单变量离散均匀分布的概率质量函数：

单变量离散均匀分布的累积分布函数：

单变量离散均匀分布的均值和方差：

双变量离散均匀分布的概率密度函数：

双变量离散均匀分布的累积分布函数：

协方差：

生成具有离散均匀分布的伪随机数样本：

比较直方图与概率密度函数：

分布参数估计：

从样本数据中估计分布参数：

比较样本的密度直方图和估计分布的概率密度函数：

多变量均匀分布的分布参数估计：

从样本数据估计分布参数：

偏度：

峰度：

无穷大区间的峰度等于 UniformDistribution 的峰度：

多变量离散均匀分布：

以参数的函数形式表示不同矩量的解析式：

Moment：

具有符号式阶数的解析式：

CentralMoment：

具有符号式阶数的解析式：

FactorialMoment：

具有符号式阶数的解析式：

Cumulant：

多变量离散均匀分布的不同混合矩：

具有符号式阶数的解析式：

混合中心矩：

具有符号式阶数的解析式：

混合阶乘矩：

具有符号式阶数的解析式：

混合累积量：

具有符号式阶数的解析式：

单变量离散均匀分布的风险函数：

二维空间中：

单变量离散均匀分布的中位数：

分位数函数：

多变量离散均匀分布的边缘分布是离散均匀分布：

一个单变量边缘分布：

一个双变量边缘分布：

DiscreteUniformDistribution 的累积分布函数是右连续函数的一个例子：

一台电脑有 4 个磁盘，序列号码分别为 0、1、2、3，在每次启动中都临时选择一个磁盘来存放临时文件. 求所选择的磁盘的分布：

求选择磁盘 1 的概率：

求选择了一个号码为奇数的磁盘的概率：

模拟在未来的 30 次启动中分别选择的磁盘：

一个每个面出现概率相同的六面骰子可以使用一个 DiscreteUniformDistribution 建模：

投掷10次骰子：

计算骰子三次投掷的点数和小于6的概率：

通过随机投掷骰子进行验证，在这种情况下 乘以三次投掷骰子：

通过明确列举出所有可能出现的骰子的点数进行验证：

投掷两枚正反面出现概率相同的骰子. 求这两枚骰子值的差的分布：

求差值最多为3的概率：

求平均差值：

对30次投掷，模拟差值：

在一次双骰子游戏中[MathWorld]，投掷两枚骰子：

所得的概率密度函数如下所示：

求得到“蛇眼（即两点）”的概率 [MathWorld]：

或者“箱车（即十二点）” [MathWorld]:

或者八点 [MathWorld]:

或者四点 [MathWorld]:

所有概率的完全列表：

求在一次投掷中失败或者赢得双骰子游戏的概率，即两个骰子的和为 2、3 或者12：

求在一次投掷中获胜的概率，即得到的和为 7 或者 11：

假设有一个研发公司，只要至少有一个员工过生日，公司就放假. 假定生日服从独立分布，求最大化员工上班天数的员工人数：

求员工的最优人数：

工作天数的期望值：

求解伽利略问题，确定抛出三个骰子获得9点与10点的几率：

尽管将10和9整数拆分成三个1-6之间整数之和的个数相同：

获得10点的几率较高：

通过模拟进行确认：

获得任何不在 min 和 max 之间的整数的概率为零：

多变量离散均匀分布的分量是不相关的：

截断：

DiscreteUniformDistribution 是 UniformDistribution 的离散版本：

当 min 或 max 不是整数时，DiscreteUniformDistribution 是没有定义的：

将无效的参数代入符号式输出，获得的结果没有意义：

个正反面出现概率相同的骰子的和：