设随机变量X服从参数为2的泊松分布,则E（X^2）=? 求解答过程

X：随机变量. P(λ)：随机变量X的分布称为泊松分布,记作P(λ). λ：是单位时间(或单位面积)内随机事件的平均发生率.它是泊松分布的均值,也是泊松分布的方差,泊松分布P(λ)中唯一的一个参数. k：单位时间内随机事件发生的次数(k=0,1,2,…),如某一服务设施在一定时间内到达的人数,电话交换机接到呼叫的次数,汽车站台的候客人数,机器出现的故障数,自然灾害发生的次数等等. e：自然对数. P.S.基本就这么理解,没明白的地方请指出来.

离散型随机变量：二项分布与泊松分布。连续型随机变量：正态分布。1、离散变量是指其数值只能用自然数或整数单位计算的，则为离散变量。例如，企业个数、职工人数、设备台数等。只能按计量单位数计数，这种变量的数值一般用计数方法取得。2、连续随机变量，在一定区间内可以任意取值的变量，其数值是连续不断的，相邻两个数值可作无限分割，即可取无限个数值。例如， 生产零件 的 规格尺寸 , 人体测量 的身高、体重、胸围等为连续变量，其数值只能用测量或计量的方法取得。扩展资料：区别离散型随机变量只可能出现可数型的实现值，比如自然数集，{0,1}等等，常见的有二项随机变量，泊松随机变量等。连续型随机变量的实现值是属于不可数集合的，比如(0,1]，实数集，常见的有正态分布，指数分布，均匀分布等。参考资料：百度百科-离散型随机变量参考资料：百度百科-连续型随机变量

泊松分布随机变量，可以一起复制吗？也是可以去复制的没人提的

因为x服从参数为λ的泊松分布，那么可知E(X)=λ，D(X)=λ。而D(X)=E(X^2)-[E(X)]^2，那么E(X^2)=λ+λ^2又因为E[(X-1)(X-2)]=E(X^2-3X+2)=E(X^2)-E(3X)+E(2)=λ+λ^2-3λ+2=λ^2-2λ+2由题意可知，λ^2-2λ+2=1，解的λ=1。

泊松分布是一种离散型概率分布，用于描述在一段时间或区间内，某一事件发生的次数。其概率质量函数为：$$P(X=m)=frac{lambda^me^{-lambda}}{m!}$$其中，$lambda$为事件发生的平均次数，m为实际发生的次数。该分布的特点是：平均值等于方差，即$E(X)=Var(X)=lambda$。举个例子，假设某商店每小时平均有5名顾客进店，那么在某一小时内，有0、1、2、3、4、5……名顾客进店的概率分别为：$$P(X=0)=frac{5^0e^{-5}}{0!}=0.0067$$$$P(X=1)=frac{5^1e^{-5}}{1!}=0.0337$$$$P(X=2)=frac{5^2e^{-5}}{2!}=0.0842$$$$P(X=3)=frac{5^3e^{-5}}{3!}=0.1404$$$$P(X=4)=frac{5^4e^{-5}}{4!}=0.1755$$$$P(X=5)=frac{5^5e^{-5}}{5!}=0.1755$$……以此类推。因为泊松分布是一个概率分布，所以所有可能的概率之和应该等于1，即：$$sum_{m=0}^{infty}frac{lambda^me^{-lambda}}{m!}=1$$这个式子其实就是泊松分布的概率质量函数的和。

#include "stdio.h" #include "conio.h" #include "stdlib.h" #define MAXNUM 8 #define MAXTIME 10000 float p_before[MAXNUM]={0.1, 0.1, 0.1, 0.1, 0.2, 0.1, 0.2, 0.1}; //预期概率 float p_after[MAXNUM]; //计算后的概率 float cnt[MAXNUM]; //记录实际出现的概率 void init() { int i; float total=0; for(i=MAXNUM-1;i>=0;i--) { total+=p_before; p_after=p_before/total; cnt=0; } } int randp(float p) //调用本函数将以p的概率返回1，以（1－p）的概率返回0 { float rand_num ; rand_num=random(1000) ; //产生一个 0～(MAXNUM-1) 之间的整数 if (rand_num < 1000*p) return(1) ; else return(0) ; } int randnum() { int i; for(i=0;i<MAXNUM;i++) if(randp(p_after)) return(i); return(MAXNUM-1); } main() { int i,num; init(0); for(i=0;i<MAXTIME;i++) { num=randnum(); cnt[num]++; } for(i=0;i<MAXNUM;i++) printf("cnt[%d]=%.4f, p_before[%d]=%.4f ",i,cnt/MAXTIME,i,p_before); getch(); }

