Distribution de Poisson

Distribution de Poisson

Loi de Poisson

Page d'aide sur l'homonymie Pour les articles homonymes, voir Poisson (homonymie).
Poisson
Densité de probabilité / Fonction de masse
Plot of the Poisson PMF
L'axe horizontal est l'indice k. La fonction est seulement définie pour les valeurs entières de k.
Fonction de répartition
Plot of the Poisson CDF
L'axe horizontal est l'indice k. La fonction de répartition est seulement discontinue pour les valeurs entières de k.
Paramètres \lambda \in [0,\infty)
Support k \in \{0,1,2,\ldots\}
Densité de probabilité (fonction de masse) \frac{e^{-\lambda} \lambda^k}{k!}\!
Fonction de répartition \frac{\Gamma(\lfloor k+1\rfloor, \lambda)}{\lfloor k\rfloor !}\!\text{ for }k\ge 0

(où Γ(x,y) est la Fonction gamma incomplète)
Espérance \lambda\,
Médiane (centre) \text{environ }\lfloor\lambda+1/3-0.02/\lambda\rfloor
Mode \lfloor\lambda\rfloor et λ − 1 si λ est un entier
Variance \lambda\,
Asymétrie (statistique) \lambda^{-1/2}\,
Kurtosis (non-normalisé) \lambda^{-1}\,
Entropie \lambda[1\!-\!\log(\lambda)]\!+\!e^{-\lambda}\sum_{k=0}^\infty \frac{\lambda^k\log(k!)}{k!}

(pour λ grand) \frac{1}{2}\log(2 \pi e \lambda) - \frac{1}{12 \lambda} - \frac{1}{24 \lambda^2} - \frac{19}{360 \lambda^3} + O\left(\frac{1}{\lambda^4}\right)

Fonction génératrice des moments \exp(\lambda (e^t-1))\,
Fonction caractéristique \exp(\lambda (e^{it}-1))\,


En statistique, la loi de Poisson de paramètre λ, ou loi des événements rares, correspond au modèle suivant :

X prend des valeurs entières : 0, 1, 2, ...

Cette variable aléatoire suit une loi de probabilité définie par

p(k) = P(X = k)= \mathrm{e}^{-\lambda}\frac{\lambda ^k}{k!}\, pour tout entier naturel k,

où

C'est la loi de Poisson de paramètre λ

Sommaire

Calcul de p(k)

Ce calcul peut se faire de manière déductive en travaillant sur une loi binomiale de paramètres (T; λ/T). Pour T grand, on démontre que la loi binomiale converge vers la loi de Poisson.

Il peut aussi se faire de manière inductive en étudiant sur l'intervalle [0; T] les fonctions Fk(t) = probabilité que l'événement se produise k fois sur l'intervalle de temps [0 ; t]. En utilisant la récurrence et du calcul différentiel, on parvient à retrouver les formules précédentes.

Espérance, variance, écart type

L'espérance d'une loi de Poisson est λ.


Démonstration

Si X\, suit une loi de poisson de paramètre \lambda\,, soit X \sim \mathcal{P}(\lambda)\,.

Alors, on a par définition que \mathbb{P}(X=k)=e^{-\lambda}\frac{\lambda^k}{k!} et que:

\begin{align}\mathbb{E}(X) &= \sum_{k=1}^{+{\infty}}k\,\mathbb{P}(X=k)\\&=\sum_{k=1}^{+{\infty}}k\,e^{-\lambda}\frac{\lambda^k}{k!}\\&=e^{-\lambda}\,\sum_{k=1}^{+{\infty}}\frac{\lambda^k}{(k-1)!}\\&=\lambda\,e^{-\lambda}\,\sum_{k=1}^{+{\infty}}\frac{\lambda^{k-1}}{(k-1)!}&=\lambda\,e^{-\lambda}\,e^{\lambda}\,=\lambda\end{align}

Dans la dernière ligne, on reconnaît le développement en série entière de e^{x}\,.

La variance d'une loi de Poisson est λ.


