q1, dexp是指数分布的概率密度；
r*是生成*分布的随机数，p是*分布的概率分布，d是概率密度，还有q是d的反函数，貌似
R可向量操作，数乘向量是用数乘向量内的每个元素
q2, pi在R里是一个常量，可直接用，3.141593，没有你要求的精度高，你可pi<-3.1415926535...
q3, 不会
q4, integrate 函数能算数值积分；蒙特卡洛积分我不会，甚至都没听过，不是数学专业的，正常正常...
以 ∫ e^(-x) dx 上限： 无限， 下限：0为例啊；
f<-function(x) {exp(-x)}integrate(f, lower=0, upper=Inf)
若是 ∫ e^(-x^3) dx的话，
f<-function(x) {exp(-x^3)}就行了
function 是定义一个函数，这个函数的名字是poissonproc，感脚上是个泊松过程吧；rpois是按照泊松分布生成随机数rpois(n, lambda)，生成n个；
runif是按照均匀分布生成随机数runif(n, min=0, max=10), 生成n个，这个n是之前的结果，最大值是10，最小值默认为0；
返回的 均匀分布的随机数中，[4, 5]之间的个数；
最后一句：上述过程重复10000次；
if (any(sieve ==i)) { # 如果i在sieve里 也可以写成 if ( i %in% sieve ) {primes <- c(primes, i) # 把i放到prime里
sieve <- c(sieve[(seive %% i) != 0], i) #把所有sieve里i的整数倍数（除了i)取走
# %%是mod， 余数，所以 sieve[seive%%i) !=0]是所有seive里除以i余数不为0的数
}
整个这段代码是找出所有比n小的质数
