Depuis 2010 · Plus de 2 millions d’utilisations d’outils par mois
Depuis 2010
Ajouter à Chrome

Ma Boîte à Outils

Mode Automatique

Aucun outil enregistré pour l’instant.

Passer à la Version Premium
Outils associés
Calculatrice de distribution binomialeCalculateur de Distribution Binomiale NégativeCalculatrice de Distribution de ProbabilitéCalculateur de Distribution GéométriqueCalculateur de Distribution HypergéométriqueCalculateur de Distribution BêtaCalculateur de Distribution Exponentielle
Page d'accueil > Mathématiques > Opérations mathématiques avancées
 

Calculatrice de Distribution de Poisson

Calculez les probabilités de Poisson P(X=k), les probabilités cumulées et visualisez les distributions PMF/CDF avec des solutions détaillées étape par étape.

Utilisation gratuiteSans inscriptionMis à jour janv. 2026
Calculatrice de Distribution de PoissonEssayez maintenant — gratuit ▼
Exemples rapides
Formule PMF de Poisson
$P(X = k) = \frac{e^{-\lambda} \cdot \lambda^k}{k!}$
Événements attendus par intervalle (0,01 - 100)
Entier non négatif (0 - 200)

Embed Calculatrice de Distribution de Poisson Widget

Calculatrice de Distribution de Poisson

Bienvenue dans la Calculatrice de Distribution de Poisson, un outil complet pour calculer les probabilités de Poisson avec des visualisations interactives et des solutions étape par étape. Que vous soyez un étudiant apprenant la théorie des probabilités, un chercheur analysant des données d'événements ou un professionnel travaillant avec des modèles statistiques, cette calculatrice fournit des résultats précis avec des explications détaillées.

Qu'est-ce que la distribution de Poisson ?

La distribution de Poisson est une distribution de probabilité discrète qui modélise le nombre d'événements se produisant dans un intervalle fixe de temps ou d'espace. Nommée d'après le mathématicien français Siméon Denis Poisson, c'est l'une des distributions les plus importantes en théorie des probabilités et en statistique.

La distribution de Poisson est caractérisée par un seul paramètre lambda (λ), qui représente le taux moyen d'événements par intervalle. Les propriétés clés incluent :

Fonction de Masse de Probabilité (PMF) de Poisson
$$P(X = k) = \frac{e^{-\lambda} \cdot \lambda^k}{k!}$$

Comprendre Lambda (λ) et k

Qu'est-ce que Lambda (λ) ?

Lambda (λ) est le paramètre de taux moyen de la distribution de Poisson. Il représente le nombre attendu d'événements par intervalle. Par exemple :

Qu'est-ce que k ?

La variable k représente le nombre spécifique d'événements pour lequel vous souhaitez calculer la probabilité. Il doit s'agir d'un entier non négatif (0, 1, 2, 3, ...). Par exemple, si vous voulez connaître la probabilité d'avoir exactement 3 appels en une heure, alors k = 3.

Comment calculer les probabilités de la distribution de Poisson

  1. Identifiez vos paramètres : Déterminez le taux moyen d'événements (λ) et le nombre d'événements (k) pour lesquels vous souhaitez calculer la probabilité.
  2. Entrez les valeurs : Entrez votre valeur lambda (λ) représentant le taux moyen et votre valeur k représentant le nombre d'événements dans la calculatrice.
  3. Calculez les probabilités : Cliquez sur Calculer pour obtenir P(X = k), P(X ≤ k), P(X > k) et d'autres mesures de probabilité ainsi que des visualisations.
  4. Examinez la solution étape par étape : Examinez les étapes mathématiques détaillées montrant comment chaque probabilité a été calculée à l'aide de la formule de Poisson.
  5. Analysez les graphiques : Utilisez le graphique à barres PMF et le graphique en escalier CDF pour visualiser la distribution et comprendre l'étalement des probabilités.
Exemple : Arrivées de clients

Un café reçoit en moyenne 5 clients par heure. Quelle est la probabilité que exactement 3 clients arrivent dans une heure donnée ?

Solution : Avec λ = 5 et k = 3 :

$$P(X = 3) = \frac{e^{-5} \cdot 5^3}{3!} = \frac{0,00674 \times 125}{6} \approx 0,1404$$

Il y a environ 14,04 % de chances que exactement 3 clients arrivent.

