设随机变量x服从参数为λ的泊松分布,求E(X+1)^-1

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

X~π（2） E（x）=2 D(X)=2 D（X）=E(X^2)-[E(X)]^2 2=E（X^2）-4 E（X^2）=6

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

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.

在学习、工作、生活中，许多人都写过作文吧，作文根据写作时限的不同可以分为限时作文和非限时作文。那么问题来了，到底应如何写一篇优秀的作文呢？以下是我帮大家整理的我的“好奇心”作文，欢迎大家分享。 我的“好奇心”作文1 “为什么有白天黑夜呢？为什么木头会浮在水上呢？为什么寒假只有一个月，而不是和暑假一样两个月呢？”一有空我就对妈妈提各种各样稀奇古怪的问题，妈妈总是被我问得哑口无言，但我还是乐此不疲。 在生活中，我总是对所有事情充满好奇心，在学校里我的好奇心更是显露无遗了。 有一天，我和我的好朋友吴畅正在学校的游乐器械旁嬉戏打闹，突然发现“古风鱼塘”旁边围了一大群人，还不时发出一两声惊叹。好奇心驱使我拉着吴畅挤进人群，原来是一只黄色的死鸟浮在水面上。我们一下子就来了兴致，打着要探索科学奥秘的幌子，拿了几根树枝和几片宽大的落叶，开始实施打捞工作。看着死鸟离岸边越来越近，旁边有些胆小的同学赶紧避开，吴畅也显得有些害怕，扯着我的衣角说：“不要打捞了吧，它说不定已经腐烂了！”我也有些犹豫，想就此放弃，可脑子里却突然冒出好多问题。“这是什么鸟？”“怎么死的？”“腐烂成什么样了？”……无数个问题打败了我的害怕，于是我壮着胆子用树枝戳了死鸟几下，把它继续往岸边拉。 旁边的学弟学妹们一阵骚动，竟引来了一旁的午间值日老师。她过来一看也吃了一惊，忙问我们要干什么。我托着装了死鸟的大叶子，凑近给老师看，还装着很有学问的样子说：“死鸟在河里会腐烂发臭，河水也会被污染，把死鸟捞起来就不会造成这些不好的影响了。我们打算研究一下这只鸟。”我本以为老师会对我的好奇心赞赏有加，可老师似乎对死鸟不太感兴趣，只是点了点头说：“好好好，你们自己做吧。”我们只好悻悻地往百果园走了。 在百果园里，我们仔仔细细地把死鸟观察了一番，最后决定为这只为我们做了巨大研究贡献的死鸟举行一个隆重的葬礼。我们把死鸟安葬在一棵大树底下，还拔了一些三叶草撒在它身上。谁知正当我拔草的时候，百果园的勤杂工大爷出来检查，刚巧看到我在灌木丛中摆弄着什么，立即气势汹汹地冲过来，揪着我的耳朵大骂，唾沫星子到处横飞，溅得我满脸满身。他以为我在拔名贵的花呢。我刚想分辩几句，替自己伸伸冤，他就回骂得更厉害了，我只能默不作声，自认倒霉。 回家后我把这事说给妈妈听，妈妈对我一顿批评，原来死鸟身上可能会携带一些可怕的病毒，比如禽流感。我听了以后心有余悸，也明白了，虽然好奇心有时可以增长知识，丰富见闻，但也有古话说：好奇害死猫，我以后在发挥自己的好奇心时也要考虑周全，保护自己安全。 我的“好奇心”作文2 我是当年武则天立下的那块无字碑。