泊松分布:n=200+y+p=0.012+x=6求p(x) 泊松分布的期望和方差
泊松分布，概率学，请高手帮忙。
2000人的话,直接转换成正态分布可能还简单和实用些...
P{ (n-2000*0.4)/根号(2000*0.4) > x } = 1-Phi( x ) < 0.05
其中Phi(x)是正态分布函数.查表可知x=1.645
n>847即可
泊松分布表怎么查？？
λ代表泊松分布的参数，它取定了，泊松分布（不妨用X表示）也就定了。
x代表随机变量X的取值，泊松分布的话取值x可以使0,1,2,3,...,+∞
e表示自然对数，约为2.72，就相当于圆周率π那样理解。
泊松分布取值为x的概率公式为P(X=x)=λ^x*e^(-λ)/x!,
其中x!=x*(x-1)*(x-2)*...2*1表示x的阶乘。
如，当参数λ=1.9时随即变量X取为0的概率为P(X=0)=1.9^0*e^(-1.9)/0!
=e^(-1.9)
=0.1495686
泊松分布公式推导
泰勒公式当x=0时的形式：f(x)=f(0)+f'(0)x+f''(0)/2!•x^2,+f'''(0)/3!•x^3+……+f(n)(0)/n!•x^n+f(n+1)(ξ)/(n+1)!•x^(n+1)
E的lamda次方泰勒展开就是N从0到无穷取和(lamda的N次方除以N的阶乘)
泊松分布的再生性的内容与解释
二项分布与泊松分布的原题型的总框架是一样的，比如n次重复试验，一次试验中发生的概率是P，求n次中发生k次的概率。不同点在于，当n很大，p很小时，用泊松分布的公式计算就显得相当简单。但前提是由于n很大，p必须要甚小，所以泊松分布常被用来研究稀有事件的频数，当λ=np不太大时，比如小于30，便可以近似计算，而小于5时效果更佳！
泊松分布的公式是由二项分布的公式推导出来的，即对二项分布公式求极限，n趋于正无穷，推导过程中用到了一个重要极限：e。
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）=（m^x/x!)*e^(-m)
p ( 0 ) = 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）=（3^2/2！）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。