Processus de Poisson

A-Kadrani

Ecole Nationale Supérieure d'Informatique et d'Analyse des Systèmes

(ENSIAS)

Rabat, Septembre 2022

Chapitre 2 Processus de Poisson

Introduction et Hypothèses fondamentales

Le processus de Poisson est un processus utilisé en modélisation pour décrire

les instants d'occurrence des phénomènes aléatoires:
- les instants des arrivées des appels à un central téléphonique;

- les instants de passage des véhicules à un péage;

- les instants auquels une défaillance se produit sur un matériel.

Souvent, on lui associe un processus de comptage {N(t)}t≥0 pour
représenter le nombre total d'événements produits dans un intervalle de
temps [0, t]. Ce processus est souvent supposé à accroissements
indépendants et stationnaires et vérie l'hypothèse des événements
rares.

Chapitre 2 Processus de Poisson

Introduction et Hypothèses fondamentales

Un processus de comptage supposé PAIS, {N(t)}t≥0 , est dit vérier

l'hypothèse des événements rares si
lim P(N(t) > 0) = lim P(N(t + s) − N(s) > 0) = 0
t→0 t→0
et
P(N(t) > 1) = o (P(N(t) > 0)) ou o (P(N(t) = 1))

Dans un intervalle infiniment petit, si on suppose ∃λ > 0 tel que:

P(N(∆t) = 1) = λ∆t + o(∆t) (1)
alors l'hypothèse des événements rares entraîne
P(N(∆t) > 1) = o(∆t) (2)

Chapitre 2 Processus de Poisson

Processus de Poisson homogènes  Dénition

Soit {Tn , n = 1, 2, · · · } une suite croissante de variables aléatoires positives

dénies sur (Ω, F, P). Soit N(t) la fonction de comptage associée à ce
processus:
∞
t ≥ 0.
X
N(t)(w ) = 1{Tn (w )≤t} ,
n=1

La loi de {Tn , n = 1, 2, · · · } permet de déterminer celle du {N(t), t ≥ 0} et

inversement:
P(T1 ≤ t1 , . . . , Tn ≤ tn ) = P(N(t1 ) ≥ 1, . . . , N(tn ) ≥ n).

Dénition 2.1
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Poisson homogène
de paramètre (ou de taux) λ > 0 si:
i. le processus de comptage associé {N(t)}t≥0 est un PAIS,
2i. P(N(∆t) = 1) = λ∆t + o(∆t),
3i. P(N(∆t) > 1) = o(∆t).
Par convention, on pose N(0) = 0 .

Chapitre 2 Processus de Poisson

Processus de Poisson homogènes  Dénition

Soit {Tn , n = 1, 2, · · · } une suite croissante de variables aléatoires positives

dénies sur (Ω, F, P). Soit N(t) la fonction de comptage associée à ce
processus:
∞
t ≥ 0.
X
N(t)(w ) = 1{Tn (w )≤t} ,
n=1

La loi de {Tn , n = 1, 2, · · · } permet de déterminer celle du {N(t), t ≥ 0} et

inversement:
P(T1 ≤ t1 , . . . , Tn ≤ tn ) = P(N(t1 ) ≥ 1, . . . , N(tn ) ≥ n).

Dénition 2.1
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Poisson homogène
de paramètre (ou de taux) λ > 0 si:
i. le processus de comptage associé {N(t)}t≥0 est un PAIS,
2i. P(N(∆t) = 1) = λ∆t + o(∆t),
3i. P(N(∆t) > 1) = o(∆t).
Par convention, on pose N(0) = 0 .

Chapitre 2 Processus de Poisson

Processus de Poisson homogènes  Dénition

Soit {Tn , n = 1, 2, · · · } une suite croissante de variables aléatoires positives

dénies sur (Ω, F, P). Soit N(t) la fonction de comptage associée à ce
processus:
∞
t ≥ 0.
X
N(t)(w ) = 1{Tn (w )≤t} ,
n=1

La loi de {Tn , n = 1, 2, · · · } permet de déterminer celle du {N(t), t ≥ 0} et

inversement:
P(T1 ≤ t1 , . . . , Tn ≤ tn ) = P(N(t1 ) ≥ 1, . . . , N(tn ) ≥ n).