数千年来，多少人对我的存在感到质疑，其实，说实在的，我对自我的身份也感到好奇。主人留给我的只是一具空空的躯体和一颗好奇心。 我好奇我的主人。一朵深宫玫瑰却偏偏如此铿锵，一双娇弱肩膀却担起天下人的期望。三从四德禁锢不住你的步伐，你默默地演绎着属于自我的繁华。溺女，谁能体会你的不舍与无奈？弑子，谁能感受你的心痛与欲哭无泪？摄夫，谁能理解你心中恨铁不成钢的痛楚？宠张，谁能分担你独处深宫的寂寥？垂帘，昭示着你——她人无法企及的高度；称帝，昭示着你不可一世的霸气；改元，一个“”字，将你推上了生命的最高点。我好奇我的主人，为什么你的背后，有这么多不为人知的无奈，痛楚，辛酸…… 我好奇我的身世。主人深知自我正遭受着千万人的唾骂，好一句“狐媚偏能惑主”，好一句“一将功成万骨枯”。可是，好一个武则天，生前要一鸣惊人，身后也要再鸣惊人。自古碑者，或歌功颂德，或说罪道过；或洋洋千言，或寥寥数语；或意境平浅，或深刻隽永。唯有我，一个字也没有。主人立下我，是怕承受更多人的唾骂，所以给自我留下一个书写罪状的平台，还是你觉得中华上下几千年的历史都承载不了你的辉煌？ 我好奇历史上著名的女者。褒姒，有冷艳，有周幽王为博她一笑而烽火戏诸侯的壮举；妲己，有妖娆，有商纣王为她建造的“酒池肉林”；玉环，有华贵，有唐玄宗为红颜而置大唐江山于不顾的真心；昭君，有美貌，有万古垂青的芳名……而我的主人，为什么我的主人仅有万世的骂名？仅有我？ 主人，感激你在缔造我的同时，赐予了我一颗常人没有的好奇心，因为是它，让我了解了你的过去，你的背后，你的鲜为人知的一面。你海棠般娇羞的容颜，你菊花般孤高的傲世风骨，你桃花般红消香断的泪痕，你柳絮般飘飞的沉思，仅有婉儿姐姐和我能理解吧……我不在乎你站得有多高，亦不会在乎世人对你世俗的评价，如果有来生，我只愿带着这颗好奇心，做你喘息的平台。 探索女人武则天，以“无字碑”的视角来打量，来考察，既有对武则天一生大事件的勾勒、体会和透视，又有历史的大视野，以“碑”说话之后，又将目光投向时光的坐标。文章以“好奇”为由，命意所在，端在“理解”，故能深入幽微，叩动心弦，捕捉到历史的"心跳与喘息。这也是今年高考作文的拔尖之作。 我的“好奇心”作文3 好奇心，无疑是一颗期望明白自我所不知事物的心。如果只将眼光聚于此，那在我看来，似乎古今中外男女老少大多都有这样一颗“心”。 有一种“好奇心”在鲁迅的文章中最为常见；那驱使国民争先恐后看“砍头节目”的是好奇心；那驱使乡邻听祥林嫂哭诉的是好奇心；那驱使阿Q“革命”的亦是好奇心。但，也许这些都只能称为“好奇”罢了，“心”却是失去了的。这样的“好奇”，建立在对他人痛苦的窥探上，建立在“铁屋子”一般黑暗的愚昧上，如果这也是真正意义上的“好奇心”，那么没有，也罢。 那么放眼世界呢？这样的“好奇而无心”也是比比皆是的。火刑柱上的贞德满足了中世纪人们的好奇心；怒吼的伽西莫多满足了芸芸众生的好奇心。这样的“好奇心”似乎成了“赤子同心”的世界语言，在这样的语言之中写的尽是愚昧，平庸，衰亡与了无生机。 试问：真正的好奇心又为何物呢？ 真正的好奇心需要观察。“一花一世界，一叶一乾坤”，世界上并不缺少美，只是缺少发现美的眼睛。用心观察，即使最寻常的事物也会化为“神奇”。