泊松分布P(λ)中只有一个参数λ，它既是泊松分布的均值，也是泊松分布的方差现在X是服从参数为2的泊松分布，所以E(X)=D(X)=2

间本来就有一种隔阂,但是有些人互相关爱,让他们更加亲近、和谐、还记得那一天发生的事…… 那天,要数学考试.离考试还有五分钟的时候,我再一次检查我的文具盒,看看文具准备好了没.中性笔,好好地躺在文具盒中；铅笔,乖乖地趴在文具盒里内；橡皮,安静地坐在文具盒里；尺子,咦?尺子跑哪去了?我再一次检查,嘴里还喃喃自语“中性笔,铅笔,橡皮……”还是不见尺子.我看了看表,糟了,快上课了,怎么办?怎

简单计算一下，答案如图所示

P(X=k)=(λ^k/k!) * e^(-λ) E(X)=λ P(X=1)=(λ^1/1!) * e^(-λ)=λ * e^(-λ) P(X=2)=(λ^2/2!) * e^(-λ)=0.5λ^2 * e^(-λ) λ * e^(-λ) = 0.5λ^2 * e^(-λ) λ=0或λ=2 λ=0舍去,故λ=2 E(X)=2

P{X=1}=P{X=2}，λ*e^-λ=λ^2*e^-λ/2，λ=λ^2/2，λ=2，P{X=4}=2^4*e^-2/4!=2e^-2/3。随机变量分为离散型随机变量与 非离散型随机变量两种，随机变量的函数仍为随机变量。有些随机变量,它全部可能取到的不相同的值是有限个或可列无限多个，也可以说概率1以一定的规律分布在各个可能值上。这种随机变量称为"离散型随机变量"。扩展资料：离散型随机变量概率分布定义1：如果随机变量X只可能取有限个或至多可列个值，则称X为离散型随机变量。定义2：设X为离散型随机变量，它的一切可能取值为X1，X2，……，Xn，……，记P=P{X=xn},n=1,2...称上式为X的概率函数，又称为X的概率分布，简称分布。应用范围：自变量的变换、卷积和、傅里叶级数、傅里叶变换、Z变换。

P(X=2)=[9e^(-3)]/2

都等于λ

不是，是否平稳得根据相关函数来判断

15

P(x=k)=∑k=0~无穷1/k!*e-1P(Y=0)=P(X<=1)=P(X=0)+P(X=1)=2e-1；P(Y=1)=P(X＞1)=1-P(X<=1)=1-2e-1

泊松分布只能取整数值，所以P(X≥10)=P(X=10)+P(X=11)+P(X=12)+...，P(X≥11)=P(X=11)+P(X=12)+...，两者相减就是P(X≥10)-P(X≥11)=P(X=10)。

因题干条件不完整，缺少文字，不能正常作答。

随机变量x服从参数为λ的泊松分布p{x=k}=e^(-λ)*λ^k/k!p{x=1}=e^(-λ)*λ^1/1!p{x=2}=e^(-λ)*λ^2/2!若p{x=1}=p{x=2}λ=2e(x)=d(x)=2如有意见，欢迎讨论，共同学习；如有帮助，请选为满意回答！

E(x)=u2211x*px=u2211{[n*1/2n(n+1)]+[-n*1/2n(n+1)]} (n=1,2,...) =u2211[(n-n)*1/2n(n+1)] =0

X：随机变量. P(λ)：随机变量X的分布称为泊松分布,记作P(λ). λ：是单位时间(或单位面积)内随机事件的平均发生率.它是泊松分布的均值,也是泊松分布的方差,泊松分布P(λ)中唯一的一个参数. k：单位时间内随机事件发生的次数(k=0,1,2,…),如某一服务设施在一定时间内到达的人数,电话交换机接到呼叫的次数,汽车站台的候客人数,机器出现的故障数,自然灾害发生的次数等等. e：自然对数. P.S.基本就这么理解,没明白的地方请指出来.

