CommencerCommencer gratuitement

Exemple de distributeur automatique (ATM)

Si vous connaissez le nombre moyen d’événements spécifiques sur une unité de mesure, vous pouvez supposer que la distribution de la variable aléatoire suit une loi de Poisson pour étudier le phénomène.

Considérez un distributeur automatique de billets (ATM) dans un centre commercial très fréquenté. La banque veut éviter que les clients fassent la queue pour utiliser le distributeur. On a observé que le nombre moyen de clients effectuant des retraits entre 10 h 00 et 10 h 05, n’importe quel jour, est de 1.

En tant qu’analyste de données à la banque, on vous demande quelle est la probabilité que la banque doive installer un autre distributeur pour absorber la demande.

Pour répondre à la question, vous devez calculer la probabilité d’avoir plus d’un client pendant cet intervalle de temps.

Cet exercice fait partie du cours

Fondamentaux des probabilités en Python

Afficher le cours

Instructions

  • Importez poisson depuis scipy.stats.
  • Calculez la probabilité d’avoir plus d’un client utilisant le distributeur pendant cette période de 5 minutes.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import poisson from scipy.stats
from ____

# Probability of more than 1 customer
probability = ____.____(k=____, mu=____)

# Print the result
print(probability)
Modifier et exécuter le code