在远古时代，先人们仰望星空，探斗转星移的奥秘，品云淡云聚的风采；到此刻，我们经过望远镜与另一个星球招手，经过显微镜感知微观宇宙。能够说，没有观察与帮忙我们更好观察的工具，好奇心也会闭上心房上的窗，落满灰尘。 真正的好奇心需要思考。如果“我们头上的灿烂星空”是供我们观察的无限舞台，那么，“我们心中的道德法则”则是激发与约束我们将观察成果深化的不二法门。如帕斯卡尔所言，“思维成就人的伟大，我们的一切尊严都在于思考――即使你只可是是强大自然下的苇草。”如果没有这种“灵魂在场”之下的思考，那么无论多少个苹果掉下来，恐怕也砸不出“万有引力”的发现；无论人类是多么费尽心思地观察与学习，也难有一丝一毫的创造与提高。 真正的好奇心不是“猎奇”，它的存在不是为了以平庸或愚昧的心态去“发掘”别人的痛苦，去践踏真理。它的存在，需要观察的双眼来定位，需要思者的头脑来彰显其价值。 有了这样的好奇心，困难得以排解，就会得以提高，人类得以更好的生存并维护自我的尊严…… 《哈姆雷特》中有言：“身处果壳之中，也自以为无限宇宙之王。”也许，正因为有了真的“好奇心”在，我们才能以更有力的声音爆发出这样的呐喊。 更何况，因为有了好奇的心，我们的世界远比果壳广阔得多。 我的“好奇心”作文4 我4岁的时候，是个胖乎乎的小傻丫头，对周围的一切充满了好奇，感觉什么都那么新鲜，那么有趣！ 春天到了，我和妈妈去早市买回来一只小鸡，它只有我的拳头般大小，全身毛茸茸的，再看那嫩黄的小嘴，别提有多可爱了！小鸡胆子很小，我只要轻轻一摸它，它就立刻缩成一团，抖个不停。 妈妈告诉我，小鸡刚从温室里出来，可不能让它着凉，因此我给它安了一个家——一个空鞋盒。 日子一天天过去了，小鸡渐渐地长出小翅膀来了。它越长越大，“家”就显得有点儿小了，它可能觉得自己活动的地方太小了，所以它每天都会跳出来好几回，在屋里东瞧瞧西看看，十分快活。刚开始，我还为它能越过“高墙”去看看外面的世界而感到高兴。时间久了，它总是乱跑，我就有些不耐烦了，它太淘气了，真是个不听话的小家伙！我要费很大的劲儿才能把它弄回家。 一天，我打开冰箱取冰糕，忽然眼前一亮。哎，有了！我想起妈妈曾经把两条刚买回来的鱼放进了冰箱里，当时我不解地问：“妈妈，为什么要把鱼放进冰箱里呀？”妈妈开玩笑地说：“这鱼不听话，只要把它放进冰箱里就会听话了！这就叫做冬眠。”我想：把小鸡放到冰箱里，让它冬眠一会儿，它没准也会变得很听话呢！想到这儿，我就对小鸡说：“小鸡，你要是还不听话，我就把你放到冰箱里，让你也去冬眠！”可它好像一点儿也没听见似的，照样到处乱溜达。我气急了，一把抓起它就塞进了冰箱里。 第二天，我打开冰箱门去看小鸡。嗬！它可真听话，还在睡觉呢。“小鸡，赶快起床啦！”无论我怎么折腾它，小鸡都一动也不动。呀！小鸡都冻僵了！“小鸡死了！小鸡死了！”我哭喊着慌慌张张地找到妈妈，妈妈被我这突如其来的模样吓了一跳，还以为发生了什么大事呢！我把事情的经过一五一十地告诉了妈妈，委屈地说：“不是你说冬眠了它就会听话吗？”妈妈听了，看了看冻死了的可怜的小鸡，苦笑着说：“傻孩子，我把鱼冻起来，我们吃的时候它才不会坏。你把小鸡冻起来，难道你馋了？是想吃它吗？”我红着脸，低下了头。 虽然这件事已经过去了好几年，可我一想起那只“冬眠”的小鸡时，我的心里就会充满了愧疚。