Calculateur de loi exponentielle

Comment utiliser le calculateur

1. Ouvrez Définir le paramètre par et choisissez de saisir soit le taux \(\lambda\) (événements par unité de temps), soit le temps d’attente moyen \(\mu\). Seul le champ correspondant s’affiche.
2. Si vous avez choisi le taux, renseignez Taux (λ) et sélectionnez l’unité de temps correspondante (par seconde, par minute, par heure, par jour ou par an). Si vous avez choisi la moyenne, renseignez plutôt Temps d’attente moyen (μ) et son unité ; le calculateur effectue la conversion avec \(\lambda = 1/\mu\).
3. Saisissez le Temps (t) — le temps d’attente qui vous intéresse — et sélectionnez son unité sous « en ».
4. Renseignez éventuellement Borne supérieure de l’intervalle (b) pour obtenir aussi la probabilité \(P(t \le X \le b)\). Laissez ce champ vide pour ignorer ce résultat.
5. Consultez les résultats : la densité \(f(t)\), la probabilité cumulée \(P(X \le t)\), la probabilité que l’attente dépasse \(t\), \(P(X > t)\), la probabilité sur l’intervalle, le temps d’attente moyen et une ligne récapitulative indiquant la médiane, le 90e percentile du temps d’attente et une interprétation en termes simples.

Qu’est-ce que la loi exponentielle ?

La loi exponentielle décrit le temps d’attente jusqu’au prochain événement dans un processus où les événements surviennent indépendamment à un taux moyen constant : un processus de Poisson. Elle s’applique notamment au temps entre les arrivées de clients, au temps avant la désintégration d’une particule radioactive, à la durée de vie d’un composant électronique ou au temps avant la prochaine panne d’un serveur.

Cette loi est définie par un seul paramètre, le taux \(\lambda\). La densité de probabilité \(f(t) = \lambda e^{-\lambda t}\) est maximale en \(t = 0\) et décroît progressivement : les courtes attentes sont donc les plus probables. La fonction de répartition \(F(t) = 1 - e^{-\lambda t}\) donne la probabilité que l’attente se termine au plus tard au temps \(t\) ; son complément, la fonction de survie \(S(t) = e^{-\lambda t}\), donne la probabilité d’attendre encore après \(t\).

La moyenne et l’écart-type valent tous deux \(1/\lambda\), mais la médiane \(\ln(2)/\lambda \approx 0.693/\lambda\) est plus petite. En pratique, cela signifie que plus de la moitié des attentes se terminent avant la durée moyenne. Une longue attente reste possible, mais devient de plus en plus rare : par exemple, seules 5 % des attentes dépassent \(3/\lambda\).

Une propriété caractéristique de la loi exponentielle est l’absence de mémoire : \(P(X > s + t \mid X > s) = P(X > t)\). Si la durée de vie d’une ampoule suit une loi exponentielle et qu’elle a déjà fonctionné pendant un an, ses chances de fonctionner encore un an sont exactement les mêmes que lorsqu’elle était neuve. La loi exponentielle est ainsi l’équivalent continu de la loi géométrique et le pendant naturel de la loi de Poisson, qui décrit le nombre d’événements sur une période fixe plutôt que le temps entre ces événements.

Hypothèses, limites et conseils

• Taux constant. Le modèle suppose que les événements surviennent à tout moment à un taux moyen constant. Si ce taux varie (par exemple, arrivées aux heures de pointe ou usure de pièces mécaniques), la loi exponentielle sous-estimera ou surestimera les probabilités.
• Indépendance. Un événement ne doit pas influencer le moment où survient le suivant. Les regroupements d’événements ne respectent pas cette hypothèse.
• Absence de mémoire. Si le processus suit réellement une loi exponentielle, le temps d’attente déjà écoulé ne donne aucune information sur le temps restant. La durée de vie réelle des machines et des êtres humains ne présente généralement pas cette propriété ; des modèles de fiabilité comme la loi de Weibull conviennent mieux dans ces cas.
• Unités. Le calculateur convertit toutes les unités en interne : vous pouvez donc saisir un taux par heure et un temps en minutes sans faire de calcul vous-même. Une année est considérée comme égale à 365 jours.
• Densité et probabilité. \(f(t)\) est une densité par unité de temps, et non une probabilité : elle peut dépasser 1. Les probabilités proprement dites sont \(F(t)\), \(S(t)\) et la probabilité sur un intervalle.
• Si vous souhaitez modéliser un nombre d’événements plutôt qu’un temps d’attente, utilisez le calculateur de loi de Poisson ; pour des résultats oui/non sur un nombre fixe d’essais, consultez le calculateur de loi binomiale et, pour des données continues symétriques, le calculateur de loi normale.