Démonstration

\begin{align}V(X) &= \mathbb{E}(X^2) - ( \mathbb{E}(X) ) ^2\\ &= \sum_{k=1}^{+{\infty}}k^2\,\mathbb{P}(X=k) - \lambda^2\\ &= \sum_{k=1}^{+{\infty}}k^2\,e^{-\lambda}\frac{\lambda^k}{k!} - \lambda^2\\ &= \lambda\,e^{-\lambda} \sum_{k=1}^{+{\infty}}\,\frac{k\lambda^{k-1}}{(k-1)!} - \lambda^2\\ &= \lambda\,e^{-\lambda} \sum_{k=1}^{+{\infty}}\,\frac{d}{d\lambda}\frac{\lambda^k}{(k-1)!} - \lambda^2\\ &= \lambda\,e^{-\lambda} \frac{d}{d\lambda} \sum_{k=1}^{+{\infty}}\,\frac{\lambda^k}{(k-1)!} - \lambda^2\\ &= \lambda\,e^{-\lambda} \frac{d}{d\lambda}[\lambda\sum_{k=1}^{+{\infty}}\,\frac{\lambda^{k-1}}{(k-1)!}] - \lambda^2\\ &= \lambda\,e^{-\lambda} \frac{d}{d\lambda}[\lambda\,e^{\lambda}] - \lambda^2 \qquad \qquad \text{ car } \exp(x) = \sum_{n = 0}^{+\infty} {x^n \over n!}\\ &= \lambda\,e^{-\lambda}(\lambda+1)\,e^{\lambda} - \lambda^2\\ &= \lambda\,(\lambda+1) - \lambda^2\\ &= \lambda\,\end{align}

Son écart type est donc \sqrt{\lambda}

Fonction génératrice

La fonction génératrice de la loi de poisson est G_{X} (t) =\ e^{\lambda(t-1)}


Démonstration

La fonction génératrice d'une loi X est définie par G_{X} (t) =\ \mathbb{E}(t^X). Ainsi on obtient :

\begin{align}\mathbb{E}(t^X) &= \sum_{k=0}^{\infty} t^k \mathbb{P}(X=k)\\ &= \sum_{k=0}^{\infty} t^k e^{-\lambda} \frac{\lambda^k}{k!}\\ &= e^{-\lambda}\sum_{k=0}^{\infty} t^k \frac{\lambda^k}{k!}\\ &= e^{-\lambda}\sum_{k=0}^{\infty} \frac{(t\lambda)^k}{k!}\\ &= e^{-\lambda} e^{t\lambda} \qquad \qquad \text{ car } \exp(x) = \sum_{n = 0}^{+\infty} {x^n \over n!}\\ &= e^{\lambda(t - 1)}\end{align}


Fonction génératrice des moments

La fonction génératrice des moments d'une loi de poisson est: M_{X}(t)\equiv \mathbb{E}(e^{tX})=\exp(\lambda (e^t-1))\,


Démonstration

\begin{align} M_{X}(t) &= \sum_{k=0}^{+\infty}\mathrm{e}^{tk}\mathbb{P}(X=k)\\ &= \sum_{k=0}^{+\infty}\mathrm{e}^{tk}\frac{\lambda^{k}}{k!}\,\mathrm{e}^{-\lambda}\\ &= \mathrm{e}^{-\lambda} \sum_{k=0}^{+\infty} \frac{(\lambda\, \mathrm{e}^{t})^{k}}{k!}\\ &= \mathrm{e}^{-\lambda} \mathrm{e}^{\lambda\, \mathrm{e}^{t}} \qquad \qquad \text{ car } \exp(x) = \sum_{n = 0}^{+\infty} {x^n \over n!}\\ &= \mathrm{e}^{\lambda(\mathrm{e}^{t}-1)} \end{align}

Domaine d'application

Le domaine d'application de la loi de Poisson a été longtemps limité à celui des événements rares comme les suicides d'enfants, les arrivées de bateaux dans un port ou les accidents dus aux coups de pied de cheval dans les armées (étude de Ladislaus Bortkiewicz).

Mais depuis quelques décennies son champ d'application s'est considérablement élargi. Actuellement, on l'utilise beaucoup dans les télécommunications (pour compter le nombre de communications dans un intervalle de temps donné), le contrôle de qualité statistique, la description de certains phénomènes liés à la désintégration radioactive (la désintégration des noyaux radioactifs suivant, par ailleurs, une loi exponentielle de paramètre noté aussi lambda), la biologie(mutations), la météorologie, la finance pour modéliser la probabilité de défaut d'un crédit…

Diagrammes en bâtons

Comme toute loi de probabilité discrète, une loi de Poisson peut être représentée par un diagramme en bâtons. Ci-dessous sont représentés les diagrammes en bâtons des lois de Poisson de paramètres 1, 2 et 5.

diagramme en bâtons d'une loi de Poisson de paramètre 1 diagramme en bâtons d'une loi de Poisson de paramètre 2 diagramme en bâtons d'une loi de Poisson de paramètre 5

Lorsque le paramètre λ de la loi de Poisson devient grand, (pratiquement lorsqu'il est supérieur à 5), son diagramme en bâton est correctement approché par l'histogramme d'une loi normale d'espérance et de variance égales à λ (l'intervalle de classe étant égal à l'unité). Cette convergence était mise à profit, avant que les moyens informatiques ne se généralisent, pour utiliser la loi normale en lieu et place de la loi de Poisson dans certains tests.