Dénition 2.1
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Poisson homogène
de paramètre (ou de taux) λ > 0 si:
i. le processus de comptage associé {N(t)}t≥0 est un PAIS,
2i. P(N(∆t) = 1) = λ∆t + o(∆t),
3i. P(N(∆t) > 1) = o(∆t).
Par convention, on pose N(0) = 0 .

Chapitre 2 Processus de Poisson

Processus de Poisson homogènes  Dénition

Soit {Tn , n = 1, 2, · · · } une suite croissante de variables aléatoires positives

dénies sur (Ω, F, P). Soit N(t) la fonction de comptage associée à ce
processus:
∞
t ≥ 0.
X
N(t)(w ) = 1{Tn (w )≤t} ,
n=1

La loi de {Tn , n = 1, 2, · · · } permet de déterminer celle du {N(t), t ≥ 0} et

inversement:
P(T1 ≤ t1 , . . . , Tn ≤ tn ) = P(N(t1 ) ≥ 1, . . . , N(tn ) ≥ n).

Dénition 2.1
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Poisson homogène
de paramètre (ou de taux) λ > 0 si:
i. le processus de comptage associé {N(t)}t≥0 est un PAIS,
2i. P(N(∆t) = 1) = λ∆t + o(∆t),
3i. P(N(∆t) > 1) = o(∆t).
Par convention, on pose N(0) = 0 .

Chapitre 2 Processus de Poisson

Processus de Poisson homogènes  Caractérisation

Remarques 2.1: Par convention, on pose T0 = 0.

P(N(∆t) = 0) = 1 − λ∆t + o(∆t).

Proposition 2.1
Le processus {Tn , n = 1, 2, · · · } est un processus de Poisson homogène de taux
λ > 0 si et seulement si:
i. N(0) = 0 presque sûrement,
2i. le processus de comptage associé {N(t)}t≥0 est un PAI,
3i. pour tout 0 ≤ s < t , l'accroissement N(t) − N(s) suit une loi de Poisson
de paramètre λ (t − s).
Preuve: En classe

Chapitre 2 Processus de Poisson

Processus de Poisson homogènes  Caractérisation

Remarques 2.1: Par convention, on pose T0 = 0.

P(N(∆t) = 0) = 1 − λ∆t + o(∆t).

Proposition 2.1
Le processus {Tn , n = 1, 2, · · · } est un processus de Poisson homogène de taux
λ > 0 si et seulement si:
i. N(0) = 0 presque sûrement,
2i. le processus de comptage associé {N(t)}t≥0 est un PAI,
3i. pour tout 0 ≤ s < t , l'accroissement N(t) − N(s) suit une loi de Poisson
de paramètre λ (t − s).
Preuve: En classe

Chapitre 2 Processus de Poisson

Processus de Poisson homogènes  Caractérisation

Remarques 2.1: Par convention, on pose T0 = 0.

P(N(∆t) = 0) = 1 − λ∆t + o(∆t).

Proposition 2.1
Le processus {Tn , n = 1, 2, · · · } est un processus de Poisson homogène de taux
λ > 0 si et seulement si:
i. N(0) = 0 presque sûrement,
2i. le processus de comptage associé {N(t)}t≥0 est un PAI,
3i. pour tout 0 ≤ s < t , l'accroissement N(t) − N(s) suit une loi de Poisson
de paramètre λ (t − s).
Preuve: En classe

Chapitre 2 Processus de Poisson

Processus de Poisson homogènes  Caractérisation

Remarques 2.1: Par convention, on pose T0 = 0.

P(N(∆t) = 0) = 1 − λ∆t + o(∆t).

