🎛️ Bouge λ et regarde la distribution de Poisson se déformer
λ petit (rare) : pic vers 0. λ grand : la cloche devient symétrique (et ressemble à une loi normale).
λ = 0.5 (très rare) → λ = 20 (presque gaussien)
Espérance E(X)
3.0
Variance V(X)
3.0
Mode (le + probable)
k = 2 ou 3
λ = 3.0 : tu attends en moyenne 3 événements par intervalle. Le mode est à 2 ou 3.
📬 La question qui a tout déclenché : combien de lettres ce matin ?
Imagine un facteur en 1837. Il sait qu'il distribue en moyenne 3 lettres par maison par jour. Mais ce nombre fluctue : certains jours zéro, d'autres 5, parfois 7. Comment modéliser ces fluctuations ?
Question naturelle : quelle est la probabilité qu'une maison reçoive exactement k lettres demain ? Le mathématicien français Siméon Denis Poisson (1781-1840) a publié la réponse en 1837. Sa formule est l'une des plus utilisées du monde moderne — bien au-delà de la poste.
Loi de Poisson de paramètre λ
P(X = k) = λk · e−λk!
pour tout entier k ≥ 0
🎯 Quand utiliser Poisson ? Les 3 conditions
Poisson modélise le nombre d'événements rares mais indépendants dans un intervalle (de temps, d'espace, etc.). Les 3 conditions à retenir :
- 1. Événements rares : sur un petit intervalle, la probabilité d'occurrence est faible.
- 2. Événements indépendants : un événement n'influence pas la probabilité du suivant.
- 3. Taux constant : λ est le nombre moyen d'événements par intervalle, supposé stable.
Si ces 3 conditions sont remplies, le nombre d'événements suit une loi de Poisson de paramètre λ.
🌍 Exemples concrets (au-delà du facteur)
- Files d'attente : nombre de clients qui entrent dans une boulangerie par heure.
- Radioactivité : nombre de désintégrations par seconde d'un échantillon (la base de la physique nucléaire).
- Sport : nombre de buts marqués dans un match de football (λ ≈ 1.4 buts/équipe/match en Ligue 1).
- Web : nombre de visiteurs sur un site par minute, nombre d'emails reçus par heure.
- Trafic : nombre de voitures qui passent à un péage par minute.
- Médecine : nombre de cas d'une maladie rare diagnostiqués par mois dans une région.
⚡ Propriété miracle : E(X) = V(X) = λ
Une particularité fascinante de la loi de Poisson : l'espérance et la variance valent exactement λ.
E(X) = λ et V(X) = λ
Conséquence pratique : l'écart-type est √λ. Donc si tu observes en moyenne 100 emails par jour, la fluctuation typique est de ±10 emails (√100 = 10).
Cette propriété te donne aussi un test rapide : si tu as des données et que la moyenne empirique est très différente de la variance empirique, ce n'est probablement pas une loi de Poisson — il faut chercher une autre loi.
🔗 Le lien magique : Binomiale → Poisson
Si X suit une loi binomiale B(n, p) avec n très grand et p très petit (tel que np = λ reste fini), alors X est très bien approchée par une loi de Poisson de paramètre λ.
Théorème d'approximation de Poisson :
Pour n grand et np = λ fixé :
B(n, p) ≈ Poisson(λ)
Règle pratique au BAC : si n ≥ 30 et p ≤ 0.1, l'approximation est excellente.
Exemple : un site reçoit 10 000 visiteurs par jour. Chaque visiteur a une probabilité de 0.01% de commander. Le nombre de commandes journalier suit B(10000, 0.0001), donc Poisson(λ = 1). Tu peux calculer instantanément P(0 commande) = e⁻¹ ≈ 37%.
🎓 La loi de Poisson au BAC SM
La loi de Poisson n'est pas dans le programme principal du BAC SM Maroc, mais elle apparaît :
- En post-bac (CPGE, Université) : c'est la loi des événements rares, omniprésente en sciences. La connaître donne un vrai avantage.
- Sur certains sujets d'olympiade ou de concours marocain : la transition Binomiale → Poisson est un classique des questions à fort coefficient.
- En projet de TIPE ou TPE : la loi de Poisson modélise élégamment plein de phénomènes contemporains (réseaux, biologie, économie).
💡 La formule à retenir, simplement
Si tu attends en moyenne λ événements par intervalle, la probabilité d'en avoir exactement k est :
P(X = k) = λk·e−λk!
Le e−λ est là pour que la somme des probabilités soit 1 (rappel : la série de Taylor de ex est ∑ xk/k!). Le λk/k! pèse la rareté : plus k est grand par rapport à λ, plus le k! divise et écrase la probabilité.
Vérifie ta compréhension
3 questions courtes pour valider tes acquis. Tu peux réessayer.