Btsa TC 41 42 Ress Loispoisson

LOIS DE POISSON
Définition
Une variable aléatoire X suit la loi de Poisson P (λ) de paramètre λ, réel strictement positif, lorsque sa loi de
λλ
k
probabilité est définie par P(X = k) = e− pour k ∈ IN.
k!
Espérance et variance
L'espérance de X est E(X) = λ et sa variance est V(X) = λ, ainsi son écart-type est σ(X) = λ.
Propriétés
Les lois de Poisson interviennent dans la modélisation de phénomènes aléatoires où le futur est indépendant du
passé (pannes de machines, sinistres, appels téléphoniques à un standard, files d'attente, mortalité, temps de
guérison de petites blessures, stocks, nombre d'étoiles filantes dans le ciel d'été...)
Approximation d'une loi binomiale par une loi de Poisson

Lorsque n prend de grandes valeurs, et que p est petit, la loi binomiale B (n , p) est approchée par la loi de
Poisson P (np) (conservation de la moyenne). Les conditions d'approximation sont n ≥ 30, p ≤ 0,1 et n p < 15.
Exercices
Exercice 1
Dans une entreprise, une étude statistique a montré qu'en moyenne 5 % des articles d'une chaîne de fabrication
présentent des défauts. Lors d'un contrôle de qualité, on envisage de prélever un échantillon de 120 articles. Bien
que ce prélèvement soit exhaustif (sans remise), on considère que la production est suffisamment importante pour
que l'on puisse assimiler cette épreuve à un tirage avec remise et que la probabilité qu'un article prélevé soit
défectueux est constante.
1. - Justifier que la loi de la variable aléatoire X donnant le nombre d'articles défectueux d'un tel échantillon peut
être approchée par la loi de Poisson de paramètre 6.
2. - Évaluer les probabilités P(X = k) pour k entier naturel inférieur à 8.
__________________
Exercice 2
La variable aléatoire X donnant le nombre de clients se présentant au guichet Affranchissements d'un bureau de
poste par intervalle de temps de durée 10 minutes, entre 14 h 30 et 16 h 30, suit la loi de Poisson de paramètre 5.
Calculer la probabilité que, sur une période de 10 minutes choisie au hasard entre 14 h 30 et 16 h 30 un jour
d'ouverture du guichet, il y ait au moins 8 personnes à se présenter à ce guichet.
__________________
Statistique inférentielle en BTSA - B. Chaput - ENFA - Lois de Poisson 1

Exercice 3
3 % des bouteilles d'eau livrées par une usine sont défectueuses. On appelle X la variable aléatoire qui, à tout lot de
100 bouteilles prises au hasard, associe le nombre de bouteilles défectueuses. On admet que X suit la loi de
Poisson de paramètre 3. Trouver la probabilité de chacun des événements suivants :
1°) - "Sur un lot de 100 bouteilles choisies au hasard, il n'y a aucune bouteille défectueuse."
2°) - "Sur un lot de 100 bouteilles choisies au hasard, il y a 2 bouteilles défectueuses."
3°) - "Sur un lot de 100 bouteilles choisies au hasard, il y a 3 bouteilles défectueuses."
4°) - "Sur un lot de 100 bouteilles choisies au hasard, il y a moins de 4 bouteilles défectueuses."
__________________
Exercice 4
Dans un grand magasin, la variable aléatoire X dénombrant le nombre de magnétoscopes vendus au cours d'une
journée quelconque, suit la loi de Poisson de paramètre 4.
Les ventes pendant deux journées sont supposées indépendantes.
1°) - On choisit une journée au hasard, calculer la probabilité de chacun des événements suivants :
a) - "La vente de la journée est au plus égale à 5."
b) - "La vente de la journée est au plus égale à 2 ou au moins égale à 6."
2°) - On choisit deux jours consécutifs au hasard.
a) - Calculer la probabilité que les ventes de chacune des deux journées soit au moins égale à 5.
b) - Calculer la probabilité que la somme des ventes de deux jours consécutifs soit égale à 2.
__________________
Exercice 5
Un chef d'entreprise, pour éviter l'attente des camions venant livrer, envisage si cela s'avère nécessaire, de
construire de nouveaux postes de déchargement. Il y en a actuellement cinq. On considère pour simplifier l'étude,
qu'il faut une journée pour décharger un camion. Une enquête préalable sur 120 jours a donné les résultats
suivants :
Nombre d'arrivées par jours (xi) 0 1 2 3 4 5 6 7 8 9 10

Nombre de jours (ni) 2 10 18 22 23 19 12 7 4 2 1
I - Calculer la moyenne, la variance et l'écart type de cette série statistique.

