在概率论与数理统计中，均匀分布是一种非常基础且重要的连续型随机变量分布形式。它描述了随机变量在某个区间内以等概率取值的情况。对于均匀分布在数学上的性质研究，尤其是其方差的推导过程，是理解该分布特性的关键步骤之一。
假设随机变量X服从[a, b]区间的均匀分布，则其概率密度函数f(x)定义为：
\[ f(x) = \begin{cases}
\frac{1}{b-a}, & a \leq x \leq b \\
0, & \text{otherwise}
\end{cases} \]
根据方差的定义，我们有：
\[ Var(X) = E[(X - E[X])^2] = E[X^2] - (E[X])^2 \]
首先计算期望值 \( E[X] \)：
\[ E[X] = \int_{a}^{b} x \cdot f(x) dx = \int_{a}^{b} x \cdot \frac{1}{b-a} dx \]
\[ = \frac{1}{b-a} \int_{a}^{b} x dx = \frac{1}{b-a} \left[ \frac{x^2}{2} \right]_a^b \]
\[ = \frac{1}{b-a} \left( \frac{b^2}{2} - \frac{a^2}{2} \right) = \frac{a+b}{2} \]
接下来计算 \( E[X^2] \)：
\[ E[X^2] = \int_{a}^{b} x^2 \cdot f(x) dx = \int_{a}^{b} x^2 \cdot \frac{1}{b-a} dx \]
\[ = \frac{1}{b-a} \int_{a}^{b} x^2 dx = \frac{1}{b-a} \left[ \frac{x^3}{3} \right]_a^b \]
\[ = \frac{1}{b-a} \left( \frac{b^3}{3} - \frac{a^3}{3} \right) = \frac{b^3 - a^3}{3(b-a)} \]
利用立方差公式 \( b^3 - a^3 = (b-a)(b^2 + ab + a^2) \)，得到：
\[ E[X^2] = \frac{(b-a)(b^2 + ab + a^2)}{3(b-a)} = \frac{b^2 + ab + a^2}{3} \]
最后，将上述结果代入方差公式：
\[ Var(X) = E[X^2] - (E[X])^2 \]
\[ = \frac{b^2 + ab + a^2}{3} - \left(\frac{a+b}{2}\right)^2 \]
\[ = \frac{b^2 + ab + a^2}{3} - \frac{(a+b)^2}{4} \]
\[ = \frac{4(b^2 + ab + a^2) - 3(a+b)^2}{12} \]
\[ = \frac{4b^2 + 4ab + 4a^2 - 3(a^2 + 2ab + b^2)}{12} \]
\[ = \frac{4b^2 + 4ab + 4a^2 - 3a^2 - 6ab - 3b^2}{12} \]
\[ = \frac{b^2 - 2ab + a^2}{12} \]
\[ = \frac{(b-a)^2}{12} \]
因此，均匀分布在区间[a, b]上的方差为：
\[ Var(X) = \frac{(b-a)^2}{12} \]
这个结论表明，均匀分布的方差仅依赖于区间的长度(b-a)，并且随着区间长度的增加而增大。这一特性使得均匀分布在实际应用中具有重要意义，尤其是在模拟和实验设计等领域。通过严格的数学推导，我们可以更深入地理解均匀分布的统计特性，并为其在不同场景下的应用提供理论支持。
