ผลต่างระหว่างรุ่นของ "การแจกแจงเอกรูป (วิยุต)"

ไม่มีคำอธิบายอย่างย่อ
{{Probability distribution|
[[ตัวแปรสุ่ม|ตัวแปรเชิงสุ่ม]] <math>X</math> ''มีความน่าจะเป็นในการเกิดเท่าๆกัน'' เช่น การปากลูกดอกบนแผ่นป้ายที่แบ่งออกเป็น 12 ส่วนเท่าๆกัน หรือการทอยลูกเต๋าที่มี 6 ด้านเท่าๆกัน เป็นต้น ซึ่งจะได้ว่า <math>X</math> มีการแจกแจงยูนิฟอร์มโดยมีความน่าจะเป็นดังนี้
name =discrete uniform|
:<math>f(x) = \frac{1}{k} ; x=x_1,x_2,...,x_k</math>
type =mass|
แล้วมีค่าคาดหวังคือ
pdf_image =[[Image:Uniform discrete pmf svg.svg|325px|Discrete uniform probability mass function for ''n'' = 5]]<br /><small>''n'' = 5 where ''n'' = ''b''&nbsp;&minus;&nbsp;''a''&nbsp;+&nbsp;1</small>|
:<math>E(X) = \mu = \frac{\sum_{i=1}^k x_i}{k}</math>
cdf_image =[[Image:Dis Uniform distribution CDF.svg|325px|Discrete uniform cumulative distribution function for ''n'' = 5]]<br /><small></small>|
และค่าความแปรปรวนคือ
:<math>V(X) = \sigma^2notation = <math>\fracmathcal{U}\sum_{i=1a, b\}^k</math> (x_i- or <math>\mu)^2mathrm{unif}\{ka,b\}</math>|
parameters =<math>a \in \{\dots,-2,-1,0,1,2,\dots\}\,</math><br /><math>b \in \{\dots,-2,-1,0,1,2,\dots\}, b \ge a</math><br /><math>n=b-a+1\,</math>|
support =<math>k \in \{a,a+1,\dots,b-1,b\}\,</math>|
pdf =<math>\frac{1}{n}</math>|
cdf =<math> \frac{\lfloor k \rfloor -a+1}{n} </math>|
mean =<math>\frac{a+b}{2}\,</math>|
median =<math>\frac{a+b}{2}\,</math>|
mode =N/A|
variance =<math>\frac{(b-a+1)^2-1}{12}</math>|
skewness =<math>0\,</math>|
kurtosis =<math>-\frac{6(n^2+1)}{5(n^2-1)}\,</math>|
entropy =<math>\ln(n)\,</math>|
mgf =<math>\frac{e^{at}-e^{(b+1)t}}{n(1-e^t)}\,</math>|
char =<math>\frac{e^{iat}-e^{i(b+1)t}}{n(1-e^{it})}</math>|
}}
ใน[[ทฤษฎีความน่าจะเป็น]]และ[[สถิติศาสตร์]] '''การแจกแจงเอกรูปวิยุต''' เป็นการแจกแจงความน่าจะเป็นอย่างเป็นระบบโดยที่น่าจะสังเกตค่าจำนวนจำกัดได้เท่า ๆ กัน ทุกค่าจำนวน ''n'' มีความน่าจะเป็นเท่ากัน ''1/n''
 
[[หมวดหมู่:การแจกแจงความน่าจะเป็น]]