Proposition 2.1
Le processus {Tn , n = 1, 2, · · · } est un processus de Poisson homogène de taux
λ > 0 si et seulement si:
i. N(0) = 0 presque sûrement,
2i. le processus de comptage associé {N(t)}t≥0 est un PAI,
3i. pour tout 0 ≤ s < t , l'accroissement N(t) − N(s) suit une loi de Poisson
de paramètre λ (t − s).
Preuve: En classe

Chapitre 2 Processus de Poisson

PPH  Loi du temps d'inter-arrivée

Soit {Tn , n = 1, 2, · · · } un processus de Poisson. On dénit le temps de la

nième inter-arrivée τn comme suit:

τn = Tn − Tn−1 , n = 1, 2, · · ·

Proposition 2.2
Le processus {Tn , n = 1, 2, · · · } est un processus de Poisson homogène de taux
λ > 0 si et seulement si les variables aléatoires τn = Tn − Tn−1 , n = 1, 2, · · ·
sont indépendantes et identiquement distribuées suivant une loi exponentielle
de paramètre λ:

fτn (t) = λe −λt , t ≥ 0.

Preuve: En classe

Chapitre 2 Processus de Poisson

PPH  Loi conditionnelle des instants d'arrivées
Supposons qu'un seul événement s'est réalisé sur l'intervalle ] 0, t], la loi
de l'instant auquel cet événement s'est produit est:
1

si s≥t
P [T1 ≤ s/N(t) = 1] = s
t si s<t
On en déduit alors que la loi conditionnelle de T1 sachant que N(t) = 1
est une loi uniforme sur [0, t].
Dénition 2.2
Soient X1 , · · · , Xn variables aléatoires réèlles indépendantes et de même
loi. La statistique
d'ordre associée à ces variables aléatoires est le nuplet
X(1) , · · · , X(n) constitué des variables aléatoires X1 , · · · , Xn ordonnées
par ordre croissant:


X(1) , · · · , X(n) : Ω −→ Rn

w 7−→ X(1) (w ), · · · , X(n) (w ) ,

telle que:
X(1) (w ) ≤ X(2) (w ) ≤ · · · ≤ X(n) (w ).

Chapitre 2 Processus de Poisson

Proposition 2.3
Soient X1 , · · · , Xn v.a réèlles indépendantes et de même

loi, admettant une den-
sité fX . Alors la statistique d'ordre X(1) , · · · , X(n) admet comme densité la
fonction f dénie sur Rn à valeurs dans R+ comme suit:
n
!
Y
f (x1 , x2 , · · · , xn ) = n! fX (xi ) 1{x1 <x2 <···<xn } .
i=1

Preuve: En classe
Théorème 2.1
Soit {Tn , n = 1, 2, · · · } un processus de Poisson homogène de taux λ > 0. Alors,
pour tout n = 1, 2, · · · :
la loi de (T1 , · · · , Tn ) a pour densité
f (t1 , · · · , tn ) = λn e −λtn 1{0<t1 <t2 <···<tn } ;

la loi conditionnelle de (T1 , · · · , Tn ) sachant {N(t) = n} est la loi de la

statistique d'ordre de n v.a indépendantes de loi uniforme sur [0, t]. Elle
admet donc comme densité
n!
f (t1 , · · · , tn ) = 1{0<t1 <t2 <···<tn ≤t} .
tn

Preuve: En classe Chapitre 2 Processus de Poisson

Proposition 2.3
Soient X1 , · · · , Xn v.a réèlles indépendantes et de même

loi, admettant une den-
sité fX . Alors la statistique d'ordre X(1) , · · · , X(n) admet comme densité la
fonction f dénie sur Rn à valeurs dans R+ comme suit:
n
!
Y
f (x1 , x2 , · · · , xn ) = n! fX (xi ) 1{x1 <x2 <···<xn } .
i=1