小鸡，请你原谅我，好吗？ 我的“好奇心”作文5 我的好奇心特别强，家里的收音机，我经常拆开来“研究研究”，小闹钟成了我学习齿轮的试验品。缝纫机的针头为什么能把底线钩出来，厕所里的水箱为什么能自动关闭？对这些杂七杂八的东西，我不仅要看，琢磨，而且喜欢动手，其间，当然免不了要捅娄子。对我这“贱手残爪”，妈妈极力反对。“闹钟都不准了，还在摆弄！”“小老爷，你怎么敢拆我的缝纫机生”她干咋唬，却舍不得打我，只好去激爸爸，“他整天胡捣鼓，你还管不管呀？”爸爸呢，总是笑咪咪的，顶多说一句：“小心点，别弄坏了。”这是变相地支持，至少也算是默许吧。 你看，妈妈引以为荣的，爸爸偏要泼凉水，妈妈极力反对的，爸爸偏又不以为然。在家里，我也成了个有争议的人物。 别人千言万语，我有一定之规，这本来是我生活的信条，也是屡次挨“克”而到底没有多大改变的根本原因。然而到了高一，我却动摇了，或者说，自一已思想上也有了争议了。 先前，我是颇以聪明”自负的。可是高一的两次大考，在班里都没进前十名，期末考试，竟然有两门不及格。相反，我一向瞧不起的两个同学，学习成绩却象猴子爬竿，哪蹭蹭”地直往上蹄。于是，在我心里“聪明”后面的叹号变成了间号。 “天才出于勤奋！”班主任开导我。 “自以为聪明的人往往最不聪明！分爸爸这样教育我。 我的头嗡嗡作响，脸热辣辣发烧，背上就象遭了芒刺一般。 “关心巢体，热爱劳动。”这是每次操行评语上都有的两句话，我自己也觉得受之无愧，学雷锋，学张海迪，办墙报，搞卫生，咱什么时候没跑在前头？栽树，浇水，为建陵园路拣石头，咱哪一次惜过力气？搬家、买煤、垒鸡窝，四邻八舍，谁家的活咱没干过？可是，班里发展团员，却没咱的份。是老师不公平，同学有成见，还是自己？…… “大目标，高标准，严要求。”班主任送我九个大字。 “找成绩不漏秋毫，看缺点不见泰山，这样的人算不上革命者。”爸爸只说了这么一句话。 我头国汗，心里着火，连个子也觉得矮了半截……我这个人，唉，怎么搞的，种牡丹者得花，种羡幕者得刺。今后的路该怎么走，是认真考虑的时候了—十六岁，还能再充小孩子？

现在的我已经长大了，不像以前的我，以前我经常对新的事物很好奇，总想知道那个东西是里面是怎么样的。有一次，家里的电视机坏了，又修不好，所以爸爸只好又去买了一台新的来。两名送新电视机的快递员把新电视机防下后就走了，跟着，爸爸妈妈也出去逛街了。我很好奇，便将爸爸放在地下室的旧电视机给搬了出来，拿起工具，我想拆开电视机，看看里面有着什么。于是，我先用螺丝刀将电视机的壳罩打开，发现里面除了有一些稀奇古怪的零件之外，还有一些横七竖八的线。我又把那些零件拆下来，发现上面有很多的灰尘。于是，我觉得可能是因为有灰尘的缘故，便把里面的零件在水里浸泡了一下，再用餐巾纸将零件擦干。然后，我把那些零件给装回去，可我不知道这个零件应该防在哪，所以，我只好拿起一个零件，随便找了个位子，就装上去，到最后一个零件的时候，我发现零件装不进去，只好又把所有的零件都拆了下来。经过了这样的几次之后，我终于将所有的零件找到了正确的位子。我想试一下电视机修好了没有，便插上电源，打开电视机。电视机不但没有修好，反而更破了，可能是零件受水的缘故吧，也可能是因为有几个零件的位子换错了吧！