两种可能结果的离散随机变量概率分布 ，失败是0，成功是1，p是成功的概率。
dbinorm() ：提供任何有效x的概率质量函数
pbinom() ：提供累积概率分布，求结果成功q次及q次以下的累积概率,给定分位数值q,输出累积概率p
qbinom() ：累积概率分布的逆（ pbinom() 的逆），给定累积概率p，输出分位数值q
rbinom() ：产生n个服从二项分布的随机数
3. dpois() , ppois() , qpois() , rpois()
dt() , pt() , qt() , rt()
R一个很方便的用处是提供了一套完整的统计表集合。函数可以对累积分布函数P(X≤x)，概率密度函数，分位函数（对给定的q，求满足P(X≤x) >q的最小x）求值，并根据分布进行模拟。
在统计学中，产生随机数据是很有用的，R可以产生多种不同分布下的随机数序列。这些分布函数的形式为rfunc(n,p1,p2,...)，其中func指概率分布函数，n为生成数据的个数，p1, p2, . . .是分布的参数数值。上面的表给出了每个分布的详情和可能的缺省值（如果没有给出缺省值，则意味着用户必须指定参数）。
例：用0~1之间的均匀分布产生10个随机点
>runif(10)
[1] 0.961465376 0.0075219250.193619234 0.137027246 0.739370654 0.072907082
[7] 0.674551635 0.6507778110.984664183 0.796723066
大多数这种统计函数都有相似的形式，只需用d、p或者q去替代r，比如密度函数(dfunc(x, ...))，累计概率密度函数（也即分布函数）(pfunc(x,...))和分位数函数(qfunc(p, ...)，0<p<1)。最后两个函数序列可以用来求统计假设检验中P值或临界值。例如，显著性水平为5%的正态分布的双侧临界值是：
>qnorm(0.025)
[1] -1.959964
>qnorm(0.975)
————————————————
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：
