Poisson

Dé…nition

Loi de Poisson

Temps
d’attente Processus de Poisson
Exemple
3-602-84
Intensité
variable Modèles probabilistes et stochastiques de la gestion

Geneviève Gauthier

HEC Montréal

Automne 2007

1
 Poisson

Références
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable Ce texte a été librement inspiré de notes prises au cours de
Denis Labelle, professeur au département de mathématique de
l’Université du Québec à Montréal, des chapitres 4 et 5 de A
First Course in Stochastic Processes, deuxième édition de S.
Karlin et H. M. Taylor ainsi que des notes de cours écrites par
Jean Vaillancourt.

2
 Poisson

Dé…nition I
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité Imaginons que des événements se produisent à divers moments

variable
ponctuels dans le temps [0, ∞). Pour tout nombre réel t > 0,
nous dé…nissons

le nombre d’événements qui se sont produits

N (t ) =
au cours de la période de temps (0, t ] .

3
 Poisson

Dé…nition II
Dé…nition

Loi de Poisson De…nition

Temps
d’attente Le processus stochastique à temps continu fN (t ) : t 2 [0, ∞)g
Exemple est un processus de Poisson d’intensité λ (λ > 0) si les trois
Intensité conditions suivantes sont satisfaites.
variable

(PP1) Pour tout choix de nombres réels 0 t1 < t2 < ... < tn ,
les variables aléatoires N (t2 ) N (t1 ), N (t3 ) N (t2 ),
..., N (tn ) N (tn 1 ) sont mutuellement indépendantes,
c’est-à-dire qu’elles le sont deux à deux, trois à trois,
quatre à quatre, ...
Autrement dit, les nombres d’événements qui surviennent dans
des intervalles de temps disjoints sont indépendants. Lorsqu’un
processus stochastique satisfait la condition (PP1), il est dit à
accroissements indépendants.
4
 Poisson

Dé…nition III
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable
(PP2) Pour tous nombres réels positifs t et h, le nombre
N (t + h) N (t ) d’événements qui se produisent pendant
l’intervalle de temps (t, t + h] est insensible à la valeur de
t et ne dépend que de la longueur de l’intervalle h.
Dans ce cas, le processus stochastique N est dit stationnaire.

5
 Poisson

Dé…nition IV
Dé…nition
(PP3) P [N (t + h) N (t ) 2] = o (h) et
Loi de Poisson
P [N (t + h ) N (t ) 1] = λh + o (h) .
Temps
d’attente
où o (h) désigne une fonction petit ordre de h.
Exemple

Intensité
variable
C’est-à-dire qui tend vers 0 in…niment plus rapidement que
h : une fonction f (h) est o (h) si

f (h )
lim = 0.
h !0 h

Par exemple, 2
p la fonction h est petit ordre de h tandis que
la fonction h ne l’est pas.
La condition (PP3) signi…e que si la longueur h de l’intervalle
de temps sur lequel nous dénombrons les événements est
petite, la probabilité d’observer plus d’un événement est
quasiment nulle.
6
 Poisson

Dé…nition V
Dé…nition

Loi de Poisson
Trajectoire d'un processus de Poisson d'intensité lambda
Temps
14
d’attente 12
10

N(t)
Exemple 8
6
4
Intensité 2

0,55

1,65

2,75

3,84
4,39
4,94
5,49
6,04
6,59
7,14
7,69
8,24
8,79
9,34
9,89
10,4

11,5
12,1
12,6
13,2
variable 0

1,1

2,2

3,3

11
0
temps

Trajectoire d'un processus de Poisson d'intensité lambda

16
14
12
N(t)

10
8
6
4
2
0,58
1,17
1,75
2,34
2,92
3,51
4,09
4,68
5,26
5,84
6,43
7,01

8,18
8,77
9,35
9,94
10,5
11,1
11,7
12,3
12,9
13,4
0

7,6

14
0

temps

Note : lors de ces simulations, nous avons utilisé une intensité

λ = 1.