Preuve: En classe
Théorème 2.1
Soit {Tn , n = 1, 2, · · · } un processus de Poisson homogène de taux λ > 0. Alors,
pour tout n = 1, 2, · · · :
la loi de (T1 , · · · , Tn ) a pour densité
f (t1 , · · · , tn ) = λn e −λtn 1{0<t1 <t2 <···<tn } ;

la loi conditionnelle de (T1 , · · · , Tn ) sachant {N(t) = n} est la loi de la

statistique d'ordre de n v.a indépendantes de loi uniforme sur [0, t]. Elle
admet donc comme densité
n!
f (t1 , · · · , tn ) = 1{0<t1 <t2 <···<tn ≤t} .
tn

Preuve: En classe Chapitre 2 Processus de Poisson

Proposition 2.3
Soient X1 , · · · , Xn v.a réèlles indépendantes et de même

loi, admettant une den-
sité fX . Alors la statistique d'ordre X(1) , · · · , X(n) admet comme densité la
fonction f dénie sur Rn à valeurs dans R+ comme suit:
n
!
Y
f (x1 , x2 , · · · , xn ) = n! fX (xi ) 1{x1 <x2 <···<xn } .
i=1

Preuve: En classe
Théorème 2.1
Soit {Tn , n = 1, 2, · · · } un processus de Poisson homogène de taux λ > 0. Alors,
pour tout n = 1, 2, · · · :
la loi de (T1 , · · · , Tn ) a pour densité
f (t1 , · · · , tn ) = λn e −λtn 1{0<t1 <t2 <···<tn } ;

la loi conditionnelle de (T1 , · · · , Tn ) sachant {N(t) = n} est la loi de la

statistique d'ordre de n v.a indépendantes de loi uniforme sur [0, t]. Elle
admet donc comme densité
n!
f (t1 , · · · , tn ) = 1{0<t1 <t2 <···<tn ≤t} .
tn

Preuve: En classe Chapitre 2 Processus de Poisson

Loi conditionnelle des instants d'arrivées  Exemple

Un matériel subit des dommages suite à des chocs qui se produisent

selon un processus de Poisson {Tn , n = 1, 2, · · · } de paramètre λ.
Le i−ème choc produit un dommage aléatoire Di au matériel.
On suppose que les v.a Di , i = 1, · · · , n sont indépendantes et
identiquement distribuées, et sont indépendantes du processus de
Poisson {Tn , n = 1, 2, · · · }.
On suppose en outre que le dommage associé à un choc décroît
exponentiellement, c'est à dire si le choc se produit à l'instant Ti ,
après s unités de temps, le dommage n'est plus que de Di e −αs .
On cherche à détreminer l'espérance du dommage total, DTot (t),
subit par le matériel à l'instant t :
1 DTot (t) =?
??
2 E [DTot (t)] = αλ E [D1 ] (1 − e −αt ).

Chapitre 2 Processus de Poisson

PPH  Caractérisation de plusieurs types d'événements
Soit {Tn , n = 1, 2, · · · } un processus de Poisson de paramètre λ et de
processus de comptage associé {N(t), t ≥ 0}, tels que les événements peuvent
être classés en deux catégories, type I et type II . On suppose que le type d'un
événement dépend de l'instant auquel il se produit, indépendamment de tout le
reste. Soit P(s) la probabilité qu'un événement se produisant à l'instant s soit
du type I .
Proposition 2.4
Soit Ni (t) le nombre d'événements de type i, i = 1, 2 se produisant dans (0, t].
Alors les v.a N1 (t) et N2 (t) sont indépendantesR et de la loi de Poisson de
paramètre respectif λtp et λt (1 − p), avec p = 1t 0t P(s)ds .
Preuve: En classe
Proposition 2.5
Soient Tn1 , n = 1, 2, · · · et Tn2 , n = 1, 2, · · · deux processus de Poisson
 

indépendants de paramètres respectif λ1 et λ2 , et de processus de comptage

associés N1 = {N1 (t), t ≥ 0} et N2 = {N2 (t), t ≥ 0}. Alors le processus
N = {N(t), t ≥ 0}, déni par N(t) = N1 (t) + N2 (t), pour tout t ≥ 0 est un
processus de comptage associé à un processus de Poisson de paramètre λ1 + λ2 .
Preuve: En exercice .
Chapitre 2 Processus de Poisson
Processus de Poisson non homogène  Dénition