你好！二项分布与泊松分布是离散型随机变量，正态分布是连续型随机变量。经济数学团队帮你解答，请及时采纳。谢谢！

这个表明，随机变量X服从泊松分布，求X的函数x^2的期望。用随机变量函数的期望公式求解即可。解答见下图：

泊松分布P (λ)中只有一个参数λ ,它既是泊松分布的均值,也是泊松分布的方差 现在X是服从参数为2的泊松分布, 所以E(X)=D(X)=2

　　你好　　这题的思路是把期望展开，然后利用泊松分布的概率质量公式将期望的表达式进行整理，具体步骤如下　　最后的结果是(1-e^{-λ})/λ　　如果发现有问题的话，再问我吧 望采纳

泊松分布P (λ)中只有一个参数λ ，它既是泊松分布的均值，也是泊松分布的方差现在X是服从参数为2的泊松分布，所以E(X)=D(X)=2

因为是泊松分布所以E（x）=D（x）=2，根据公式D（x）=E（x^2）-E^2(X) , E(X^2)=D(X)+E^2(x)=2+4=6

泊松分布的特征函数如下：泊松分布概率密度函数是P{X=k}=λ^k/（k！e^λ）k=0，1，2……k代表的是变量的值。泊松分布的参数λ是单位时间（或单位面积）内随机事件的平均发生次数。 泊松分布适合于描述单位时间内随机事件发生的次数。泊松分布的期望和方差相等，当二项分布的n很大而p很小时，泊松分布可作为二项分布的近似，其中λ为np。分布函数：分布函数（英文Cumulative Distribution Function, 简称CDF），是概率统计中重要的函数，正是通过它，可用数学分析的方法来研究随机变量。分布函数是随机变量最重要的概率特征，分布函数可以完整地描述随机变量的统计规律，并且决定随机变量的一切其他概率特征。若已知X的分布函数，就可以知道X落在任一区间上的概率，在这个意义上说，分布函数完整地描述了随机变量的统计规律性。如果将X看成是数轴上的随机点的坐标，那么，分布函数F（x）在x处的函数值就表示X落在区间上的概率。

X：随机变量。P(λ)：随机变量X的分布称为泊松分布，记作P(λ)。λ：是单位时间(或单位面积)内随机事件的平均发生率。它是泊松分布的均值，也是泊松分布的方差，泊松分布P(λ)中唯一的一个参数。k：单位时间内随机事件发生的次数(k=0,1,2,…),如某一服务设施在一定时间内到达的人数，电话交换机接到呼叫的次数，汽车站台的候客人数，机器出现的故障数，自然灾害发生的次数等等。e：自然对数。P.S.基本就这么理解，没明白的地方请指出来。

ξ这个符号的意思是：表示数学上的随机变量。ξ（ξ）Xi（大写Ξ，小写ξ），是第十四个希腊字母。希腊字母柯西Ξ大写Ξ用于：粒子物理学中的Ξ重子小写ξ用于：数学上的随机变量西里尔字母的u046e（Ksi)是由Xi演变而成。按照随机变量可能取得的值，可以把它们分为两种基本类型：1、离散型离散型（discrete）随机变量即在一定区间内变量取值为有限个或可数个。例如某地区某年人口的出生数、死亡数，某药治疗某病病人的有效数、无效数等。离散型随机变量通常依据概率质量函数分类，主要分为：伯努利随机变量、二项随机变量、几何随机变量和泊松随机变量。2、连续型连续型（continuous）随机变量即在一定区间内变量取值有无限个，或数值无法一一列举出来。例如某地区男性健康成人的身长值、体重值，一批传染性肝炎患者的血清转氨酶测定值等。

P（X/Y<0）=0.5本题使用正态分布与独立性分析：（x，y）~N（0，0，1，1，0）说明X~N(0,1),Y~N(0,1)且X与Y独立X/Y<0，即X与Y反号所以 P（X/Y<0）=P(X>0,Y<0)+P(X<0,Y>0)=P(X>0)P(Y<0)+P(X<0)P(Y>0)=0.5×0.5+0.5×0.5=0.5二维随机变量( X,Y)的性质不仅与X 、Y 有关,而且还依赖于这两个随机变量的相互关系。因此，逐个地来研究X或Y的性质是不够的，还需将（X，Y）作为一个整体来研究。扩展资料：在一定区间内变量取值为有限个或可数个。例如某地区某年人口的出生数、死亡数，某药治疗某病病人的有效数、无效数等。离散型随机变量通常依据概率质量函数分类，主要分为：伯努利随机变量、二项随机变量、几何随机变量和泊松随机变量。随机事件数量化的好处是可以用数学分析的方法来研究随机现象。例如某一时间内公共汽车站等车乘客人数，电话交换台在一定时间内收到的呼叫次数，灯泡的寿命等等，都是随机变量的实例。在实际问题中通常用它来表征多个独立操作的随机试验结果或多种有独立来源的随机因素的概率特性，因此它对于概率统计的应用是十分重要的。参考资料来源：百度百科——二维随机变量