Stabilité de la loi de Poisson par la somme

Si X et Y sont deux variables aléatoires indépendantes qui suivent des lois de Poisson de paramètres λ et μ, alors X+Y est une variable aléatoire qui suit la loi de Poisson de paramètre λ + μ.


Théorème — Si X\sim \mathcal{P}(\lambda) et Y \sim \mathcal{P}(\mu) sont indépendantes, alors X+Y \sim \mathcal{P}(\lambda+\mu)


Démonstration

La démonstration est faite ici par la fonction génératrice des moments. On sait en effet que MX + Y(t) = MX(t)MY(t) par indépendance de X et Y et que la fonction génératrice des moments détermine univoquement la loi.

En partant du résultat démontré plus haut: MX(t) = exp(λ(et − 1)),

on calcule: MX + Y(t) = MX(t)MY(t) = exp(λ(et − 1))exp(μ(et − 1)) = exp(λ(et − 1) + μ(et − 1)) = exp((λ + μ)(et − 1))

Le résultat MX + Y(t) = exp((λ + μ)(et − 1)) est simplement la fonction génératrice des moments d'une loi de Poison de paramètre λ + μ

La loi de Poisson en littérature

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

Voir aussi

Wikisource-logo.svg

Voir sur Wikisource : Table de la loi de Poisson.

Lien externe

  • Portail des probabilités et des statistiques Portail des probabilités et des statistiques
Ce document provient de « Loi de Poisson ».

Wikimedia Foundation. 2010.

Contenu soumis à la licence CC-BY-SA. Source : Article Distribution de Poisson de Wikipédia en français (auteurs)

Игры ⚽ Поможем решить контрольную работу

Regardez d'autres dictionnaires:

  • distribution de Poisson — Puasono skirstinys statusas T sritis Standartizacija ir metrologija apibrėžtis Retų įvykių skirstinys. atitikmenys: angl. Poisson distribution vok. Poissonsche Verteilung, f; Poisson Verteilung, f rus. распределение Пуассона, n pranc.… …   Penkiakalbis aiškinamasis metrologijos terminų žodynas

  • distribution de Poisson — Puasono skirstinys statusas T sritis fizika atitikmenys: angl. Poisson distribution vok. Poissonsche Verteilung, f; Poisson Verteilung, f rus. распределение Пуассона, n pranc. distribution de Poisson, f …   Fizikos terminų žodynas

  • POISSON (S. D.) — POISSON SIMÉON DENIS (1781 1840) Mathématicien français dont les travaux portent sur les intégrales définies, la théorie électromagnétique et le calcul des probabilités. Siméon Denis Poisson est né à Pithiviers; sa famille le força à faire des… …   Encyclopédie Universelle

  • Poisson process — A Poisson process, named after the French mathematician Siméon Denis Poisson (1781 ndash; 1840), is the stochastic process in which events occur continuously and independently of one another (the word event used here is not an instance of the… …   Wikipedia

  • Poisson distribution — /pwah sohn /; Fr. /pwann sawonn /, Statistics. a limiting form of the binomial probability distribution for small values of the probability of success and for large numbers of trials: particularly useful in industrial quality control work and in… …   Universalium

  • Poisson regression — In statistics, Poisson regression is a form of regression analysis used to model count data and contingency tables. Poisson regression assumes the response variable Y has a Poisson distribution, and assumes the logarithm of its expected value can …   Wikipedia

  • Distribution (statistique) — Loi de probabilité Une loi de probabilité ou distribution de probabilité a commencé par décrire les répartitions typiques des fréquences d apparition des résultats d un phénomène aléatoire. Dans le dernier quart du XXe siècle, on a largement …   Wikipédia en Français

  • Distribution de probabilité — Loi de probabilité Une loi de probabilité ou distribution de probabilité a commencé par décrire les répartitions typiques des fréquences d apparition des résultats d un phénomène aléatoire. Dans le dernier quart du XXe siècle, on a largement …   Wikipédia en Français

  • Distribution de probabilités — Loi de probabilité Une loi de probabilité ou distribution de probabilité a commencé par décrire les répartitions typiques des fréquences d apparition des résultats d un phénomène aléatoire. Dans le dernier quart du XXe siècle, on a largement …   Wikipédia en Français

  • Poisson distribution — Puasono skirstinys statusas T sritis Standartizacija ir metrologija apibrėžtis Retų įvykių skirstinys. atitikmenys: angl. Poisson distribution vok. Poissonsche Verteilung, f; Poisson Verteilung, f rus. распределение Пуассона, n pranc.… …   Penkiakalbis aiškinamasis metrologijos terminų žodynas

Share the article and excerpts

Direct link
… Do a right-click on the link above
and select “Copy Link”