7
 Poisson

Dé…nition VI
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable
Puisque nous débutons l’observation du processus au
temps t = 0, N (0) = 0, c’est-à-dire que nous n’avons
dénombré aucun événement.

8
 Poisson

Dé…nition VII
Dé…nition

Loi de Poisson
La condition (PP3) implique que
Temps
d’attente

Exemple P [N (t + h ) N (t ) = 0]
Intensité = 1 P [N (t + h ) N (t ) 1]
variable | {z }
=λh +o (h )
= 1 λh + o (h)

P [N (t + h ) N (t ) = 1]
= P [N (t + h ) N (t ) 1] P [N (t + h ) N (t ) 2]
| {z } | {z }
=λh +o (h ) o (h )
= λh + o (h) .

9
 Poisson

Distribution de N(t) I
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité Theorem
variable
Pour tout nombre réel t > 0, la variable aléatoire N (t ) est de
loi de Poisson de paramètre λt, c’est-à-dire que pour tout
entier n non négatif,

λt (λt )n
P [N (t ) = n ] = e .
n!

10
 Poisson

Distribution de N(t) II
Dé…nition

Loi de Poisson
Preuve du théorème. Dans un premier temps, nous
Temps
d’attente supposerons que n = 0. Puisque les variables aléatoires
Exemple N (t + h) N (t ) et N (t ) N (0) sont indépendantes,
Intensité
variable
P [N (t + h ) = 0]
= P [N (t ) N (0) = 0 et N (t + h) N (t ) = 0]
= P [N (t ) N (0) = 0] P [N (t + h ) N (t ) = 0]
= P [N (t ) = 0] (1 λh + o (h))

ce qui implique que

P [N (t + h ) = 0] P [N (t ) = 0] = P [N (t ) = 0] ( λh + o (h)) .

11
 Poisson

Distribution de N(t) III

Dé…nition

Loi de Poisson
En divisant par h de part et d’autre de l’égalité, il vient
Temps
d’attente
P [N (t + h ) = 0 ] P [N (t ) = 0 ] ( λh + o (h ))
Exemple = P [N (t ) = 0 ] .
h h
Intensité
variable En prenant la limite lorsque h tend vers 0 de part et d’autre de
l’égalité, nous obtenons

d
P [N (t ) = 0] = λP [N (t ) = 0] .
dt
Puisque P [N (0) = 0] = 1, alors la solution de cette équation
di¤érentielle est
P [N (t ) = 0] = e λt . (1)

12
 Poisson

Distribution de N(t) IV
Dé…nition

Loi de Poisson

Temps En e¤et, lors de la résolution d’une équation di¤érentielle,

d’attente
l’inconnue est une fonction. Dans notre cas, nous cherchons
Exemple
une fonction g (t ) qui satisfait l’équation
Intensité
variable
dg
(t ) = λg (t ) .
dt

Or, il est possible de montrer que g (t ) = ce λt où c

représente n’importe quel nombre réel:

dg d λt λt
(t ) = ce = λce = λg (t ) .
dt dt

13
 Poisson

Distribution de N(t) V
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple Nous avons tout de même une information supplémentaire:

Intensité
variable
nous savons que g (0) = 1. Cette condition à la frontière
implique que
1 = g (0) = ce λ 0 = c
C’est pourquoi
λt
g (t ) = e .

14
 Poisson

Distribution de N(t) VI
Dé…nition
Maintenant, pour tout entier positif n,
Loi de Poisson

Temps P [N (t + h ) = n ]
d’attente
n
Exemple = ∑ P [N (t ) N (0 ) = n k et N (t + h ) N (t ) = k ]
Intensité k =0
variable n
= ∑ P [N (t ) = n k ] P [N (t + h ) N (t ) = k ]
k =0
= P [N (t ) = n ] P [N (t + h ) N (t ) = 0 ]
+P [N (t ) = n 1 ] P [N (t + h ) N (t ) = 1 ]
n
+ ∑ P [N (t ) = n k ] P [N (t + h ) N (t ) = k ]
k =2
= P [N (t ) = n ] (1 λh + o (h ))
+P [N (t ) = n 1] (λh + o (h ))
n
+ ∑ P [N (t ) = n k ] o (h )
k =2