泊松分布的期望和方差均为 λ（就是参数）。所以E（Y）=2*E（X）-2=2E（Y）=2

说下λ（poisson分布参数）的意义吧λ表示在一定时间（单位时间）内事件发生的平均次数。例如在一天内访问某个商场的人数服从poisson分布，并且估计出平均人数为x人，这里poisson分布的参数就是平均人数。与λ相对，1/λ为指数分布的期望，表示需要的时间（每个事件）LZ是不是要按照实际意义去计算λ？

P（x=k）=（m^k/k!)*e^(-m)x=1,x=2,x=0分别代入3p(X=1)+2P(X=2)=4P(X=0),化简3u+u^2-4=0u=1X~P(1)E(X)=D(X)=1扩展资料在做实验时，常常是相对于试验结果本身而言，主要还是对结果的某些函数感兴趣。例如，在掷骰子时；常常关心的是两颗骰子的点和数，而并不真正关心其实际结果，就是说，我们关心的也许是其点和数为7，而并不关心其实际结果是否是（1，6）或（2，5）或（3，4）或（4，3）或（5，2）或（6，1）。我们关注的这些量，或者更形式的说，这些定义在样本空间上的实值函数，称为随机变量。因为随机变量的值是由试验结果决定的，所以我们可以给随机变量的可能值指定概率。

随机变量X服从参数为λ的泊松分布 P{X=k}=e^(-λ) * λ^k / k! P{X=1}=e^(-λ) * λ^1 / 1! P{X=2}=e^(-λ) * λ^2 / 2! 若P{X=1}=P{X=2} λ=2 E(x)=D(x)=2 如有意见,欢迎讨论,共同学习；如有帮助,

P（X<=1 )=P(X=1)

因P{X大于=10}=P10+P11+P12+......P{X大于=11}=P11+P12+......故P{X大于=10}-P{X大于=11}=(P10+P11+P12+......) - (P11+P12+......) = P10

泊松分布的期望就是参数值，所以此题就是求X=2的概率，如图代公式即得。经济数学团队帮你解答，请及时采纳。谢谢！

答案如图所示，有任何疑惑，欢迎追问

泊松分布的期望Ex=λ=4,Dx=λ=4 PS：泊松分布式(λ^k)/k!*e(-λ)

设X=k时概率最大P(X=k)/P(X=k+1)=[λ^k*e^(-λ)/k!]/[λ^(k+1)*e^(-λ)/(k+1)!]=(k+1)/λ>=1即k>=λ-1P(X=k)/P(X=k-1)=[λ^k*e^(-λ)/k!]/[λ^(k-1)*e^(-λ)/(k-1)!]=λ/k>=1即k<=λ故当λ为整数时，k=λ或λ-1时，概率最大当λ不为整数时，k=[λ]时，概率最大

依题意可以得到λ=3,； 所以E(X)=D(X)=3; 而D(X)=E(X^2)-E(X)^2=3; 所以E(X^2)=E(X)^2+D(X)=12；

泊松分布的期望Ex=λ=4,Dx=λ=4 PS：泊松分布式(λ^k)/k!*e(-λ)

因为X服从参数为1的泊松分布,所以P(X=k)=[e^(-1)*1^k]/k!=e^(-1)/k!, P(X>0)=1-P(X=0)=1-e^(-1)/0!=1-e^(-1)=(e-1)/e

过程的话，有些符号不会打。但有这样的结论：泊松分布的数学期望与方差相等，都等于参数λ.因为泊松分布只含有一个参数，只要知道它的数学期望或者方差就能完全确定它的分布

