Données de Poisson aléatoires (Random Poisson Data)

Random Poisson Data simule des comptages d'événements indépendants survenant à un taux moyen constant, comme des défauts par unité ou des appels par heure. Vous définissez le nombre de lignes et de colonnes et la moyenne (lambda) ; la variance est égale à la moyenne. Utilisez-le pour tester les cartes C et U. Les valeurs sont des entiers non négatifs, et pour lambda supérieur à 30 la distribution est approchée par une distribution normale. Un résumé graphique facultatif est disponible.

Dernière révision

Point clé

Random Poisson Data génère des comptages entiers non négatifs de loi de Poisson, à partir d'un nombre moyen d'événements par intervalle (lambda), pour simuler des défauts, erreurs ou arrivées par unité de temps, de surface ou de volume.

Sur cette page
  1. Qu'est-ce que Random Poisson Data ?
  2. Quand utiliser Random Poisson Data ?
  3. Recommandations pour bien utiliser Random Poisson Data
  4. Alternatives : quand ne pas utiliser Random Poisson Data
  5. Exemple de Random Poisson Data
  6. Comment générer des données de Poisson aléatoires

Qu'est-ce que Random Poisson Data ?

Random Poisson Data génère des valeurs de la distribution de Poisson, qui modélise le nombre d'événements survenant dans un intervalle fixe de temps, de surface ou de volume lorsque les événements se produisent indépendamment à un taux moyen constant. Vous indiquez lambda (λ) , le nombre moyen d'événements par intervalle.

Définition simple : génère des données de comptage aléatoires pour le nombre de fois qu'un événement se produit sur une période fixe, comme des défauts par unité, des appels par heure ou des erreurs par page de document.

Quand utiliser Random Poisson Data ?

  • Utilisez-le pour simuler des comptages de défauts, comptages d'erreurs ou taux d'arrivée par unité de temps ou de surface.
  • Utilisez-le pour tester les cartes C et les cartes U avec des valeurs de lambda connues.
  • Utilisez-le lorsque les événements sont rares et indépendants dans la fenêtre d'observation.

Recommandations pour bien utiliser Random Poisson Data

  • Toutes les valeurs seront des entiers non négatifs , vérifiez-le dans les résultats.
  • Pour un lambda élevé (> 30), la distribution est approchée par une distribution normale.

Alternatives : quand ne pas utiliser Random Poisson Data

  • Pour des données de proportion de défectueux, utilisez les données binomiales aléatoires (Random Binomial Data)
  • Pour des données continues de durée avant événement, utilisez les données exponentielles aléatoires (Random Exponential Data)

Exemple de Random Poisson Data

Voici les étapes pour générer des données de Poisson aléatoires :

  1. Pour générer des données de Poisson aléatoires, renseignez les options requises.
  2. Analysez ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
  3.  Pour trouver Generate Random Poisson Data, choisissez Statistical module> Random Data > Random Poisson Data
Random Poisson Data — figure 1Random Poisson Data — figure 2

4. Après avoir utilisé l'outil ci-dessus, vous obtenez les résultats suivants :

Random Poisson Data — figure 3Random Poisson Data — figure 4

Comment générer des données de Poisson aléatoires

La marche à suivre est la suivante :

  1. Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  2. Sur la page d'accueil, choisissez Statistical Tool> Random Data>Random Poisson Data.
  3. Ensuite, renseignez les options requises.
  4. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

Sur le tableau de bord de Random Poisson Data, la fenêtre est divisée en deux parties.

Random Poisson Data — figure 5

Dans la partie gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne correspond à des données aléatoires générées. Les données sont générées après avoir renseigné les options requises.

Dans la partie droite se trouvent de nombreuses options, comme suit :

  • Number of rows of data to generate :  indique combien de points de données aléatoires générer. Par exemple, saisir 10 produit exactement 10 lignes de valeurs aléatoires, toutes visibles dans le volet de données.
  • Number of columns :  indique combien de variables (colonnes) chaque ligne comporte. Par exemple, saisir 3 produit 3 colonnes de données générées aléatoirement, côte à côte dans le volet de données.
  • Mean : le nombre moyen d'événements par intervalle (lambda, λ). Pour une distribution de Poisson, la variance est égale à la moyenne : les comptages générés s'étalent donc plus largement à mesure que la moyenne augmente ; toutes les valeurs sont des entiers non négatifs.
  • Graphical summary : lorsque cette option est sélectionnée, toutes les valeurs générées sont regroupées et résumées : un histogramme avec une courbe normale ajustée et une boîte à moustaches, des statistiques descriptives, un test de normalité d'Anderson-Darling, une droite de probabilité et des intervalles de confiance à 95 % pour la moyenne, la médiane et l'écart-type. C'est un résultat visuel fondé sur les données qui viennent d'être créées.

Questions fréquentes

Que simulent des données de Poisson aléatoires ?

Des données de Poisson aléatoires simulent le nombre d'événements dans un intervalle fixe de temps, de surface ou de volume lorsque les événements se produisent indépendamment à un taux moyen constant. Vous indiquez lambda, le nombre moyen d'événements par intervalle, et l'outil génère des comptages tels que des défauts par unité, des appels par heure ou des erreurs par page de document.

Quand utiliser des données de Poisson aléatoires ?

Utilisez-les pour simuler des comptages de défauts, des comptages d'erreurs ou des taux d'arrivée par unité de temps ou de surface, et pour tester des cartes C et des cartes U avec des valeurs de lambda connues. Elles conviennent à des événements rares et indépendants dans la fenêtre d'observation. Pour des données de proportion de défectueux, utilisez Random Binomial Data, et pour des données continues de durée avant événement, utilisez Random Exponential Data.

Quelles valeurs une distribution de Poisson produit-elle ?

Toutes les valeurs générées sont des entiers non négatifs, car chaque valeur est le comptage du nombre de fois qu'un événement s'est produit dans un intervalle fixe. Le seul paramètre est la moyenne, lambda, et la variance est égale à la moyenne : les comptages s'étalent donc plus largement à mesure que la moyenne augmente. Pour lambda supérieur à 30, la distribution de Poisson est approchée par une distribution normale.