15
 Poisson

Distribution de N(t) VII

Dé…nition
Nous venons d’établir que
Loi de Poisson

Temps
d’attente P [N (t + h ) = n ] = P [N (t ) = n ] (1 λh + o (h))
Exemple +P [N (t ) = n 1] (λh + o (h))
Intensité n
∑ P [N (t ) = n
variable
+ k ] o (h )
k =2

d’où

P [N (t + h ) = n ] P [N (t ) = n ]
= P [N (t ) = n] ( λh + o (h))
+P [N (t ) = n 1] (λh + o (h))
n
+ ∑ P [N (t ) = n k ] o (h ) .
k =2

16
 Poisson

Distribution de N(t) VIII

Dé…nition

Loi de Poisson

Temps
d’attente Divisons par h de part et d’autre de l’égalité :
Exemple

Intensité P [N (t + h ) = n ] P [N (t ) = n ]
variable
h
( λh + o (h))
= P [N (t ) = n ]
h
(λh + o (h))
+P [N (t ) = n 1]
h
n
o (h )
+ ∑ P [N (t ) = n k ] .
k =2
h

17
 Poisson

Distribution de N(t) IX
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité En prenant la limite lorsque h tend vers 0, nous obtenons pour

variable
tout n = 1, 2, 3, ...
d
P [N (t ) = n ] = λ (P [N (t ) = n 1] P [N (t ) = n ]) . (2)
dt
Il nous faut maintenant solutionner ce système d’équations
di¤érentielles.

18
 Poisson

Distribution de N(t) X
Dé…nition
Posons
Loi de Poisson fn (t ) = e λt P [N (t ) = n] . (3)
Temps
d’attente
Il est bon de remarquer qu’il découle de l’équation (1)
Exemple λt
P [N (t ) = 0] = e
Intensité
variable
que
f0 (t ) = e λt P [N (t ) = 0]
= e λt e λt

= 1 (4)
et que pour tout entier positif n,
fn (0) = e λ0 P [N (0) = n]
= P [N (0) = n ]
= 0. (5)
19
 Poisson

Distribution de N(t) XI
Dé…nition
Ainsi, utilisant le système d’équations di¤érentielles (2)
Loi de Poisson
d
Temps P [N (t ) = n ] = λ (P [N (t ) = n 1] P [N (t ) = n]) .
d’attente dt
Exemple
et la dé…nition (3)
Intensité
variable
fn (t ) = e λt P [N (t ) = n] ,

nous pouvons écrire, pour tout entier n > 0,

d
fn ( t )
dt
d
= λe λt P [N (t ) = n] + e λt P [N (t ) = n ]
dt
= λe λt P [N (t ) = n] + e λt λ (P [N (t ) = n 1] P [N (t ) = n])
λt
= λe P [N (t ) = n 1]
= λfn 1 (t ) .
20
 Poisson

Distribution de N(t) XII

Dé…nition

Loi de Poisson
Rappel: nous venons d’établir que
Temps
d’attente d
fn (t ) = λfn 1 (t ) .
Exemple dt
Intensité
variable ce qui est équivalent à
Z t
fn ( t ) = fn ( 0 ) + λ fn 1 (s ) ds
0
Z t
= λ fn 1 (s ) ds
0

où la dernière égalité provient de la condition de frontières (5)

fn (0) = 0.