概率论中常用的一种离散型概率分布。若随机变量 X 只取非负整数值，取k值的概率为λke-l/k!(记作P (k；λ)，其中k可以等于0，1，2，则随机变量X 的分布称为泊松分布，记作P(λ)。这个分布是S.-D.泊松研究二项分布的渐近公式是时提出来的。泊松分布P (λ)中只有一个参数λ ，它既是泊松分布的均值，也是泊松分布的方差。在实际事例中，当一个随机事件，例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等，以固定的平均瞬时速率 λ(或称密度)随机且独立地出现时，那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布。因此泊松分布在管理科学，运筹学以及自然科学的某些问题中都占有重要的地位。 泊松分布（Poisson distribution），台译卜瓦松分布，是一种统计与概率学里常见到的离散机率分布（discrete probability distribution），由法国数学家西莫恩·德尼·泊松（Siméon-Denis Poisson）在1838年时发表。 泊松分布的概率密度函数为： P(X=k)=frac{e^{-lambda}lambda^k}{k!} 泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率。 泊松分布适合于描述单位时间内随机事件发生的次数。如某一服务设施在一定时间内到达的人数，电话交换机接到呼叫的次数，汽车站台的候客人数，机器出现的故障数，自然灾害发生的次数等等。(Poisson distribution），-{zh-cn:台译卜瓦松分布;zh-tw:也译为布瓦松分布，布阿松分布，波以松分布等}-，是一种统计与概率学里常见到的离散机率分布（discrete probability distribution），由法国数学家（Siméon-Denis Poisson）在1838年时发表。泊松分布的概率密度函数为：:P(X=k)=frac{e^{-lambda}lambda^k}{k!}泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率。泊松分布适合于描述单位时间内随机事件发生的次数。如某一服务设施在一定时间内到达的人数，电话交换机接到呼叫的次数，汽车站台的候客人数，机器出现的故障数，自然灾害发生的次数等等。观察事物平均发生m次的条件下，实际发生x次的概率P（x）可用下式表示： 　　P（x）=（mx/x！）e-m　　称为泊松分布。例如采用0.05J/m2紫外线照射大肠杆菌时，每个基因组（～4×106核苷酸对）平均产生3个嘧啶二体。实际上每个基因组二体的分布是服从泊松分布的，将取如下形式：　　P（0）＝e-3＝0.05；　　P（1）=（3/1！）e-3=0.15；　　P（2）=（32/2！）e-3=0.22；　　P（3）=0.22；　　P（4）=0.17；……　　P（0）是未产生二体的菌的存在概率，实际上其值的5％与采用0.05J/m2照射时的大肠杆菌uvrA-株，recA-株（除去既不能修复又不能重组修复的二重突变）的生存率是一致的。由于该菌株每个基因组有一个二体就是致死量，因此P（1），P（2）……就意味着全部死亡的概率。一种累计随机事件发生次数的最基本的独立增量过程。例如随着时间增长累计某电话交换台收到的呼唤次数,就构成一个泊松过程。用数学语言说,满足下列三条件的随机过程X={X(t),t≥0}叫做泊松过程。①P(X(0)=0)=1。②不相交区间上增量相互独立，即对一切0≤t1<t2<…<tn,X(t1),X(t2)-X(t1),…,X(tn)-X(tn-1)相互独立。③增量X(t)-X(s) (t>s)的概率分布为泊松分布,即，式中Λ(t)为非降非负函数。若X还满足④X(t)-X(s)的分布仅依赖于t-s，则称X为齐次泊松过程；这时Λ(t)=λt，式中常数λ>0称为过程的强度，因为EX(t)=Λ(t)=λt,λ等于单位时间内事件的平均发生次数。非齐次泊松过程可通过时间尺度的变换变为齐次泊松过程。对泊松过程,通常可取它的每个样本函数都是跃度为1的左(或右)连续阶梯函数。可以证明，样本函数具有这一性质的、随机连续的独立增量过程必是泊松过程，因而泊松过程是描写随机事件累计发生次数的基本数学模型之一。直观上,只要随机事件在不相交时间区间是独立发生的,而且在充分小的区间上最多只发生一次，它们的累计次数就是一个泊松过程。在应用中很多场合都近似地满足这些条件。例如某系统在时段【0,t)内产生故障的次数,一真空管在加热t秒后阴极发射的电子总数,都可假定为泊松过程。1943年C.帕尔姆在电话业务问题的研究中运用了这一过程，后来Α.Я.辛钦于50年代在服务系统的研究中又进一步发展了它。 　　齐次泊松过程的特征 　描述随机事件累计发生次数的过程通常称为计数过程（见点过程）。一个简单而且局部有限的计数过程｛X(t)，t≥0｝，往往也可以用它依次发生跳跃(即发生随机事件)的时刻{Tn，n≥1}来规定，即取T0=0，Tn＝inf{t:X(t)≥n}，n≥1，而当Tn<t≤Tn+1时，X（t）＝n。若以，表示X(t)发生相邻两次跳跃的时间间距，则计数过程是齐次泊松过程的充分必要条件为{τn，n≥1}是相互独立同分布的，且，其中λ为某一非负常数。齐次泊松过程的另一个特征是:固定t,X(t)是参数为λt的泊松分布随机变量，而当X(t)=k已知的条件下,X的k个跳跃时刻与 k个在［0,t)上均匀分布且相互独立的随机变量的次序统计量（见统计量）有相同的分布。泊松过程的这一特征常作为构造多指标泊松过程的出发点。从马尔可夫过程来看，齐次泊松过程是时间空间都为齐次的纯生马尔可夫链。从鞅来看，齐次泊松过程X是使{X(t)-λt,t≥0}为鞅的跃度为1的计数过程。 　　泊松过程的推广 　较泊松过程稍为广泛的计数过程是更新过程，更新过程的跳跃时间间距是相互独立同分布的，但不一定是指数分布。这类过程常被用来描写某些设备的累计故障次数。若对跳跃时间间距不作任何假定，就成为一般的计数过程或称一维点过程。假如某设备在【0，t)时段内故障的累计次数N(t)是泊松过程，而每次故障造成的耗损不尽相同,用随机变量Yi表示第i次耗损，则在【0,t)内总的耗损为。当{N(t)，t≥0}为齐次泊松过程，{Yi,i≥1}又是相互独立同分布且与｛N(t)｝独立时,X=｛X(t)，t≥0｝称为复合泊松过程。由于{N(t),t≥0}可以用其跳跃时刻{Ti,i≥1}来规定,因而复合泊松过程可用{(TnYn),n≥1}来规定,即。若对{(Tn,Yn),n≥1}的统计特性不作任何假定，这样规定的X 便是一种一般地描述系统跳跃变化的随机过程，常称为标值点过程，也称多变点过程或跳跃过程。 　　泊松过程除作为计数过程的一种重要数学模型外，又是众多重要随机过程的特例。独立增量过程的莱维－伊藤分解表明,利用它还可构成一般的独立增量过程,因而它在随机过程中占有特殊地位，也有人把它与布朗运动一起称之为随机过程的基石。

