Calculateur de probabilité de Poisson

Calculateur de probabilité de Poisson

Émergent AI Skill PRO

Entrez le calcul

Résultats

P(X = k)
0,224042
probabilité d'exactement k occurrences
P(X < k) 0,199148
P(X ≤ k) 0,42319
P(X ≥ k) 0,800852
P(X > k) 0,57681

Formule

P(X=k)=λke−λk!P(X = \text{k}) = \frac{{\lambda}^{\,\text{k}}\; e^{-{\lambda}}}{\text{k}!}
Statistiques d'utilisation

Publicité

Signaler une erreur sur cette page

Qu'est-ce que le calculateur de probabilité de Poisson ?

La loi de Poisson modélise le nombre de fois qu'un événement se produit sur un intervalle fixe de temps, d'espace ou de volume, lorsque ces événements surviennent de façon indépendante et à un rythme moyen constant. Ce calculateur détermine \(P(X = k)\), la probabilité d'observer exactement k événements, ainsi que les probabilités cumulées et de queue. Les applications courantes incluent les appels reçus dans un centre d'appels, les visites d'un site web par minute, les défauts par lot de production, les buts marqués dans un match ou encore le comptage de désintégrations radioactives.

Comment l'utiliser

Saisissez le taux moyen \(\lambda\) (le nombre d'événements attendu sur votre intervalle) et le nombre cible \(k\) (un entier positif ou nul). Le calculateur renvoie la probabilité d'obtenir exactement k événements, ainsi que quatre probabilités associées : \(P(X < k)\), \(P(X \le k)\), \(P(X \ge k)\) et \(P(X > k)\). Veillez à ce que \(\lambda\) et \(k\) se réfèrent au même intervalle : si vous passez de « par heure » à « par jour », ajustez \(\lambda\) en conséquence.

Frise chronologique avec des points d’événements répartis au hasard sur un intervalle fixe noté lambda
Lambda est le nombre moyen d’événements attendus sur l’intervalle.

La formule expliquée

La fonction de masse de la loi de Poisson s'écrit $$P(X = k) = \frac{\lambda^{\,k}\; e^{-\lambda}}{k!}$$ où \(e \approx 2{,}71828\) est le nombre d'Euler et \(k!\) la factorielle de \(k\). Le terme \(\lambda^{k}\) augmente avec le nombre d'événements, \(e^{-\lambda}\) agit comme un facteur de décroissance normalisateur, et la division par \(k!\) tient compte du fait que l'ordre des événements n'est pas distinguable.

Publicité

Exemple concret

Supposons qu'une boutique accueille en moyenne \(\lambda = 3\) clients par heure et que vous souhaitiez connaître la probabilité d'en recevoir exactement \(k = 2\) au cours de l'heure suivante. $$P(X = 2) = \frac{3^{2} \cdot e^{-3}}{2!} = \frac{9 \times 0{,}049787}{2} = \frac{0{,}448084}{2} = \mathbf{0{,}224042}$$ soit environ 22,4 %.

Diagramme en barres de la loi de Poisson avec une barre mise en évidence à la valeur k
La fonction de masse de Poisson : chaque barre donne la probabilité d’observer exactement k événements.

FAQ

Que représente \(\lambda\) ? C'est la moyenne (et aussi la variance) de la loi : le nombre d'événements attendu par intervalle.

\(k\) peut-il être plus grand que \(\lambda\) ? Oui. \(k\) peut être n'importe quel entier positif ou nul ; la probabilité diminue simplement à mesure que \(k\) s'éloigne de \(\lambda\).

Quand le modèle de Poisson est-il adapté ? Lorsque les événements sont indépendants, surviennent à un taux moyen constant et que deux événements ne peuvent pas se produire exactement au même instant.

Dernière mise à jour:

Les plus populaires dans Mathématiques et statistiques

Voir toutes les calculatrices de Mathématiques et statistiques