连续分布速查：均匀、指数与正态
本文基于模型知识整理（生成时未联网核对），分布性质建议对照 Blitzstein & Hwang 第 5 章复核。
一句话定义
连续分布三巨头：均匀 U(a,b)（区间内处处等可能，"无知"的建模）、指数 Exp(λ)（等待时间，无记忆性）、正态 N(μ,σ²)（对称钟形，CLT 的极限形态 kp-015）——外加它们的标准化与组合性质，覆盖连续建模的 80% 场景。
为什么重要
均匀分布是模拟的起点（随机数生成器 kp-027 的原料）；指数分布是可靠性/排队的寿命模型；正态分布则因 CLT 成为统计推断的中心舞台（置信区间 kp-020、假设检验 kp-021 的临界值全部来自正态/t 分布家族）。三者的期望方差公式是概率论的"九九表"。
前置知识
核心概念（速查表）
| 分布 | CDF | E | Var | |
|---|---|---|---|---|
| 均匀 U(a,b) | $\frac1{b-a}$ | $\frac{x-a}{b-a}$ | $\frac{a+b}2$ | $\frac{(b-a)^2}{12}$ |
| 指数 Exp(λ) | $\lambda e^{-\lambda x}$, x≥0 | $1-e^{-\lambda x}$ | $\frac1\lambda$ | $\frac1{\lambda^2}$ |
| 正态 N(μ,σ²) | $\frac1{\sigma\sqrt{2\pi}}e^{-(x-\mu)^2/2\sigma^2}$ | 无初等式 | μ | σ² |
- 指数的无记忆性：$P(X>s+t|X>s)=P(X>t)$——"用了多久不影响剩余寿命"；是指数的独有签名（几何的连续版 kp-008）。
- 正态的标准化：$Z=\frac{X-\mu}\sigma\sim N(0,1)$——一切正态问题折算成标准正态查表；68-95-99.7 法则（±1σ/2σ/3σ 的概率）是心算锚点。
- 正态的三大代数福利：线性变换仍正态（aX+b 正态）、独立正态之和仍正态（均值 μ₁+μ₂、方差相加）、最大熵（给定均值方差下最"不确定"）。
- 均匀的身价：CDF 可逆（逆变换采样 kp-027 的原料）；"随机数"的默认语义就是 U(0,1)。
原理与机制
为什么正态无处不在（CLT 预告）：大量独立微小扰动相加 → 和的分布趋于正态——身高（基因+营养+环境之和）、测量误差（仪器+环境+读数误差之和）。kp-015 将其定理化；本条先记住"和的世界收敛于钟形"。
指数与泊松的孪生关系：泊松计数（单位时间事件数，kp-008）与指数等待（相邻事件间隔）是同一过程的两种观测——计数为 Pois(λt) ⇔ 间隔 Exp(λ)。排队论/可靠性在这对孪生上建立。
为什么"3σ 之外"罕见而重要：99.7% 质量在 ±3σ 内——工业六西格玛（±6σ≈十亿分之二）把尾部概率变成质量标准；正态尾的薄（指数衰减）也是"金融肥尾"批判的对照组（kp-030 误用边界）。
图示
均匀: f=1/(b−a) ; E=(a+b)/2 ; Var=(b−a)²/12 (等可能/无知)
指数: f=λe^{−λx} ; E=1/λ ; Var=1/λ² ; 无记忆性
(等待时间 ⇄ 泊松计数的孪生)
正态: 钟形 ; E=μ ; Var=σ² ; 标准化 Z=(X−μ)/σ
68-95-99.7 | 线性封闭 | 和仍正态 | 最大熵直观类比
均匀像"完美抽奖箱"：每张签一模重。指数像"随时可能响的电话"：等待与已等待无关（每次铃响独立惊吓）。正态像"人群身高"：千万人各自微小因素叠加，自然聚成对称山丘——极矮极高都罕见，中间拥挤。
实例或案例
- 质量控制：零件规格 ±3σ——正态的 99.7% 落入即良品逻辑（Six Sigma）。
- 排队论 M/M/1：到达 Pois、服务 Exp——kp-008/009 的双指数建模。
- 蒙特卡洛：任何分布的采样都以 U(0,1) 为原料（kp-026/027）——均匀的"原材料"身份。
常见误区
- 误区一："什么数据都当正态处理"。收入/网页时长/城市人口是重尾分布——均值方差被极值统治（kp-030 误用与对数变换补救）。
- 误区二："正态的 CDF 有公式"。没有初等式——查表/数值（Φ 函数）是常态（kp-017 数值积分的现实需求）。
- 误区三："指数分布的 λ=平均等待时间"。λ 是率，平均等待是 1/λ——倒数关系是高频手滑点。
与其他知识点的关系
自测题
- X~U(0,10)：P(X>7)？条件 P(X>7|X>5)？
答：0.3；0.3/0.5=0.6（均匀的条件概率=长度比）。
- 灯泡寿命 Exp(λ=1/1000h)：平均寿命？超过 2000h 的概率？
答：1000h；e^{−2}≈13.5%（无记忆性使得无需知道已用时长）。
- X~N(170,8²)：P(X>178)？
答：Z=1 → 1−Φ(1)≈15.9%（68 法则的一半）。
延伸阅读
- Blitzstein & Hwang 第 5 章（连续分布故事线）。
- Wasserman《All of Statistics》第 5 章（正态与衍生分布）。
- 《正态分布》（The Normal Distribution 专著，历史与性质全谱）。