21
 Poisson

Distribution de N(t) XIII

Dé…nition Rappel: Z t
Loi de Poisson
fn ( t ) = λ fn 1 (s ) ds
Temps 0
d’attente

Exemple
En ajoutant la condition (4)
Intensité
variable f0 (t ) = 1,

nous obtenons successivement

f0 (t ) = 1,
Z t Z t
f1 ( t ) = λ f0 (s ) ds = λ 1ds = λt,
0 0
Z t Z t
t2
f2 ( t ) = λ f1 (s ) ds = λ λsds = λ2
,
0 0 2
Z t Z t
s2 λ3 t 3
f3 ( t ) = λ f2 (s ) ds = λ λ2 ds = , ...
0 0 2 2 3
22
 Poisson

Distribution de N(t) XIV

Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable
Nous pouvons montrer par induction que, pour tout entier non
négatif n,
(λt )n
fn ( t ) = . (6)
n!
En e¤et, lorsque n = 0 nous avons déjà établi que f0 (t ) = 1.

23
 Poisson

Distribution de N(t) XV
Dé…nition

Loi de Poisson Supposons que l’égalité (6) est véri…ée pour un certain entier n
Temps
d’attente
non négatif et démontrons alors, elle l’est aussi pour l’entier
Exemple n + 1 suivant.
Intensité Z t
variable
fn + 1 ( t ) = λ fn (s ) ds
0
Z t
(λs )n
= λ ds par hypothèse d’induction
0 n!
n +1
λ t n +1
=
n! n + 1
(λt )n +1
=
(n + 1) !

ce qui termine la démonstration de l’équation (6).

24
 Poisson

Distribution de N(t) XVI

Dé…nition

Loi de Poisson

Temps
d’attente
Par conséquent, comme
Exemple

Intensité
variable fn (t ) = e λt P [N (t ) = n]

alors
λt
P [N (t ) = n ] = e fn ( t )
(λt )n
= e λt .
n!

25
 Poisson

Temps d’attente I
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
Theorem
variable Le temps d’attente entre deux événements successifs suit une
loi exponentielle d’espérance λ1 , c’est-à-dire que si T0 = 0 et
pour tout n 2 f1, 2, ...g , Tn = l’instant auquel se produit le n
ième événement, alors pour tout entier positif n et pour tout
nombre réel positif t,
λt
P [ Tn Tn 1 t] = 1 e .

26
 Poisson

Temps d’attente II
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple Preuve du théorème. Soit X , le temps d’attente avant que le

Intensité
variable
premier événement survienne. Pour tout nombre réel positif x,

P [X x] = 1 P [X > x ]
= 1 P [N (x ) = 0]
λx
= 1 e .

27
 Poisson

Temps d’attente III

Dé…nition

Loi de Poisson

Temps
d’attente

Exemple Plus généralement,

Intensité
variable
P [ Tn Tn 1 t]
= 1 P [ Tn Tn > t]
1
= 1 P [ N ( Tn 1 + t ) N ( Tn 1 ) = 0 ]
= 1 P [N (t ) = 0] par (PP2)
= 1 e λt .

28
 Poisson

Exemple I
Dé…nition

Loi de Poisson

Temps
d’attente
Les admissions à l’urgence d’un hôpital se font selon un
Exemple
processus de Poisson (ici, l’événement est l’arrivée d’un
Intensité
variable patient). Nous savons qu’en moyenne un patient se présente
l’urgence à toutes les 12 minutes.
Modélisons cette situation : nous commençons l’observation du
processus disons au début du quart de travail de 7 heures du
matin, aujourd’hui. Le temps sera exprimé en heures.
N (t ) = le nombre de patients s’étant présentés à
l’urgence au temps t depuis le moment où nous avons
commencé l’observation du processus.

29
 Poisson

Exemple II
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable

Question. Quelle est l’intensité du processus de Poisson

impliqué dans la modélisation?

30
 Poisson

Exemple III
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable
Réponse. Si, en moyenne, il y a une arrivée de patient toutes
les douze minutes, alors il y a, en moyenne, cinq arrivées par
heure, c’est-à-dire cinq arrivées par unité de temps. Par
conséquent, l’intensité est λ = 5.

