Calculatrice de distribution de Poisson

La distribution de Poisson est l'une des distributions de probabilité discrètes les plus importantes en statistique et en mathématiques appliquées. Nommée d'après le mathématicien français Siméon Denis Poisson, elle décrit la probabilité qu'un nombre donné d'événements se produise dans un intervalle fixe de temps ou d'espace lorsque ces événements surviennent indépendamment et à un taux moyen constant connu. La distribution est entièrement caractérisée par un seul paramètre, λ (lambda), qui représente le nombre moyen d'événements dans l'intervalle considéré. Par exemple, si un centre d'appels reçoit en moyenne 10 appels par heure, λ = 10. La probabilité de recevoir exactement x appels en une heure suit la distribution de Poisson avec ce lambda. La fonction de masse de probabilité (PMF) de Poisson est : P(X = x) = (e^−λ × λ^x) / x!, où e ≈ 2.71828 est le nombre d'Euler et x! est la factorielle de x. Cette formule élégante permet de calculer des probabilités exactes pour tout entier non négatif x. Une propriété remarquable de la distribution de Poisson est que sa moyenne et sa variance sont toutes deux égales à λ. Cela signifie que l'écart-type est égal à √λ. Lorsque λ augmente, la distribution devient plus symétrique et se rapproche d'une distribution normale, ce qui est utile pour les applications à grande échelle. Cette calculatrice calcule cinq valeurs de probabilité clés : P(X = x) pour le décompte exact, P(X < x) pour strictement moins d'événements, P(X ≤ x) pour au plus x événements, P(X > x) pour strictement plus d'événements et P(X ≥ x) pour au moins x événements. Ces formes cumulées sont obtenues en additionnant la PMF sur la plage pertinente. La distribution de Poisson est largement utilisée en sciences, en ingénierie, en finance et en médecine. Les compagnies d'assurance l'utilisent pour modéliser la fréquence des sinistres. Les ingénieurs en télécommunications l'appliquent à l'analyse des taux d'arrivée des appels et des flux de paquets réseau. Les équipes de contrôle qualité l'utilisent pour modéliser le nombre de défauts par unité de surface. Les épidémiologistes l'emploient pour modéliser les taux d'apparition des maladies dans les populations. La distribution apparaît aussi comme un cas limite de la distribution binomiale lorsque le nombre d'essais n est très grand et que la probabilité de succès p est très faible, avec np = λ. Ce lien rend le modèle de Poisson utile pour la modélisation des événements rares. Lorsque vous utilisez cette calculatrice, assurez-vous que les événements que vous modélisez sont réellement indépendants et se produisent à un taux moyen constant. Si le taux varie sur votre intervalle — par exemple, si le trafic web est plus élevé pendant les heures de bureau — un modèle de Poisson standard peut ne pas convenir, et vous pourriez avoir besoin d'un processus de Poisson non homogène ou d'une autre distribution.