率论中常用的一种离散型概率分布.若随机变量nbsp;Xnbsp;只取非负整数值,取k值的概率为λke-l/k!(记作Pnbsp;(k；λ),其中k可以等于0,1,2,则随机变量Xnbsp;的分布称为泊松分布,记作P(λ).这个分布是S.-D.泊松研究二项分布的渐近公式是时提出来的.泊松分布Pnbsp;(λ)中只有一个参数λnbsp;,它既是泊松分布的均值,也是泊松分布的方差.在实际事例中,当一个随机事件,例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等,以固定的平均瞬时速率nbsp;λ(或称密度)随机且独立地出现时,那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布.因此泊松分布在管理科学,运筹学以及自然科学的某些问题中都占有重要的地位.nbsp;nbsp;nbsp;泊松分布（Poissonnbsp;distribution）,台译卜瓦松分布,是一种统计与概率学里常见到的离散机率分布（discretenbsp;probabilitynbsp;distribution）,由法国数学家西莫恩·德尼·泊松（Siméon-Denisnbsp;Poisson）在1838年时发表.nbsp;泊松分布的概率密度函数为：nbsp;P(X=k)=frac{e^{-lambda}lambda^k}{k!}nbsp;泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率.nbsp;泊松分布适合于描述单位时间内随机事件发生的次数.如某一服务设施在一定时间内到达的人数,电话交换机接到呼叫的次数,汽车站台的候客人数,机器出现的故障数,自然灾害发生的次数等等.nbsp;nbsp;(Poissonnbsp;distribution）,-{zh-cn:台译卜瓦松分布;zh-tw:也译为布瓦松分布,布阿松分布,波以松分布等}-,是一种统计与概率学里常见到的离散机率分布（discretenbsp;probabilitynbsp;distribution）,由法国数学家（Siméon-Denisnbsp;Poisson）在1838年时发表.nbsp;nbsp;泊松分布的概率密度函数为：nbsp;nbsp;:P(X=k)=frac{e^{-lambda}lambda^k}{k!}nbsp;nbsp;泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率.nbsp;nbsp;泊松分布适合于描述单位时间内随机事件发生的次数.如某一服务设施在一定时间内到达的人数,电话交换机接到呼叫的次数,汽车站台的候客人数,机器出现的故障数,自然灾害发生的次数等等.nbsp;nbsp;观察事物平均发生m次的条件下,实际发生x次的概率P（x）可用下式表示：nbsp;nbsp;nbsp;P（x）=（mx/x!）e-mnbsp;nbsp;称为泊松分布.例如采用0.05J/m2紫外线照射大肠杆菌时,每个基因组（～4×106核苷酸对）平均产生3个嘧啶二体.实际上每个基因组二体的分布是服从泊松分布的,将取如下形式：nbsp;nbsp;P（0）＝e-3＝0.05；nbsp;nbsp;P（1）=（3/1!）e-3=0.15；nbsp;nbsp;P（2）=（32/2!）e-3=0.22；nbsp;nbsp;P（3）=0.22；nbsp;nbsp;P（4）=0.17；……nbsp;nbsp;P（0）是未产生二体的菌的存在概率,实际上其值的5％与采用0.05J/m2照射时的大肠杆菌uvrA-株,recA-株（除去既不能修复又不能重组修复的二重突变）的生存率是一致的.由于该菌株每个基因组有一个二体就是致死量,因此P（1）,P（2）……就意味着全部死亡的概率.

