均匀分布

均匀分布是一种概率分布，其特点是分布在特定范围内的每个值出现的概率相等。例如，如果我们有一个均匀分布在[0, 1]范围内的随机变量，那么任何特定值在这个范围内的出现概率都是1/1 = 1。

期望值

期望值是一个随机变量的平均值。对于均匀分布在[a, b]范围内的随机变量X，其期望值E(X)为：

E(X) = (a + b) / 2

方差

方差衡量随机变量偏离其期望值的变化程度。对于均匀分布在[a, b]范围内的随机变量X，其方差Var(X)为：

Var(X) = (b - a)^2 / 12

指数分布

指数分布是一种概率分布，其特点是事件发生之间的时间间隔服从指数规律。例如，如果我们有一个指数分布的随机变量T，表示电话呼叫之间的时间间隔，那么任何特定时间间隔发生的概率随时间间隔的增加而呈指数下降。

期望值

对于指数分布的随机变量T，其期望值E(T)为：

E(T) = 1 / λ

其中λ是指数分布的参数，表示事件发生的平均速率。

方差

对于指数分布的随机变量T，其方差Var(T)为：

Var(T) = 1 / λ^2

均匀分布和指数分布的比较

均匀分布和指数分布是两种不同的概率分布，具有不同的形状和性质。

• 形状：均匀分布在整个范围内是平坦的，而指数分布在原点附近呈陡峭下降，然后逐渐平缓。
• 期望值：均匀分布的期望值是分布范围的中间值，而指数分布的期望值与事件发生的平均速率成反比。
• 方差：均匀分布的方差与分布范围的平方成正比，而指数分布的方差与事件发生的平均速率的平方成反比。

应用

均匀分布和指数分布在许多领域都有应用，例如：

• 均匀分布：用于模拟均匀分布的随机事件，例如掷骰子或选择号码。
• 指数分布：用于模拟时间间隔的随机事件，例如客户到达时间或机器故障时间。