II - La v. a. r. X mesurant le nombre quotidien de camions venant livrer, suit la loi de Poisson de paramètre 4.
1°) - Justifier cette loi.
2° a) - Quel est le nombre maximal d'arrivées de camions n'entraînant pas d'attente ?
b) - En déduire la probabilité de n'avoir aucun camion en attente.
3°) - Combien faudrait-il de postes de déchargement pour que la probabilité de n'avoir aucun camion en attente
soit supérieure à 0,95 ?
4°) - On prévoit, pour les années à venir, un doublement de la fréquence des livraisons. Combien faudra-t-il de
postes de déchargement pour que la probabilité de n'avoir aucun camion en attente soit supérieure à 0,95 ?
__________________

Pourquoi une loi de Poisson ? un exemple
On suppose qu'il apparaît en moyenne deux étoiles filantes toutes les cinq minutes dans le ciel d'une nuit de la
première semaine d'août.
On choisit au hasard un intervalle de 5 minutes. Soit X la variable aléatoire associant à l'intervalle de 5 minutes
choisi, le nombres d'étoiles filantes observées. Déterminons la loi de probabilité de X.
Dans un premier temps, discrétisons le problème :
On partage les cinq minutes en n intervalles de temps suffisamment petits pour contenir au plus une apparition
d'étoiles filantes.
o On fait l'hypothèse que la probabilité d'apparition d'une étoile filante durant de petits intervalles de temps
est proportionnelle à leur durée.
o On suppose de plus que les apparitions des étoiles sont des événements indépendants.
nombre moyen d'apparitions en 5 min 2
La probabilité d'une apparition durant un de ces n intervalles est = .
nombre d'intervalles en 5 min n
Dans une première approximation, le nombre d'apparitions d'étoiles filantes en cinq minutes suit la loi binomiale
Bn ,. .
2
 n
k n-k k n-k n–k
2k
Pn(X = k) =  k  n 1 – n
n (n – 1) ... (n – k + 1) 2  2 n (n – 1) ... (n – k + 1)
= 1 – n
n 2 2 2
= 1–
    k! n  n k!   nk
n–k
k–1
2k
Pn(X = k) = k! 1 – n ∏ 1 – n
2 i
  i=1
Examinons les limites de chacun des facteurs du produit obtenu lorsque n tend vers + ∞, c'est-à-dire lorsque la
durée des n intervalles tend vers 0 :
 2 k ln1 – n
n–k 2
o 1 – 2 = exp(n – k) ln1 – n = exp

2
2 – n  2 .
 n   
 n 
ln1 – n
2
2  
tend vers 0, alors 2 – n  tend vers 2 et
2k
Lorsque n tend vers + ∞, tend vers – 1.
n   2
n
n–k
On en déduit que 1 – 
2
tend vers e− 2.
 n
k–1
Lorsque n tend vers + ∞, ∏ 1 – n tend vers 1.
i
o
i=1
 
2k
Ainsi  Pn(X = k) tend vers k! e − 2 quand n tend vers + ∞.
La loi du nombre d'apparitions d'étoiles filantes en cinq minutes est la loi de Poisson de paramètre 2.

Btsa TC 41 42 Ress Loispoisson

Transféré par

Droits d'auteur :

Formats disponibles

Btsa TC 41 42 Ress Loispoisson

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Btsa TC 41 42 Ress Loispoisson

Transféré par

Droits d'auteur :

Formats disponibles

LOIS DE POISSON

Approximation d'une loi binomiale par une loi de Poisson

Statistique inférentielle en BTSA - B. Chaput - ENFA - Lois de Poisson 1

Nombre d'arrivées par jours (xi) 0 1 2 3 4 5 6 7 8 9 10

I - Calculer la moyenne, la variance et l'écart type de cette série statistique.

Statistique inférentielle en BTSA - B. Chaput - ENFA - Lois de Poisson 2

o 1 – 2 = exp(n – k) ln1 – n = exp

Statistique inférentielle en BTSA - B. Chaput - ENFA - Lois de Poisson 3

Vous aimerez peut-être aussi