有两点需要说明：

1. 不寻常的不是 130 的具体值，而是它比 100 大得多。如果你的命中数超过 130，那就更令人惊讶了。所以我们通常看 P(X>=130)，而不仅仅是 P(X=130)。按照你的逻辑，即使是 100 次点击也是不寻常的，因为dpois(100,100)=0.04. 所以更正确的计算是看ppois(129, 100, lower=F)=0.00228。这仍然很小，但没有你的价值那么极端。这甚至没有考虑到，异常低的点击次数也可能让您感到惊讶。我们经常将超过观察计数的概率乘以 2 来解释这一点。
2. 如果你每天都检查你的点击量，迟早会发生罕见的事件。例如 P(X>=130) 恰好接近 1/365，所以这样的事件预计每年会发生一次。

首先，请注意，如果您假设真实比率为 100，那么这dpois(130, 100)将为您提供恰好130 次命中的概率。这个概率确实非常低。然而，在通常的假设检验框架中，我们计算的是观察到的结果或什至更极端的结果的概率。您可以通过以下方式获得泊松分布：

> ppois(129, lambda=100, lower.tail=FALSE)
[1] 0.002282093

因此，如果您假设真实比率为 100，则观察到 130 次点击甚至更多点击的概率约为 0.2%。按照惯例，如果该值低于 0.025（确实如此），我们将考虑这一发现（双边）时的“统计显着性” 。这意味着您愿意承担 5% 的风险，即您的决定（称偏差在统计上显着并拒绝该观察的真实率为 100 的假设）是错误的。也就是说，如果那天的真实比率确实是 100，那么在 2.5% 的情况下，观察到的比率实际上会是 120 或更大 ( )，而在 2.5% 的情况下，观察到的比率会是 81 或更低( )。因此，如果您使用，那么在 5% 的情况下，您的决定将是错误的。$\alpha = .05$qpois(.975, lambda=100)qpois(.025, lambda=100)$\alpha = .05$