心怀好奇，接近自然，感受生活，是一种独特的心灵体验，是一次全新的情感历程，能让人从纷繁的事务中得到解脱，让人冲破世俗的樊篱，获得心灵的涤荡。好奇心，让人心不致在时光流逝中老去，而是在季节变换的档案中将最初的情感完好保存。 优秀议论文：好奇 一只猫好奇一个土堆，总觉得里面有什么吸引人的味道。别人劝阻它，它还是扒开，结果里面有条毒蛇，土堆被扒开后，蛇出来将猫咬死。这就是“好奇害死猫”。 可是，事实是不是如此呢？答案不言而喻。从远古时代到现代化生活，人类在不断的进化，生活在不断的提高，社会也在不断的发展，一切都在变，唯独好奇之心，它一直引领着人类进步，推动着社会发展。 回想人类发展史，哪一位取得巨大成就的人，不是在好奇心的引领下登上成功的巅峰的呢？莱特兄弟因为好奇“人为什么没有像鸟一样在天上飞翔”，努力探索，反复研制，发明出飞机，为人类的交通业做出一大贡献。牛顿好奇“苹果为什么向下掉而不向上掉”不断推敲、充实，最终在人们习以为常的事情中发现了万有引力，随着一系列新元素的发现，人们对化学元素产生了强烈的兴趣：自然界究竟有多少种元素？未知元素到底是什么样子？各种元素又有什么关系？针对这些问题，科学家们进行了艰苦而漫长的探索，而元素周期表的大门也终于被俄国的门捷列夫打开了，试想，如果没有好奇心，门捷列夫如何能在零星混乱的元素中挖掘出一个意义非凡的规律？由此可见，好奇的力量有多么不可思议。 也许有人会说，他们都是伟人，我们不过是些普通人，但实际上不论是伟人还是普通人，好奇都无处不在。它是每个人与生俱来的，它是对某种未知领域的一种心情，它能激发我们的创造力。好奇的最大优点在于它永不满足，可以推动我们去学习一切我们不知道、不熟悉的事情，成为我们学习的必不可少的原动力，我好奇书本后面的内容，所以我提前涉及、了解到了新知识；我好奇一篇拥有标新立异的题目的作文，所以我孜孜不倦的读完并汲取了精华；我好奇理科老师和书本提供给我的知识，所以我自己探求，在实验室培养自己的创造能力；我好奇美术有何魅力，所以我用画笔体会它的迷人之处……正是因为好奇，让我在学习上勇往直前的朝未知区前进。 这些都足以证明，好奇并不一定都是害死猫的结局，拥有好奇，就等于在成功的路上打下了牢固的基石，扫清了足够的障碍。 拥有好奇，固然重要，但如果只有好奇而不去实践，那成功也无异于异想天开。所以，我们不仅抓住自己一闪念的好奇的想法，还要在自己的好奇之上动手实践，探索研究，解开好奇时产生的问题，这样，好奇才会与我们形影不离，陪我们走向成功。 好奇之心需合理引导 世界五彩斑斓，对每个人都充满了未知与挑战，道路选择众多为好奇之心，引领我们走向未来。成长充斥变化，合理引导方向，可实现自我，二者兼备，才能尽展天赋，把我人生。 好奇心是人类灵魂深处对陌生事物的向往，是推动社会发展的根本动力，更是每个人心底不可阻挡的用汹涌暗流。与生俱来的好奇心潜移默化地改变着儿童的命运，而要合理发挥其功能，则需父母的正确引导，既不可任其发展，又不该完全扼杀合理引导式教育的关键所在。 正确利用好奇心可收获奇效，高晓松在儿童时代变热爱探索与钻研，每当遇到问题便去请教父母，父母会给他一张纸条，告诉他哪位邻居擅长这一方面，他在前去呗问。如此以来，家庭资源促使好奇心正向发展，好奇心咋促成了他日后的巨大成就？正是凭借好奇心的推动，高晓松才博学多识，为人敬仰。 有好奇之心，可推动科技进步。纵观历史画卷和为科学巨匠之所共有，无他，好奇之心不可或缺。一颗苹果换起了牛顿的好奇心，伟大的力学定律由此诞生。一座中百唤醒了伽利略的好奇心，真理之光由此闪耀。多样生物唤醒了达尔文的好奇心，进化奥秘中被发现无数自然。科学的探索者接因好奇而踏入无人涉足的全新领域，最终开拓出另一片云淡风轻的世界的好奇心，是上帝引领人类发掘真理的惠赠，是无与伦比的精神财富。 然而，缺乏判断力的儿童难免会因好奇心的错误引导向踏入歧途。俗语云：“好奇心害死猫。”但无数教训已向我们证明，好奇心不仅会害死猫，更有可能毁灭美好的人生。网络时代信息繁杂，难免会有不良信息吸引儿童，指引他们陷入迷雾，失去自我。不管是当下普遍存在的网瘾现象，还是骇人听闻的青少年犯罪事件，都与缺乏正确的引导密不可分。像这样更应引起父母，老师的注意，社会的健康发展，急需好奇心的正确引导。 好奇心的缺失，一颗限制时代步伐，当我们都拘泥于已知的世界，无人可帮探索与发现，那么时代的脚步则会停止。北京大学最年轻的博导刘颖在接受采访时曾这样说：“正是对生命科学的好奇心，使我有了今天的成就。”而作为青年一代的我们，更需以好奇之心，去开拓别样的人生。 合理引导，永葆好奇，愿你我都能具有一颗探索之心，在好奇心的引领下，谱写人生的华章。