31
 Poisson

Exemple IV
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable
Question. Si le préposé aux admissions prend 3 minutes pour
remplir le dossier d’un patient, quelle est la probabilité qu’il ait
le temps de se reposer entre l’arrivée de deux patients sachant
qu’il était inoccupé lors de l’arrivée du premier des deux?

32
 Poisson

Exemple V
Dé…nition Réponse. Nous savons que le temps d’attente entre deux
Loi de Poisson arrivées suit une loi exponentielle d’espérance λ1 = 15 . Or,
Temps
d’attente
puisque
Exemple
1 heure 1
Intensité 3 minutes = 3 = heure,
variable 60 minutes 20

2 3
le préposé a le temps de se reposer
6 entre l’arrivée de deux patients 7
P6
4
7
sachant qu’il était inoccupé lors de 5
l’arrivée du premier des deux
2 3
6 17
= P 4 Tn Tn 1 > 5
| {z } 20
de loi exp (0,2 )
1
5
= e 20 = 0, 7788 33
 Poisson

Exemple VI
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable Question. Supposons que le préposé aux admissions commence
sa journée de travail à 7 heures du matin, qu’il la termine à 15
heures et qu’il va dîner de midi à 13 heures. Quelles sont
l’espérance et la variance du temps que le préposé passe, au
cours de la journée, à remplir des demandes d’admission?

34
 Poisson

Exemple VII
Dé…nition

Loi de Poisson

Temps Réponse. Le nombre X de patients se présentant à l’urgence

d’attente
au cours de la période de travail du préposé est
Exemple

Intensité
variable X = N (5) N (0) + N (8) N (6) .
| {z } | {z }
nombre de patients nombre de patients
se présentant au cours se présentant au cours
de l’avant-midi. de l’après-midi.
Poisson (5 5 ) Poisson (5 2 )

Le nombre Y de minutes passées à remplir des formulaires

d’admission est
Y = 3X .

35
 Poisson

Exemple VIII
Dé…nition Ainsi,
Loi de Poisson

Temps E [Y ] = E [3X ] = 3E [X ]
d’attente

Exemple = 3E [N (5) N (0) + N (8) N (6)]

Intensité = 3 (E [N (5) N (0)] + E [N (8) N (6)])
variable
= 3 (25 + 10) = 105

et

Var [Y ] = Var [3X ] = 9Var [X ]

= 9Var [N (5) N (0) + N (8) N (6)]
= 9 (Var [N (5) N (0)] + Var [N (8) N (6)])
par (PP1)
= 9 (25 + 10) = 315.

36
 Poisson

Exemple IX
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable L’espérance du temps que le préposé passe, au cours de la
journée, à remplir des demandes d’admission est de 105
minutes (1 heure et 45 minutes) tandis que son écart-type est
de (315)1/2 = 17, 748 minutes. Bref, nous espérons qu’il a
autre chose à faire pour s’occuper au cours de la journée.

37
 Poisson

Exemple X
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple
Question. Le second hôpital de la région ferme son urgence
Intensité
variable pour la journée. Notre hôpital doit donc absorber cette
clientèle. Sachant que ce second hôpital reçoit, en moyenne, 60
patients entre 7 heures et 15 heures et que ces arrivées se font
selon un processus de Poisson, est-ce que le nouveau ‡ot de
patients se présentant au premier hôpital est encore un
processus de Poisson? Si oui, quelle est son intensité? Sinon,
pourquoi?

38
 Poisson

Exemple XI
Dé…nition

Loi de Poisson Réponse. Si les deux processus de Poisson, N et N, e

Temps
d’attente
modélisant les arrivées des patients dans chacun des deux
Exemple hôpitaux sont indépendants, alors le nouveau ‡ot de patients,
Intensité
b = N + N,
N e se présentant au premier hôpital se modélise aussi
variable
à l’aide d’un processus de Poisson. Nous avons déterminé
précédemment que l’intensité de N est λ = 5. Celle de N e se
détermine de la façon suivante : comme, en moyenne, il y a 60
patients en 8 heures alors il y a, en moyenne, 7, 5 patients par
e = 7, 5 patients par unité de temps.
heure, c’est-à-dire λ
L’intensité du nouveau processus de Poisson N b est d’intensité
b e
λ = λ + λ = 5 + 7, 5 = 12, 5. Cela provient du fait que la
somme de deux variables aléatoires indépendantes de loi de
Poisson de paramètres λ1 et λ2 respectivement est de loi de
Poisson(λ1 + λ2 ).

