Probabilités et statistiques · Loi de Poisson

Loi de Poisson

Des événements se produisent un par un à un taux moyen constant. Si leurs nombres dans des intervalles disjoints sont indépendants et que l’on attend λ événements dans un intervalle donné, la probabilité d’en compter exactement k vaut P(X = k) = e^(−λ)·λᵏ/k!. Découpez cet intervalle en n parties avec une probabilité d’événement de λ/n dans chacune : quand n augmente, la loi binomiale tend vers celle de Poisson.

La loi de Poisson dans cette visualisation

La loi de Poisson décrit le nombre d’événements sur une durée, une longueur ou une surface fixée : appels à une permanence en une heure, coquilles sur une page… Les événements surviennent un par un à un taux moyen constant, et les nombres observés sur des portions disjointes sont indépendants. Son seul paramètre est le nombre attendu λ\lambda (le taux multiplié par la longueur de l’intervalle) et l’on a P(X=k)=e−λλk/k!P(X = k) = e^{-\lambda}\lambda^k/k! pour k=0,1,2,…k = 0, 1, 2, \dots. Ici, l’intervalle est divisé en nn parties, avec une probabilité λ/n\lambda/n d’avoir un événement dans chacune. Le nombre total suit alors une loi binomiale. Chaque fois que nn double, les barres rouges se rapprochent du contour de Poisson, tandis que l’espérance reste égale à λ\lambda.

D’où vient la formule

Avec p=λ/np = \lambda/n, la probabilité binomiale se décompose en trois facteurs : (nk)pk(1−p)n−k=n(n−1)⋯(n−k+1)nk\binom{n}{k}p^k(1-p)^{n-k} = \frac{n(n-1)\cdots(n-k+1)}{n^k}⋅λkk!⋅(1−λn)n−k{}\cdot\frac{\lambda^k}{k!}\cdot\Bigl(1-\frac{\lambda}{n}\Bigr)^{n-k}. Le premier compare le nombre de façons de choisir dans l’ordre kk parties distinctes à nkn^k ; il tend vers 1 pour kk fixé. Le facteur du milieu ne dépend pas de nn. Le dernier exprime la probabilité que toutes les autres parties restent vides. Il tend vers e−λe^{-\lambda} : on retrouve la limite des intérêts composés (1+r/n)n→er(1 + r/n)^n \to e^r avec r=−λr = -\lambda, et le facteur restant (1−λ/n)−k(1 - \lambda/n)^{-k} tend vers 1. Le produit des trois limites donne la formule de Poisson. À λ\lambda fixé et pour nn grand, l’écart maximal entre les deux lois décroît approximativement comme 1/n1/n. Les quotients du tableau se rapprochent donc de 2.

L’espérance et la variance valent toutes deux λ

Avec nn parties, l’espérance vaut n⋅λ/n=λn\cdot\lambda/n = \lambda pour tout nn et la variance vaut np(1−p)=λ(1−λ/n)np(1-p) = \lambda(1 - \lambda/n), un peu moins que λ\lambda. Le facteur 1−λ/n1 - \lambda/n tend vers 1 quand nn augmente. La loi de Poisson a donc elle aussi pour variance λ\lambda et pour écart type λ\sqrt{\lambda}.

La forme de la loi

Chaque barre de la loi de Poisson mesure λ/(k+1)\lambda/(k+1) fois la précédente : P(X=k+1)=P(X=k)⋅λ/(k+1)P(X = k+1) = P(X = k)\cdot\lambda/(k+1). Tant que ce facteur dépasse 1, les barres montent ; dès qu’il passe sous 1, elles descendent. Pour λ<1\lambda < 1, le nombre le plus probable est donc 0 et les barres décroissent dès le départ. Sinon, il y a un maximum en ⌊λ⌋\lfloor \lambda \rfloor ; lorsque λ\lambda est entier, λ−1\lambda - 1 et λ\lambda sont équiprobables. À mesure que λ\lambda augmente, la loi prend une forme de cloche presque symétrique, comme l’explique le théorème central limite.

À remarquer

  • λ n’a pas besoin d’être entier : une moyenne de 0.5 événement par intervalle est tout aussi valable qu’une moyenne de 3.
  • Une moyenne de λ ne signifie pas qu’on observe habituellement exactement λ événements. Avec λ = 3, on en observe exactement 3 dans 22 % des cas environ.
  • Les événements doivent arriver un par un. Le découpage traduit cette hypothèse : chaque partie contient au plus un événement. S’ils surviennent par groupes, la loi du nombre d’événements change.

Commandes

  • Cliquez sur une colonne ou faites glisser le triangle sous les barres pour lire les trois facteurs correspondant au nombre choisi.

Notions liées