ppois是泊松分布的分布函数（即用来求累计概率），因为是离散的，所以只会在整数左右有变化，看最下面的图像比较容易懂，比如q=0.5就和q=0.9的结果一样，q=1就和q=1.2的结果一样。
一般用法：
ppois(q, lambda, lower.tail = TRUE, log.p = FALSE)q：官方帮助文档说是分位数，我理解是指定x轴上的点。
lambda：就是泊松分布的参数λ
lower.tail：是逻辑变量，当它为真(TRUE，缺省值)时，分布函数的计算公式为
当lower.tail = FALSE时，分布函数的计算公式为
log, log.p是逻辑变量，当它为真(TRUE)时，函数的返回值不再是泊松分布，而是对数泊松分布.
比如lambda=1的分布函数作图如下：
我们想知道喝牛奶对感冒发病率有没有影响，以下为数据统计的四格表：
从上文中我们通过卡方计算公式手动计算出P在0.1到0.5,说明牛奶对感冒发病率没有影响。
下面我们通过R计算一下具体p直：
x<-matrix(c(43,28,96,84),ncol=2,nrow=2)
chisq.test(x)$p.value
此外出来2X2联表，还可以计算一维表（自由度为个数），例如下面：
判断5种品牌啤酒的爱好者有无显著差异：
P值越大，支持原假设的证据就越强，给定显著性水平α（取0.05）, 当P值小于α时，就拒绝原假设。
将t.test()的结果保存下来，然后用$符号提取。如res <- t.test()
res$p.value
或者
t.test()$p.value
注意t检验中的参数照写
