La loi exponentielle modélise le temps d’attente jusqu’au prochain événement dans un processus où les événements surviennent indépendamment à un taux moyen constant : arrivées de clients, pannes d’équipement, désintégration radioactive ou intervalle entre des appels téléphoniques. Cette calculatrice estime la probabilité d’attendre au plus, plus de, ou entre certaines durées, ainsi que la moyenne, la médiane et la variance de la distribution.
Fonctionnement de la calculatrice de loi exponentielle
La calculatrice utilise la fonction de répartition exponentielle F(x) = 1 − e^(−λx), où λ (lambda) est le paramètre de taux, c’est-à-dire le nombre moyen d’événements par unité de temps. P(X ≤ x) se lit directement dans F(x) ; P(X > x) est son complément, 1 − F(x) ; et la probabilité de l’intervalle P(a < X < b) est F(b) − F(a). L’hypothèse sous-jacente est celle d’un processus de Poisson : les événements se produisent indépendamment à un taux moyen constant, sans dépendre des événements passés.
La moyenne (μ = 1/λ), la médiane (ln(2)/λ) et la variance (1/λ²) sont toutes calculées directement à partir de λ. Comme la loi exponentielle est asymétrique à droite, la médiane est toujours inférieure à la moyenne : la plupart des attentes sont plus courtes que la moyenne, compensées par un petit nombre d’attentes beaucoup plus longues.
Entrées et leur signification
Taux (λ) : nombre moyen d’événements par unité de temps, exprimé en événements par minute, par an ou dans toute autre unité adaptée au scénario ; il doit être supérieur à zéro. x : temps d’attente précis dont vous évaluez la probabilité, exprimé dans la même unité de temps que λ. Type de probabilité : choisissez « Au plus x » pour P(X ≤ x), « Plus de x » pour P(X > x), ou « Un intervalle » pour saisir les bornes inférieure (a) et supérieure (b) de P(a < X < b). Le paramètre de taux a l’effet le plus important sur tous les résultats : doubler λ divise par deux la moyenne, la médiane et la variance.
Limites et cas particuliers
La loi exponentielle suppose que le taux d’événements reste constant dans le temps ; elle ne convient pas aux processus qui accélèrent, ralentissent ou comportent un délai minimal (par exemple, un procédé de fabrication avec un temps de préparation fixe avant l’apparition possible de pannes). Si l’usure ou le vieillissement accroît la probabilité de panne au fil du temps, une loi de Weibull convient généralement mieux. La loi exponentielle modélise également le temps d’attente d’un seul événement ; pour le temps jusqu’au kᵉ événement d’un processus de Poisson, utilisez plutôt une loi gamma ou d’Erlang. En raison de sa propriété sans mémoire, cette calculatrice ne convient pas aux scénarios où le temps déjà écoulé modifie la probabilité du prochain événement — la plupart des processus d’usure mécanique réels ne satisfont pas cette hypothèse.