均匀分布模型

定义与密度函数

若连续随机变量 $X$ 在有限区间 $[a,b]$（）内取值，且其概率密度函数在该区间内为常数、区间外为零，则称 $X$ 服从区间 $[a,b]$ 上的均匀分布，记为 $X\sim U(a,b)$。

概率密度函数为

其中 $a$、$b$ 为区间端点，与 $X$ 同量纲；$p(x)$ 的单位为量纲的倒数。密度在区间内为常数，说明 $X$ 落在 $[a,b]$ 内任意等长小区间内的概率只与区间长度成正比，而与区间位置无关。

归一化与分布函数

密度在区间上的积分为

满足概率密度的归一化条件，因此区间内取常数 $1\mathrm{/}(b-a)$ 是唯一能使总概率为 1 的均匀取值方式。

分布函数为

在区间内 $F(x)$ 是斜率为 $1\mathrm{/}(b-a)$ 的直线，概率随 $x$ 线性增长。

数字特征

数学期望（均值）为区间中点：

方差为

标准差为 $\sigma ={\displaystyle \frac{b-a}{\sqrt{12}}}$。可见均匀分布的不确定度只取决于区间宽度 $b-a$，与端点绝对值无关。

误差理论中的适用情形

在测量误差分析中，当某项误差在某个有限范围内各处出现的机会相同、且无法判定哪个值更可能出现时，可用均匀分布建模。典型情形包括：

• 仪器度盘或齿轮回差产生的误差：读数机构存在齿隙或刻度间隙，实际读数与理想读数之差被限制在回差范围内；只有在运动方向、状态及读数机制使该范围内各值出现机会均等时，才可用均匀分布建模；
• 平衡指示器因调零不准产生的误差：调零偏差落在某一有限范围内，且在该范围内无理由认为某一偏差更占优势。

这些情形的共同特征是：误差来源本身不产生向中心聚集的趋势，只把误差限制在一个有限区间内。

适用范围与条件

均匀分布模型成立的前提是：误差被限制在有限区间 $[a,b]$ 内，且在该区间内没有理由认为任何取值比其它取值更可能出现。若误差来源具有向中心聚集的机制（如多个独立微小因素叠加），则更接近正态分布而非均匀分布。区间端点 $a$、$b$ 应优先由具体误差来源的物理极限确定；当缺乏明确物理极限时，也可由有依据的统计推断估计，但需区分样本极值与真正物理支持边界。