩估计总体矩m1 X 1n n i 1X i ，即得N1 2m1 N20或N2 2m1 N10。

当N1，N2其均未知时，显然方差是均值的函数，因此，无法用样本均值和方差估计出参数N1、N2。

我们考虑二阶原点矩m2 16N1 2N12 N2 2N1N2 2N22 ,将N2 2m1 N1代入，得到：m2 13m1 4m12 N1 2m1N1 N12 。

整理得到：N12 2m1 1 N1 4m12 m1 3m2 0,令b 2m1 1,c 4m12 m1 3m2,解方程得到：N1 b b 2 4c2.由于N1和N2对称且N1 N2,所以N1 b b 2 4c2，N2 b b 2 4c2。

同样，用样本矩m1 X 1n n i 1X i 代替同m1,m2 1n n i 1X i 2代替m2,即可得N1 ，N2 。

二、极大似然估计不管N1，N2是否其中一个已知，还是都未知，通过求解对数似然方程，容易得它们的极大似然估计为N1 X 1 ,N2 X n 。

三、计算程序及结果In[225]:=Needs "HypothesisTesting`"N10 6;N20 57000;X RandomVariate DiscreteUniformDistribution N10,N20 ,300 ;min Min X ;max Max X ;m1 Mean X ;m2 Moment X,2 ;"一.矩估计：""1.已知N1 N10，估计N2：""1.1公式法："N2ME1 Ceiling 2m1 N10"1.2函数法："N2ME2 CeilingN2ME2 .FindDistributionParameters X,DiscreteUniformDistribution N10,N2ME2 , ParameterEstimator "MethodOfMoments"Clear N2ME1,N2ME2 ;"2.已知N2 N20，估计N1：""2.1公式法："N1ME1 Ceiling 2m1 N20"2.2函数法："N1ME2 CeilingN1ME2 .FindDistributionParameters X,DiscreteUniformDistribution N1ME2,N20 , ParameterEstimator "MethodOfMoments"Clear N1ME1,N1ME2 ;"3.N1、N2均未知：""3.1公式法："a 1;b 2m1 1;c 4m12 m1 3m2;N1ME3 Floor b b2 4a c 2a ;N2ME3 Ceiling b b2 4a c 2a ;N1ME3,N2ME3"3.2函数法："N1ME3,N2ME3 N1ME3,N2ME3 .FindDistributionParameters X,DiscreteUniformDistribution N1ME3,N2ME3 ,ParameterEstimator "MethodOfMoments" ;Floor N1ME3 ,Ceiling N2ME3Clear N1ME3,N2ME3 ;"二.极大似然估计：""1.已知N1 N10，估计N2：""1.1公式法："N2MLE1 max"1.2函数法："N2MLE2 Ceiling N2MLE2 .FindDistributionParameters X,DiscreteUniformDistribution N10,N2MLE2 Clear N2MLE1,N2MLE2 ;"2.已知N2 N20，估计N1："2[N1,N2]离散均匀分布参数的点估计.nb[N1,N2]离散均匀分布参数的点估计.nb3"2.1公式法："N1MLE1 min"2.2函数法："N1MLE2 Ceiling N1MLE2 .FindDistributionParameters X,DiscreteUniformDistribution N1MLE2,N20 Clear N1MLE1,N1MLE2 ;"3.N1、N2均未知：""3.1公式法："N1MLE3 min;N2MLE3 max;N1MLE3,N2MLE3"3.2函数法："N1MLE3,N2MLE3 N1MLE3,N2MLE3 .FindDistributionParameters X,DiscreteUniformDistribution N1MLE3,N2MLE3 ; N1MLE3,N2MLE3Clear N1MLE3,N2MLE3 ;Clear N10,N20,X,min,max,m1,m2 ;Out[233]=一.矩估计：Out[234]= 1.已知N1 N10，估计N2：Out[235]= 1.1公式法：Out[236]=58932Out[237]= 1.2函数法：Out[238]=58932Out[240]= 2.已知N2 N20，估计N1：Out[241]= 2.1公式法：Out[242]=1938Out[243]= 2.2函数法：Out[244]=1938Out[246]= 3.N1、N2均未知：Out[247]= 3.1公式法：Out[253]= 434,58504Out[254]= 3.2函数法：Out[256]= 434,58504Out[258]=二.极大似然估计：4[N1,N2]离散均匀分布参数的点估计.nbOut[259]= 1.已知N1 N10，估计N2：Out[260]= 1.1公式法：Out[261]=56930Out[262]= 1.2函数法：Out[263]=56930Out[265]= 2.已知N2 N20，估计N1：Out[266]= 2.1公式法：Out[267]=203Out[268]= 2.2函数法：Out[269]=203Out[271]= 3.N1、N2均未知：Out[272]= 3.1公式法：Out[275]= 203,56930Out[276]= 3.2函数法：Out[278]= 203,56930。

概率论中几种常用的重要的分布摘要：本文主要探讨了概率论中的几种常用分布，的来源和他们中间的关系。

其在实际中的应用。

关键词1 一维随机变量分布随机变量的分布是概率论的主要内容之一，一维随机变量部分要介绍六中常用分布，即( 0 －1) 分布、二项分布、泊松分布、均匀分布、指数分布和正态分布． 下面我们将对这六种分布逐一地进行讨论．随机事件是按试验结果而定出现与否的事件。

它是一种“定性”类型的概念。

为了进一步研究有关随机试验的问题，还需引进一种“定量”类型的概念，即，根据试验结果而定取什么值（实值或向量值）的变数。

称这种变数为随机变数。

本章内将讨论取实值的这种变数—— 一维随机变数。

定义1.1 设X 为一个随机变数，令 ()([(,)])([]),()F x P X x P Xx x=∈-∞=-∞+∞.这样规定的函数()F x 的定义域是整个实轴、函数值在区间[0,1]上。

它是一个普通的函数。

成这个函数为随机函数X 的分布函数。

有的随机函数X 可能取的值只有有限多个或可数多个。

更确切地说：存在着有限多个值或可数多个值12,,...,a a 使得 12([{,,...}])1P X a a ∈=称这样的随机变数为离散型随机变数。

称它的分布为离散型分布。

【例1】下列诸随机变数都是离散型随机变数。

（1）X 可能取的值只有一个，确切地说，存在着一个常数a ,使([])1P X a ==。

称这种随机变数的分布为退化分布。

一个退化分布可以用一个常数a 来确定。

（2）X 可能取的值只有两个。

确切地说，存在着两个常数a ，b ，使([{,}])1P X a b ∈=.称这种随机变数的分布为两点分布。

如果([])P X b p ==，那么，([])1P X a p ===-。

因此，一个两点分布可以用两个不同的常数,a b 及一个在区间（0,1）内的值p 来确定。

特殊地，当,a b 依次为0,1时，称这两点分布为零-壹分布。