Types de probabilité expliqués

Probabilité Notation Signification
Probabilité exacte P(X = k) Probabilité d'avoir exactement k événements
Cumulée (au plus k) P(X ≤ k) Probabilité d'avoir k événements ou moins
Cumulée (moins de k) P(X < k) Probabilité d'avoir moins de k événements
Queue (plus de k) P(X > k) Probabilité d'avoir plus de k événements
Queue (au moins k) P(X ≥ k) Probabilité d'avoir k événements ou plus

Quelle est la différence entre PMF et CDF ?

La PMF (Fonction de Masse de Probabilité) donne la probabilité que exactement k événements se produisent : P(X = k). Elle montre la probabilité pour chaque valeur spécifique de k.

La CDF (Fonction de Distribution Cumulée) donne la probabilité qu'au plus k événements se produisent : P(X ≤ k). C'est la somme de toutes les valeurs PMF de 0 à k :

Fonction de Distribution Cumulée (CDF)
$$P(X \leq k) = \sum_{i=0}^{k} \frac{e^{-\lambda} \cdot \lambda^i}{i!}$$

Applications de la distribution de Poisson

La distribution de Poisson est largement utilisée dans de nombreux domaines :

Quand utiliser la distribution de Poisson

Utilisez la distribution de Poisson lorsque :

Foire Aux Questions

Qu'est-ce que la distribution de Poisson ?

La distribution de Poisson est une distribution de probabilité discrète qui modélise le nombre d'événements se produisant dans un intervalle fixe de temps ou d'espace lorsque les événements se produisent à un taux moyen constant connu (λ) et indépendamment les uns des autres. Elle est couramment utilisée pour modéliser des événements rares comme les arrivées de clients, les pannes de système ou la désintégration radioactive.

Qu'est-ce que lambda (λ) dans la distribution de Poisson ?

Lambda (λ) est le paramètre de taux moyen de la distribution de Poisson. Il représente le nombre attendu d'événements par intervalle. Par exemple, si un centre d'appels reçoit en moyenne 5 appels par heure, alors λ = 5. Lambda doit être positif et peut être n'importe quel nombre réel supérieur à zéro.

Comment calculer P(X = k) pour une distribution de Poisson ?

La probabilité d'avoir exactement k événements est calculée à l'aide de la formule PMF de Poisson : P(X = k) = (e^(-λ) × λ^k) / k!. Par exemple, avec λ = 5 et k = 3 : P(X = 3) = (e^(-5) × 5^3) / 3! = (0,00674 × 125) / 6 ≈ 0,1404 ou environ 14,04 %.

Quelle est la différence entre PMF et CDF dans la distribution de Poisson ?

La PMF (Fonction de Masse de Probabilité) donne la probabilité d'avoir exactement k événements : P(X = k). La CDF (Fonction de Distribution Cumulée) donne la probabilité d'avoir au plus k événements : P(X ≤ k), qui est la somme de toutes les valeurs PMF de 0 à k. La CDF est utile pour calculer les probabilités de plages de résultats.

Quand dois-je utiliser la distribution de Poisson ?

Utilisez la distribution de Poisson lorsque : (1) les événements se produisent indépendamment, (2) les événements se produisent à un taux moyen constant, (3) deux événements ne peuvent pas se produire exactement au même instant, et (4) vous comptez le nombre d'événements dans un intervalle fixe. Les applications courantes incluent la modélisation du trafic Web, les réclamations d'assurance, les pannes d'équipement et les processus biologiques.

Références

Citez ce contenu, cette page ou cet outil comme suit :

"Calculatrice de Distribution de Poisson" sur https://MiniWebtool.com/fr/calculatrice-de-distribution-de-poisson/ de MiniWebtool, https://MiniWebtool.com/

par l'équipe miniwebtool. Mis à jour : 13 janv. 2026

API développeur disponible: Exécutez cet outil depuis votre app, automatisation ou agent avec une requête HTTP JSON. Voir la documentation API

Vous pouvez également essayer notre Résolveur Mathématique IA GPT pour résoudre vos problèmes mathématiques grâce à des questions-réponses en langage naturel.

Opérations mathématiques avancées:

Outils populaires et mis à jour:

Calculateur de Distribution NormaleCalculateur de Distribution de WeibullCalculateur de Test F et Distribution FTout voir →
Page d'accueil > Mathématiques > Opérations mathématiques avancées > Calculatrice de Distribution de Poisson