Soit T = {Tn , n = 1, 2, · · · } un processus ponctuel et

N = {N(t), t ≥ 0} un processus de comptage associé à ce processus.
Soit λ une fonction positive de t :
λ : R+ −→ R∗+
t 7−→ λ(t).

Dénition 2.3
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Poisson non
homogène d'intensité λ(t) si le processus de comptage N associé vérie:
i. N(0) = 0 presque sûrement;
2i. le processus de comptage associé N est un PAI;
3i. P(N(t + ∆t) − N(t) = 1) = λ(t)∆t + o(∆t);
4i. P(N(t + ∆t) − N(t) > 1) = o(∆t).

Chapitre 2 Processus de Poisson

Processus de Poisson non homogène  Dénition

Soit T = {Tn , n = 1, 2, · · · } un processus ponctuel et

N = {N(t), t ≥ 0} un processus de comptage associé à ce processus.
Soit λ une fonction positive de t :
λ : R+ −→ R∗+
t 7−→ λ(t).

Dénition 2.3
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Poisson non
homogène d'intensité λ(t) si le processus de comptage N associé vérie:
i. N(0) = 0 presque sûrement;
2i. le processus de comptage associé N est un PAI;
3i. P(N(t + ∆t) − N(t) = 1) = λ(t)∆t + o(∆t);
4i. P(N(t + ∆t) − N(t) > 1) = o(∆t).

Chapitre 2 Processus de Poisson

Processus de Poisson non homogène  Dénition

Soit T = {Tn , n = 1, 2, · · · } un processus ponctuel et

N = {N(t), t ≥ 0} un processus de comptage associé à ce processus.
Soit λ une fonction positive de t :
λ : R+ −→ R∗+
t 7−→ λ(t).

Dénition 2.3
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Poisson non
homogène d'intensité λ(t) si le processus de comptage N associé vérie:
i. N(0) = 0 presque sûrement;
2i. le processus de comptage associé N est un PAI;
3i. P(N(t + ∆t) − N(t) = 1) = λ(t)∆t + o(∆t);
4i. P(N(t + ∆t) − N(t) > 1) = o(∆t).

Chapitre 2 Processus de Poisson

Processus de Poisson non homogène  Dénition

Soit T = {Tn , n = 1, 2, · · · } un processus ponctuel et

N = {N(t), t ≥ 0} un processus de comptage associé à ce processus.
Soit λ une fonction positive de t :
λ : R+ −→ R∗+
t 7−→ λ(t).

Dénition 2.3
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Poisson non
homogène d'intensité λ(t) si le processus de comptage N associé vérie:
i. N(0) = 0 presque sûrement;
2i. le processus de comptage associé N est un PAI;
3i. P(N(t + ∆t) − N(t) = 1) = λ(t)∆t + o(∆t);
4i. P(N(t + ∆t) − N(t) > 1) = o(∆t).

Chapitre 2 Processus de Poisson

Processus de Poisson non homogène  Dénition

Soit T = {Tn , n = 1, 2, · · · } un processus ponctuel et

N = {N(t), t ≥ 0} un processus de comptage associé à ce processus.
Soit λ une fonction positive de t :
λ : R+ −→ R∗+
t 7−→ λ(t).

Dénition 2.3
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Poisson non
homogène d'intensité λ(t) si le processus de comptage N associé vérie:
i. N(0) = 0 presque sûrement;
2i. le processus de comptage associé N est un PAI;
3i. P(N(t + ∆t) − N(t) = 1) = λ(t)∆t + o(∆t);
4i. P(N(t + ∆t) − N(t) > 1) = o(∆t).

