Das sieht sehr nach Tschebyscheff-Ungleichung aus.
Ich schreibe \(\bar X_n = \frac{1}{n}\sum_{k=1}^{n} X_k \).
Da die \(X_k\) exponentialverteilt sind mit Parameter \(\lambda\), haben wir für Erwartungswert \(\mu\) und Standardabweichung \(\sigma\) der \(X_k\)
$$\mu = \sigma = \frac 1\lambda$$
Damit ergibt sich für \(\bar X_n\) als Erwartungswert \(\mu_n\) und Standardabweichung \(\sigma_n\)
$$\mu_n = \mu= \frac 1\lambda \text{ und } \sigma_n = \frac {\sigma}{\sqrt n} = \frac 1{\lambda\sqrt n}$$
Das setzen wir jetzt in die Tschebyscheff-Ungleichung ein und erhalten
$$P(|\bar X_n - \mu| \geq 0.05) \leq \frac{\sigma_n^2}{0.05^2}= \boxed{\frac 1{0.05^2\cdot \lambda^2\cdot n} \stackrel{!}{\leq}\frac 1{1000}}$$
Jetzt lösen wir die Ungleichung in der Box nach \(n\) auf:
$$n \stackrel{!}{\geq} \frac{400000}{\lambda^2}\Rightarrow n= \left\lceil \frac{400000}{\lambda^2}\right\rceil$$
Hierbei ist \(\lceil x\rceil = \min\{ n \in \mathbb Z \,|\, n\geq x \}\) die "Ceiling-Funktion".