Calculatrice Poisson

La loi de Poisson modélise combien d’événements discrets surviennent dans un intervalle fixe lorsque les arrivées sont indépendantes et le taux moyen constant. Les centres d’appels suivent les tickets par heure, les ingénieurs fiabilité comptent les pannes par mois, et les analystes mesurent clics, défauts ou événements biologiques rares avec les mêmes deux paramètres : un taux non négatif lambda et un compte entier k. Cette calculatrice renvoie la probabilité exacte de Poisson d’observer k événements, la probabilité cumulée d’au plus k événements, ainsi que la moyenne et la variance théoriques (toutes deux égales à lambda). Les taux et comptes négatifs sont rejetés avec une erreur de validation claire afin que des modèles de files ou de comptage mal formés ne produisent jamais de nombres absurdes en silence.

Ce que signifient la masse et la fonction cumulative de Poisson

Une variable aléatoire de Poisson X de paramètre de taux lambda prend des valeurs entières non négatives 0, 1, 2, et ainsi de suite. La probabilité d’observer exactement k événements dans l’intervalle de référence est donnée par la fonction de masse P(X égale k) égale à e à la puissance moins lambda, fois lambda à la puissance k, divisé par la factorielle de k.

Lorsque lambda est zéro, toute la masse se place en zéro, de sorte que P(X égale zéro) vaut un et tout k positif a une probabilité nulle. Lorsque lambda est positif, la distribution est unimodale et concentrée près du taux : pour un petit lambda, la chance de zéro ou un événement domine, tandis que des taux plus grands poussent la masse de probabilité vers des comptes plus élevés et aplatissent le pic.

La fonction de répartition F de k est la somme de la masse de zéro à k inclus, répondant ainsi à la question quotidienne « quelle est la chance d’au plus k arrivées, défauts ou sinistres ? ». Comme la moyenne et la variance d’une loi de Poisson valent toutes deux lambda, un seul paramètre de taux détermine entièrement position et dispersion.

Cette propriété explique pourquoi les cours d’introduction à la statistique présentent les modèles de Poisson juste après les approximations binomiales, et pourquoi les équipes d’exploitation peuvent coter des odds de niveau de service à partir d’une moyenne mesurée seule. Les formules sont classiques et pleinement déterministes : les mêmes lambda et k doivent toujours produire la même probabilité, la même valeur cumulative, et la même moyenne et variance, ce qui rend les nombres sûrs pour les corrigés, les tests automatisés et les carnets reproductibles sans bruit de Monte-Carlo.

Comment cette calculatrice évalue P(X=k), la FDC, la moyenne et la variance

Appelez la capacité avec deux champs obligatoires : lambda, un nombre fini non négatif pour le taux moyen d’événements, et k, un entier non négatif pour le compte d’événements d’intérêt. Après validation, le noyau évalue la masse de probabilité en espace logarithmique comme moins lambda plus k fois le logarithme naturel de lambda moins le logarithme de la factorielle de k, puis exponentie en une probabilité flottante stable.

La valeur cumulative se construit en partant de e à la moins lambda et en multipliant des termes successifs par lambda sur i, ce qui évite de recalculer de grandes factorielles depuis zéro à chaque indice. Lorsque e à la moins lambda sous-écoule pour de très grands taux, le moteur bascule sur une somme en espace logarithmique des termes de masse individuels afin que le cumul se stabilise encore. Moyenne et variance sont rapportées comme lambda lui-même, conformément aux identités fermées de Poisson.

Usage pratique, limites, tarification et livraison

Utilisez l’outil navigateur lorsque vous voulez une probabilité de Poisson immédiate pour vérifier une réponse de files d’attente, dimensionner une équipe de support ou expliquer des odds d’événements rares sans installer un paquet statistique. Les résultats sont pleinement déterministes : les mêmes lambda et k produisent toujours la même probabilité, le même cumul, la même moyenne et la même variance.

Il n’y a ni modèle de langage, ni service externe de probabilité, ni aléa, de sorte que la capacité est sûre à épingler dans des contrôles d’intégration continue et des supports de leçon reproductibles.

Branchez le point d’accès sur des outils de planification de capacité, des tutoriels de taux de défauts, des bacs à sable d’entretiens de codage ou des pipelines de comptage d’événements où vous préférez déjà l’arithmétique de Poisson en forme fermée à des histogrammes de simulation approximative qui ne se stabilisent jamais tout à fait sur la même probabilité de queue deux fois.