@xsx107 我觉得你没有看懂泊松分布。

楼主的 0.007 是令 λ = 2 * (1/50) = 1/25, k = 2 代入泊松分布求得的。他这一做法的问题是 n 太小以至于泊松分布不能有效逼近二项分布。泊松分布和二项分布的关系是在事件可以无限次发生时，无限大 n 之下取二项分布极限得到的连续时间分布。不像二项分布是离散时间分布。

不信你看这个计算结果：

https://ideone.com/iLssqO

```
import numpy as np

Poisson = lambda L,k: np.exp(k * np.log(L) - np.sum(np.log(np.arange(1,k+1))) - L)
Binomial = lambda p,n,k: np.exp(np.sum(np.log(np.arange(1, n+1))) - np.sum(np.log(np.arange(1, k+1))) - np.sum(np.log(np.arange(1,n-k+1))) + k*np.log(p) + (n-k)*(np.log1p(-p)))

# 2 年遇到 2 次 50 年一遇暴雨
print(Poisson(2*(1/50),2))
print(Binomial(1/50,2,2))

# 30 年遇到 4 次 50 年一遇暴雨
print(Poisson(30*(1/50),4))
print(Binomial(1/50,30,4))

# 800 年遇到 17 次 1000 年一遇暴雨
print(Poisson(800*(1/1000),17))
print(Binomial(1/1000,800,17))
```

输出

```
0.0007686315513218588
0.0004000000000000001
0.0029635828349077443
0.002593150704191794
2.844629294599255e-17
2.4372248967573228e-17
```

可以看到 n 很大 p 很小时，泊松分布是二项分布很好的近似。

（上述计算过程全程使用 log 计算，避免精度问题）

ps ，泊松分布一般用于连续分布不需要考虑这么多的原因是，连续分布可以看做无限小时间 δt 内发生某件事的概率都等于一个无限小的 p （连续时间推广的二项分布）。这种模型下显然 n 是无限大，p 是无限小，取极限得到泊松分布

“当二项分布的 n 很大而 p 很小时，泊松分布可作为二项分布的近似，其中λ为 np 。通常当 n≧20,p≦0.05 时，就可以用泊松公式近似得计算。”

你的例子里面 n = 2 ，太小了。

换个 http 服务器比如 caddy 如何

如果是小的私活项目就。。。反正能糊弄就糊弄。

如果是练手项目建议好好做，写规整还不够，你应该总结自己的 best practice ，凝练自己的基础库。

35L 的方法好，先把 tomcat 关了看能不能访问 .jsp 的代码

这是楼主系统的 Sans 字体解析没配置好。。。

@auh 艹易经根本没有什么解读好不好。。。

@auh “没有刻意的任何修饰和任何逻辑，即没有行文结构可言。”
----

这是问题了。这么说吧，人生这条路怎么走这件事，本身就是要逻辑去思考的。大到做什么工作，小到一道菜怎么做，都是要理性思考、总结经验的。不然的话，只会凭感觉走，那肯定是一步一小坎，三步一大坎。

@0attocs | x - y | / | x | <= epsilon or | x - y | / | y | <= epsilon 也并不那么合理。

比如我 delta = x - y 是某一步运算。算到很后面我需要比较 delta 是不是和 0 相等。

那很自然应该 abs(delta) < epsilon 而不是 abs(delta) / abs(delta) < epsilon

@bleaker 可是，carpe diem 。。。活还是得人干啊，还是要按劳分配啊。。。

如果你的生产力落后时代了，carpe diem 也只能保证你吃饱，不能保证你想要啥有啥。因为你的社会价值太差了啊。。。（就和当年高干子弟学校差不多 hhh

"a < b 肯定是 a < b 没错，+epsilon 放进你那个例子还是会出问题。"

不信你代入一下

if a < b + epsilon:
...
elif a > b - epsilon:
...
else:
...

你会发现比起你的例子还是有可能运行到 else ，你在这个例子完全不可能运行 else 。gg

@knowckx 其实主要问题是你那个例子里面是要条件完全闭合。。。

a < b 肯定是 a < b 没错，+epsilon 放进你那个例子还是会出问题。

所以只不过是涉及到 == 判断，你需要额外特殊第一优先处理罢了。。。

@coderluan 呃，既然是设计一款 XXX 软件了，那看来先得会全栈的技术。先要懂全栈怎么写，才能有好的设计不是嘛

@coderluan

“这些知识存在壁垒和信息差，而这些能保证你的薪资不跟着年龄或者体能下降”
“前端+金融知识”的优势明显大于“前端+后端”

我不认同。

年轻人真要卷，有的是精力和你卷这些行业知识（如果你指的是泛泛的金融知识）。倒不如说金融行业才是终极卷，能赚钱的方法过半年就不赚钱了，因为别人在更新他们的方法。而且金融知识有了又能如何？脱离了某个具体的公司你一个人无法用你的知识变现。好歹全栈工程师还能接外包干点活。

@KamenReborn 你去看一下去年的股市基金收益曲线你会发现。。。没有什么稳的东西（>3% 的基金）

如果你只想买 3% 的这种稳定收益基金。。。那当我没说

@KamenReborn 可是炒股也要学习啊，基本面、政策、公司的年报财报之类的。。。
----

想学习全栈的技能可以接点外包。。。

哦对 epsilon 是一个自己可以控制的小数常量，根据业务需求定。比如一般我会取 epsilon = 1e-7 （对 float 也一般有效了）。但是对 double 而言你也许可以使用 epsilon = 1e-12 。但无论如何自己能控制比语言帮你处理（却不知道到底怎么做的）要安全多了。