Vous êtes sur la page 1sur 4

Loi de Poisson

En thorie des probabilits et en statistiques, la loi de Poisson est une loi de probabilit discrte qui dcrit le comportement du
nombre d'vnements se produisant dans un intervalle de temps fix, si ces vnements se produisent avec une frquence Loi de Poisson
moyenne ou esprance connue et indpendamment du temps coul depuis l'vnement prcdent. La loi de Poisson est
galement pertinente pour dcrire le nombre d'vnements dans d'autres types d'intervalles, spatiaux plutt que temporels,
comme des segments, surfaces ou volumes.

La loi de Poisson a t introduite en 1838 par Simon Denis Poisson (17811840), dans son ouvrage Recherches sur la
2
probabilit des jugements en matire criminelle et en matire civile . Le sujet principal de cet ouvrage consiste en certaines
variables alatoires N qui dnombrent, entre autres choses, le nombre d'occurrences (parfois appeles arrives ) qui prennent
place pendant un laps de temps donn.

Si le nombre moyen d'occurrences dans cet intervalle est , alors la probabilit qu'il existe exactement k occurrences (k tant un
entier naturel, k = 0, 1, 2) est

Fonction de masse
Les fonctions de masse ne sont dfinies que pour les
entiers k.
o :

e est la base de l'exponentielle (2,718) ;


k! est la factorielle de k ;
1
est un nombre rel strictement positif .
On dit alors que X suit la loi de Poisson de paramtre .

Par exemple, si un certain type d'vnements se produit en moyenne 4 fois par minute, pour tudier le nombre d'vnements se
produisant dans un laps de temps de 10 minutes, on choisit comme modle une loi de Poisson de paramtre
= 104 = 40.

Sommaire Fonction de rpartition


Calcul de p(k)
Esprance, variance, cart type, fonctions gnratrices Paramtres 1

Domaine d'application
Support
Lien avec la loi de Bernoulli
Fonction de
Diagrammes en btons
masse
Stabilit de la loi de Poisson par la somme
En littrature Fonction de
rpartition
Notes et rfrences
Voir aussi (o est la Fonction gamma
Articles connexes
incomplte) et o est la partie entire
par dfaut de x

Calcul de p(k) Esprance


Mdiane
Ce calcul peut se faire de manire dductive en travaillant sur une loi binomiale de paramtres ( ; ). Pour grand, on
Mode si est un rel non entier,
dmontre que la loi binomiale converge vers la loi de Poisson.
et si est un nombre entier
Il peut aussi se faire de manire inductive en tudiant sur l'intervalle [0 ; T] les fonctions Fk(t), qui donnent la probabilit que
l'vnement se produise k fois sur l'intervalle de temps [0 ; t]. En utilisant la rcurrence et du calcul diffrentiel, on parvient Variance
3
retrouver les formules prcdentes . Asymtrie

Kurtosis
Esprance, variance, cart type, fonctions gnratrices normalis

L'esprance d'une loi de Poisson est


Entropie
La variance d'une loi de Poisson est galement
Son cart type est donc
Pour grand :
La fonction gnratrice de la loi de Poisson est

La fonction gnratrice des momentsd'une loi de Poisson est Fonction


gnratrice
des moments
Fonction
caractristique

Dmonstration

Esprance
Si suit une loi de poisson de paramtre , soit .

Alors, on a par dfinition que et que:

Dans la dernire ligne, on reconnat le dveloppement en srie entire de .

Variance

Fonction gnratrice

La fonction gnratrice d'une variable alatoire X est dfinie par Ainsi on obtient :

Fonction gnratrice des moments


Domaine d'application
Le domaine d'application de la loi de Poisson a t longtemps limit celui des vnements rares comme les suicides d'enfants, les arrives de bateaux dans un port ou les accidents dus aux coups de
4
pied de cheval dans les armes (tude deLadislaus Bortkiewicz ).

Mais depuis quelques dcennies son champ d'application s'est considrablement largi. Actuellement, on l'utilise beaucoup dans les tlcommunications (pour compter le nombre de communications
dans un intervalle de temps donn), le contrle de qualit statistique (nombre de dfauts en SPC), la description de certains phnomnes lis la dsintgration radioactive(la dsintgration des noyaux
radioactifs suivant, par ailleurs, une loi exponentielle de paramtre not aussi lambda), la biologie (mutations dans l'exprience de Luria et Delbrck), la mtorologie, la finance pour modliser la
probabilit de dfaut d'un crdit, le Yield Management (American Airlines, Lufthansa et SAS pour estimer la demande de passagers)...

Lien avec la loi de Bernoulli


Le dcompte des vnements rares se fait souvent au travers d'unesomme de variables de Bernoulli, la raret des vnements se traduisant par le fait que les paramtres de ces variables de Bernoulli sont
petits (ainsi, la probabilit que chaque vnement survienne est faible). Le lien entre la loi de Poisson et les vnements rares peut alors s'noncer ainsi :

Paradigme de Poisson La somme Sn d'un grand nombre de variables de Bernoulliindpendantes de petit paramtre suit approximativementla loi de Poisson de paramtre

L'ingalit de Le Cam prcise le paradigme de Poisson : soit un tableau de variables alatoires de Bernoulliindpendantes, avec paramtres respectifs On note

5
Ingalit de Le Cam Pour tout ensemble A d'entiers naturels,

En particulier, si les deux conditions suivantes sont runies :

alors Sn converge en loi vers la loi de Poisson de paramtre.