39
 Poisson

Exemple XII
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable
e ne sont pas indépendants, alors il
Si les deux processus N et N
est possible que la somme de ces deux processus ne soit plus un
processus de Poisson.

40
 Poisson

Exemple XIII
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable
Question. Si le préposé aux admissions prend 3 minutes pour
remplir le dossier d’un patient, quelle est la probabilité qu’il ait
le temps de se reposer entre l’arrivée de deux patients sachant
qu’il était inoccupé lors de l’arrivée du premier des deux?

41
 Poisson

Exemple XIV
Dé…nition Réponse. Nous savons que le temps d’attente entre deux
Loi de Poisson 1
arrivées suit une loi exponentielle d’espérance b1 = 12,5 = 0, 08.
λ
Temps
d’attente
Or, puisque
Exemple
1 heure 1
Intensité 3 minutes = 3 = heure,
variable 60 minutes 20

2 3
le préposé a le temps de se reposer
6 entre l’arrivée de deux patients 7
P6
4
7
sachant qu’il était inoccupé lors de 5
l’arrivée du premier des deux
2 3
6 17
= P 4 Tn Tn 1 > 5
| {z } 20
de loi exp (0,08 )
1
12.,5
= e 20 = 0, 53526 42
 Poisson

Exemple XV
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable
Question. Quelles sont l’espérance et la variance du temps que
le préposé passe, au cours de la journée, à remplir des
demandes d’admission sachant qu’il prend toujours trois
minutes par formulaire?

43
 Poisson

Exemple XVI
Dé…nition

Loi de Poisson

Temps Réponse. Le nombre X de patients se présentant à l’urgence

d’attente
au cours de la période de travail du préposé est
Exemple

Intensité
variable X = N (5) N (0) + N (8) N (6) .
| {z } | {z }
nombre de patients nombre de patients
se présentant au cours se présentant au cours
de l’avant-midi. de l’après-midi
Poisson (12,5 5 ) Poisson (12,5 2 )

Le nombre Y de minutes passées à remplir des formulaires

d’admission est
Y = 3X .

44
 Poisson

Exemple XVII
Dé…nition Ainsi,
Loi de Poisson

Temps E [Y ] = E [3X ] = 3E [X ]
d’attente

Exemple = 3E [N (5) N (0) + N (8) N (6)]

Intensité = 3 (E [N (5) N (0)] + E [N (8) N (6)])
variable
= 3 (62, 5 + 25) = 262, 5

et

Var [Y ] = Var [3X ] = 9Var [X ]

= 9Var [N (5) N (0) + N (8) N (6)]
= 9 (Var [N (5) N (0)] + Var [N (8) N (6)])
par (PP1)
= 9 (62, 5 + 25) = 787, 5.

45
 Poisson

Exemple XVIII
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable
L’espérance du temps que le préposé passe, au cours de la
journée, à remplir des demandes d’admission est de 262,5
minutes (4, 375 heures) tandis que son écart-type est de
(787, 5)1/2 = 28, 062 minutes.

