这个计算器有什么用
本工具是常规泊松概率计算器的逆运算。常规计算是从已知的均值 \(\lambda\) 出发去求概率，而这里则反过来：你先给出一个已知的累积概率和一个分位点 \(x\)，工具帮你反求出能产生该结果的泊松均值 \(\lambda\)。这在产能规划、可靠性分析和排队论中非常实用——当你已经设定了目标服务水平（一个概率值），却需要倒推出背后的期望事件发生率时，正好派上用场。
使用方法
先选择累积模式。下侧累积 P 表示你输入的概率是 \(P(X \le x)\)，即发生 \(x\) 次或更少事件的概率；上侧累积 Q 表示它是 \(Q(X \ge x)\)，即发生 \(x\) 次或更多事件的概率。然后填入累积概率（取值必须严格介于 0 和 1 之间）以及非负整数计数 \(x\)，即可读取求得的均值 \(\lambda\)。
公式解析
泊松概率质量函数为 $$f(t, \lambda) = \frac{e^{-\lambda}\,\lambda^{t}}{t!}.$$下侧累积是从 \(t = 0\) 到 \(x\) 的求和，随着 \(\lambda\) 增大而单调递减。上侧累积 \(Q(x, \lambda) = 1 - P(x-1, \lambda)\)，当 \(x \ge 1\) 时随 \(\lambda\) 增大而单调递增。由于每种累积概率关于 \(\lambda\) 都是严格单调的，因此解唯一存在。计算器采用稳健的二分法求根，并通过稳定的逐项迭代相乘来计算（避免了阶乘溢出问题）。
实例演算
采用下侧模式，\(P = 0.6\)，\(x = 5\)。我们需要求出使前六个泊松项之和等于 0.6 的 \(\lambda\)。试代入 \(\lambda = 5.0\)，得到 \(P \approx 0.616\)（偏高）；\(\lambda = 5.1\) 时约为 0.597；\(\lambda = 5.08\) 时约为 0.600。因此 \(\lambda\) 约为 5.083，即期望事件数约 5.083。
常见问题
为什么概率必须严格介于 0 和 1 之间？当概率恰好为 0 或 1 时，会把 \(\lambda\) 推向边界（0 或无穷大），此时不存在有限的唯一均值。
上侧模式下 \(x = 0\) 会怎样？对任意 \(\lambda\)，\(Q(0, \lambda)\) 恒等于 1，因此均值无法确定；遇到这种退化情形，工具会返回 0。
\(x\) 必须是整数吗？是的。在标准泊松模型中，\(x\) 表示非负整数计数；如果输入非整数，将被向下取整。