Chapitre 2 Processus de Poisson

Processus de Poisson non homogène  Caractérisation

Proposition 2.6
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Pois-
son non homogène d'intensité λ(t) si et seulement si le processus de
comptage N associé vérie:
i. N(0) = 0 presque sûrement;
2i. le processus de comptage associé N est un PAI;
3i. pour tout t ≥ 0 et s > 0, la v.a N(t + s) − N(t) suit une loi
de Poisson
R t d'intensité Λ (t + s) − Λ(t), avec
Λ(t) = 0 λ(s)ds, t ≥ 0.
Preuve: (similaire au cas homogène.)

Chapitre 2 Processus de Poisson

Processus de Poisson non homogène  Caractérisation

Proposition 2.6
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Pois-
son non homogène d'intensité λ(t) si et seulement si le processus de
comptage N associé vérie:
i. N(0) = 0 presque sûrement;
2i. le processus de comptage associé N est un PAI;
3i. pour tout t ≥ 0 et s > 0, la v.a N(t + s) − N(t) suit une loi
de Poisson
R t d'intensité Λ (t + s) − Λ(t), avec
Λ(t) = 0 λ(s)ds, t ≥ 0.
Preuve: (similaire au cas homogène.)

Chapitre 2 Processus de Poisson

Processus de Poisson non homogène  Caractérisation

Proposition 2.6
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Pois-
son non homogène d'intensité λ(t) si et seulement si le processus de
comptage N associé vérie:
i. N(0) = 0 presque sûrement;
2i. le processus de comptage associé N est un PAI;
3i. pour tout t ≥ 0 et s > 0, la v.a N(t + s) − N(t) suit une loi
de Poisson
R t d'intensité Λ (t + s) − Λ(t), avec
Λ(t) = 0 λ(s)ds, t ≥ 0.
Preuve: (similaire au cas homogène.)

Chapitre 2 Processus de Poisson

Processus de Poisson non homogène  Caractérisation

Proposition 2.6
Le processus ponctuel {Tn , n = 1, 2, · · · } est un processus de Pois-
son non homogène d'intensité λ(t) si et seulement si le processus de
comptage N associé vérie:
i. N(0) = 0 presque sûrement;
2i. le processus de comptage associé N est un PAI;
3i. pour tout t ≥ 0 et s > 0, la v.a N(t + s) − N(t) suit une loi
de Poisson
R t d'intensité Λ (t + s) − Λ(t), avec
Λ(t) = 0 λ(s)ds, t ≥ 0.
Preuve: (similaire au cas homogène.)

Chapitre 2 Processus de Poisson

Processus de Poisson non homogène  Exemple

On considère une le d'attente de type M/G /∞: les instants

d'arrivées suivent un processus de Poisson {Tn , n = 1, 2, · · · } de
taux λ, les durées de service σn , n = 1, 2, · · · sont iid suivant une
loi de fonction de répartition G quelconque, et la le possède une
innité de serveurs. Un client qui arrive reçoit donc instantanément
son service.
Montrons que le processus des instants de sortie de cette le est un
processus de Poisson non homogène d'intensité λ(t) = λG (t).
Solution:Fait en classe

Chapitre 2 Processus de Poisson

Poisson non homogène  Loi des instants d'arrivées

Proposition 2.7
Soit {Tn , n = 1, 2, · · · } un processus de Poisson non homogène
d'intensité λ(t). Alors, pour tout n = 1, 2, · · · , la loi du vecteur
aléatoire (T1 , · · · , Tn ) admet une densité f :
n
Y
−Λ(tn )
f (t1 , · · · , tn ) = e λ(ti )1{0<t1 <t2 <···<tn } , (t1 , . . . , tn ) ∈ Rn
i=1

Chapitre 2 Processus de Poisson