Dans l'nonc du paradigme de Poisson, on fait deux hypothses (vagues) sur les termes d'une sommeSn de variables de Bernoulli :

les paramtres des variables de Bernoulli sont petits ; or les deux conditions ci-dessus entrainent que

ce qui reformule l'hypothse les paramtres des variables de Bernoulli sont petits de manire plus prcise ;

il y a un grand nombre de termes ; or les deux conditions ci-dessus entrainent que le nombre de termes tend vers l'infini :

Remarques :
6
Ce paradigme reste pertinent, dans certaines conditions, si l'on relaxe l'hypothse indpendance
d' .

Un exemple frappant est le nombre depoints fixes d'une permutation tire au hasard
.
Un autre exemple est lenombre de points isolsdu graphe alatoire, dont la convergence vers la loi de Poisson a permis Erds et Rnyi de dmontrer,
en 1960, le thorme double-exponentiel.
Le cas particulier an=n, pk,n=/n, n=, de l'ingalit de Le Cam, prcise la rapidit de convergence de laloi binomiale de paramtres n et /n vers la loi de
Poisson de paramtre.

Diagrammes en btons
Comme toute loi de probabilit discrte, une loi de Poisson peut tre reprsente par un diagramme en btons. Ci-dessous sont reprsents les diagrammes en btons des lois de Poisson de paramtres 1,
2 et 5.

Lorsque le paramtre de la loi de Poisson devient grand, (pratiquement lorsqu'il est suprieur 5), son diagramme en bton est correctement approch par l'histogramme d'une loi normale d'esprance
et de variance gales (l'intervalle de classe tant gal l'unit). Cette convergence tait mise profit, avant que les moyens informatiques ne se gnralisent, pour utiliser la loi normale en lieu et place
de la loi de Poisson dans certains tests.
Stabilit de la loi de Poisson par la somme
Si X et Y sont deux variables alatoiresindpendantes qui suivent des lois de Poisson de paramtres et , alorsX+Y est une variable alatoire qui suit la loi de Poisson de paramtre + .

Thorme Si et sont indpendantes, alors

Dmonstration

En littrature
Dans le roman de Thomas Pynchon, L'Arc-en-ciel de la gravit, un des personnages, le statisticien Roger Mexico, utilise la loi de Poisson pour cartographier les zones d'impact des fuses allemandes V2
sur la ville de Londres durant la bataille d'Angleterre.

Notes et rfrences
1. Avec les conventions habituelles0! = 1 et 00 = 1 , la dfinition de la loi de Poisson s'tend = 0 : on trouve alors p(0) = 1 et, ds que k > 0, p(k) = 0. Ainsi une variable alatoire
nulle presque srement peut tre vue comme suivant la loi de Poisson de paramtre 0. Cette convention est cohrente avec les proprits essentielles de la loi de Poisson de
paramtre strictement positif. Elle est commode, voire indispensable, par exemple lors de l'tude des processus ponctuels de Poisson.
2. Simon-Denis Poisson,Recherches sur la probabilit des jugements en matire criminelle et en matire civile ; prcdes des Rgles gnrales du calcul des probabilits (http://g
allica.bnf.fr/ark:/12148/bpt6k110193z)disponible sur Gallica, 1837, passage 81, p. 205.
3. Voir par exemple, Michel Henry, Autour de la modlisation en probabilits, Presses universitaires de Franche-Comt,2001 (prsentation en ligne (https://books.google.fr/books/abo
ut/Autour_de_la_mod%C3%A9lisation_en_probabilit.html?id=9ohSMOloHwsC&redir_esc=y) ), p. 229-231 ou encore ces notes de cours (https://cours.etsmtl.ca/seg/emfrih/MAT35
0/Notes%20de%20cours/poiss-eq%20diff-.pdf).
4. Ladislaus Bortkiewicz,Das Gesetz der kleinen Zahlen, 1898 (lire en ligne (https://openlibrary.org/books/OL7137710M/Das_Gesetz_der_kleinen_Zahlen)), p. 23 (https://archive.org/
stream/dasgesetzderklei00bortrich#page/n61/mode/2up) .
5. (en) L. Le Cam, An Approximation Theorem for the Poisson Binomial Distribution, Pacific Journal of Mathematics, vol. 10, no 4, 1960, p. 11811197 (lire en ligne (http://project
euclid.org/euclid.pjm/1103038058)).
6. (en) A. D. Barbour, L. Holst et S. Janson, Poisson approximation, The Clarendon Press Oxford University Press,1992 (ISBN 0198522355).

Voir aussi

Articles connexes
Probabilit
Probabilit (mathmatiques lmentaires)
Loi de probabilit
Loi de Bernoulli
Donnes de comptage

Ce document provient de https://fr.wikipedia.org/w/index.php?title=Loi_de_Poisson&oldid=143019545.

La dernire modification de cette page a t faite le 28 novembre 2017 17:19.

Droit d'auteur : les textes sont disponibles souslicence Creative Commons attribution, partage dans les mmes conditions ; dautres conditions peuvent sappliquer
. Voyez les
conditions dutilisation pour plus de dtails, ainsi que lescrdits graphiques. En cas de rutilisation des textes de cette page, voyezcomment citer les auteurs et mentionner la licence
.
Wikipedia est une marque dpose de laWikimedia Foundation, Inc., organisation de bienfaisance rgie par le paragraphe501(c)(3) du code fiscal des tats-Unis.