我有一个数据集，其中包含个人在 7 天内执行的操作数量。具体操作不应该与这个问题相关。以下是数据集的一些描述性统计数据：
这是数据的直方图：
从数据来源来看，我认为它符合泊松分布。但是，均值≠方差，并且直方图的权重偏向左侧。此外，我goodfit在 R 中运行测试并得到：
> gf <- goodfit(actions,type="poisson", method = "MinChisq") <br>
> summary(gf) <br>
Goodness-of-fit test for poisson distribution <br>
X^2 df P(> X^2) <br>
Pearson 2.937599e+248 771 0
最大似然法也产生 p 值 = 0。假设原假设是：数据匹配泊松分布（文档没有具体说明），那么goodfit测试表明我们应该拒绝原假设，因此数据不匹配泊松分布。
那分析正确吗？如果是这样，您认为哪种分布适合这些数据？
我的最终目标是比较 2 个样本之间的平均动作次数，看看平均值是否不同；检查分布是否有必要？我的理解是典型的测试（z-，t-，测试）不适用于泊松分布。如果数据确实是泊松分布的，我应该使用什么测试？