46
 Poisson

Intensité variable I
Dé…nition

Loi de Poisson

Temps
d’attente Il est possible que l’intensité du processus de Poisson ne soit
Exemple pas constante dans le temps. Si nous dénotons par λ (t )
Intensité l’intensité qui prévaut au temps t, alors le nombre
variable

N (t1 ) N ( t0 )

d’événements qui se produiront pendant l’intervalle de temps

(t0 , t1 ] est de loi de Poisson d’espérance
Z t1
λ (t ) dt.
t0

47
 Poisson

Intensité variable II
Dé…nition
Exemple. Nous voulons modéliser les arrivées des clients dans
Loi de Poisson une banque. Il y a, en moyenne, moins de clients aux heures
Temps d’ouverture (9 heures) et de fermeture (15 heures) et une
d’attente
période de pointe en mi-journée. Comme le temps est mesuré
Exemple
en heures et que la banque est ouverte pendant 6 heures, nous
Intensité
variable modélisons l’intensité du processus par la fonction

t (6 t ) si 0 t 6
λ (t ) = .
0 sinon

y
5

0
0 1 2 3 4 5 6
x

où le temps t = 0 représente le moment de l’ouverture de la

banque. 48
 Poisson

Intensité variable III

Dé…nition

Loi de Poisson
Posons
Temps
d’attente

Exemple N (t ) = nombre de clients se présentant à la banque

Intensité
variable
pendant l’intervalle de temps (0, t ]

Le nombre N (3) N 32 de clients se présentant à la banque

entre 10 heures 30 minutes (t = 23 ) et midi (t = 3) est de loi
de Poisson d’espérance
Z 3 Z 3
99
λ (t ) dt = t (6 t ) dt = = 12, 375.
3
2
3
2
8

(C’est une très petite succursale!!!)

49
 Poisson

Intensité variable IV
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple

Intensité
variable
Le prix à payer pour une telle généralisation est que le temps
d’attente entre deux arrivées de clients n’est plus
nécessairement de loi exponentielle.

50
 Poisson

Intensité variable V
Dé…nition

Loi de Poisson

Temps
d’attente

Exemple Exemple. Replaçons-nous dans le contexte de l’exemple

Intensité précédent. Soit
variable

T = l’instant de l’arrivée du premier client.

Puisqu’il est possible qu’aucun client ne se présente à la

banque au cours d’une journée, nous devons dé…nir ce que vaut
T dans ce cas. Nous choisissons de symboliser cette situation
par T = ∞.

51
 Poisson

Intensité variable VI
Dé…nition
Pour tout nombre réel positif t, la fonction de répartition de T
Loi de Poisson
évaluée au point t est
Temps
d’attente

Exemple FT ( t ) = P [ T t] = 1 P [T > t ]
Intensité
variable
= 1 P [N (t ) = 0] .

Or, puisque N (t ) est de loi de Poisson d’espérance

( Rt 3
0
u (6 u ) du = 3t 2 t3 si 0 < t 6
R6 Rt ,
0
u (6 u ) du + 6 0 du = 36 si t > 6

alors
8 0
> t3 t3
< 3t 2 3t 2 3 t3
e 3
= exp 3t 2 si 0 < t 6
P [N (t ) = 0 ] = 0! 3
>
: 36 36 0
e 0! = exp ( 36) si t > 6

52
 Poisson

Intensité variable VII

Dé…nition

Loi de Poisson

Temps
d’attente

Exemple et
Intensité 8
variable > 0 si t < 0
>
>
>
< 1 exp t 3 3t 2
3 si 0 t 6
F T (t ) = 1 P [N (t ) = 0 ] =
>
> 1 exp ( 36) si 6 < t < ∞
>
>
:
1 si t = ∞.

Remarquons que T est une variable aléatoire mixte et n’est

clairement pas de loi exponentielle, et ce,...

53
 Poisson

Intensité variable VIII

Dé…nition

Loi de Poisson
... même si nous conditionnons sur le fait qu’il y a au moins un
Temps
d’attente client qui se présente à la banque au cours de la journée :
Exemple

Intensité
variable
P [T t jN (6) 1]

P [T t et N (6) 1]
=
P [N (6) 1]
8
> 0 si t < 0
>
< t3
P [T t ] 1 exp 3t 2
= =
3
si 0 t 6
>
> P [N (6 ) 1 ] 1 exp ( 36 )
:
1 si t > 6.

54