好奇　　我小的时候，非常顽皮，，对许多事情总是很好奇，由于我这好奇，使我弄出了许多笑话，其中有一件事，是我至今仍记忆犹新。　　那是我4岁的时候，在大年夜里，妈妈爸爸正忙着做年夜饭，没空来照顾我，我只好一个人做在客厅里的角落里，独自玩起了变形金刚。不知过了多长时间，客厅里的桌子上象满汗全席似的，饭菜几乎放满了桌子。妈妈带我洗过手后，我们家三口互道了新年祝福语后，就准备开始享受桌上的美味佳肴了。看着这些饭菜，我口水都流下了三千尺，心想：哈哈，这下我可以吃个够了！这时，爸爸引起了我的注意力，只见他拿着一个玻璃瓶，总是在喝里面的水儿，还连着喝了好几杯。当时我很纳闷：“爸爸在喝什么呢？是水吗？不会吧，水没味道，爸爸会喝水吗？一定不是水，那是什么呢？是很好喝的吗？为什么不给我一杯呢？爸爸平时有什么好吃好喝的都要让我喝的呀！”我开始乱猜起来，爸爸这时又倒了一杯，可这回没喝，而且朝厨房走了过去。　　我心里挺高兴的，心想：这回我可有机会去喝那的东西啦！我趁这个机会，端起杯子闻了闻，顿时，一股怪怪的味道直窜我的鼻子，把鼻子都窜疼了。我开始有些犹豫了，但心里又想：“是不是好喝的东西味道都是怪怪的？刚才爸爸不是喝的津津有味吗？对！一定是好喝的。”就在我决定要喝的时候，我听见了爸爸妈妈从厨房走出来的脚步声，我心里来不及再犹豫了。于是，也管不了三七二十一，一下倒进了我的嘴里，顿时辣的喉咙直冒烟，舌头都辣麻了，根本控制不住自己，就“哇”的一下把那东西吐到了桌子上，这时爸爸妈妈刚好看到了这一幕。我心想：这回完了！要挨打了。我可真倒霉，他们早不来，晚不来，偏偏这时候来。正当我准备接受打骂的时候，谁知他们看了后，稍一愣，便异口同声的笑了起来，弄的我丈二的和尚——摸不着头……后来才知道，那东西是酒！　　好奇虽然是件好事，但也有让人倒霉的时候，所以万物都有两面性：一个是好的一面，一个是不好的一面。