احتمال، متغیرهای تصادفی و تحلیل آماری: توزیع یکنواخت پیوسته - نکته خودمونی

توزیع یکنواخت پیوسته

1. توزیع یکنواخت پیوسته یعنی هر مقداری در یک بازه مشخص، شانس برابری برای رخ دادن داره. مثل پرتاب یک تاس که هر عدد از ۱ تا ۶ شانس مساوی داره. 🎲
2. برای توزیع یکنواخت پیوسته، تابع چگالی احتمال (PDF) در بازه معتبر ثابت و در خارج از بازه صفره. این یعنی ارتفاع مستطیل PDF در بازه [a, b] برابره با frac{1}{b-a}. 📊
3. میانگین (امید ریاضی) در توزیع یکنواخت پیوسته، نقطه وسط بازه هست. یعنی E(X) frac{ab}{2}. خیلی ساده! ✨
4. واریانس توزیع یکنواخت پیوسته نشون میده که مقادیر چقدر از میانگین پراکنده هستن. فرمولش اینه: Var(X) frac{(b-a)2}{12}. 📈
5. اگه بخوایم احتمال اینکه متغیر تصادفی در یک زیربازه قرار بگیره رو حساب کنیم، کافیه طول اون زیربازه رو بر طول کل بازه تقسیم کنیم. مثلاً در بازه [0, 10]، احتمال اینکه عدد بین 2 تا 5 باشه، frac{5-2}{10-0} frac{3}{10} هست. 🧮
6. توزیع یکنواخت پیوسته کاربرد زیادی در شبیه سازی داره. مثلاً برای تولید اعداد تصادفی در یک محدوده خاص. 💻
7. اگه با یک پدیده مواجه شدی که تمام نتایج ممکن در یک بازه، شانس یکسانی دارن، احتمالاً پای توزیع یکنواخت پیوسته وسطه. 🤔
8. یادت باشه که در توزیع پیوسته، احتمال اینکه متغیر دقیقاً برابر با یک مقدار خاص باشه، صفره. مثلاً P(X5) 0. این بخاطر بی نهایت بودن مقادیر ممکنه. 🌌
9. برای محاسبه احتمال تجمعی (CDF) در توزیع یکنواخت پیوسته، تا جایی که متغیر شما از حد بالای بازه بیشتر نشده، از فرمول F(x) frac{x-a}{b-a} استفاده می کنیم. 💯
10. درک توزیع یکنواخت پیوسته پایه ای برای یادگیری توزیع های پیچیده تر آماریه. پس خوب این مفاهیم رو یاد بگیر. 💪