PROCESSUS DE POISSON : Corrigé des exercices

1. Les arrivées d’autobus à une station forment un processus de Poisson d’intensité

λ = 4/h.
1) Dans cette question seulement, chaque autobus s’arrête un temps fixe τ = 1mn à la
station. Un passager qui arrive à un instant θ monte dans le bus si celui-ci est là, attend
pendant un temps τ 0 = 5mn, puis, si l’autobus n’est pas arrivé pendant le temps τ 0 , quitte
la station et s’en va à pied. Déterminer la probabilité que le passager prenne l’autobus.

2) On suppose que de l’arrêt à chez vous, vous mettez t1 mn en bus et t2 mn à pied.

Vous avez décidé d’attendre le bus pendant smn et, s’il n’est pas arrivé alors, de partir à
pied.
a) Si W est le temps mis pour rentrer et T le temps écoulé entre votre arrivée et
celle du bus, vérifier que W = (T + t1 )1I[0,s[

(T )−λs
+ (s + t2 )1I[s,+∞[
(t).
1 1
b) En déduire que E(W ) = λ + t1 + e t2 − t1 − λ .
c) Déterminer le temps moyen mis pour rentrer chez vous. Trouver les valeurs de
1 1 1
s qui minimisent ce temps suivant que λ < t2 −t 1
, λ > t2 −t 1
ou λ = t2 −t 1
.

3) Votre objectif est de prendre le dernier bus qui passe avant t0 = 23h (ainsi vous
échouez si un bus passe entre l’instant t où vous partez et t0 , ou bien si vous n’êtes pas
encore parti à t0 ). Votre statégie consiste à choisir un instant s < t0 et à prendre le
premier bus qui se présente à partir de s.
a) Montrer que la probabilité de succès est p(s) = λ(t0 − s)e−λ(t0 −s) .
b) Quelle est la valeur s0 de s qui maximise cette probabilité ?
c) Déterminer la probabilité de gain pour s = s0 (on montrera qu’elle est en par-
ticulier indépendante de λ).

1) Le passager rentrera à pied si, quand il arrive, il n’y a pas d’autobus, c’est-à-dire si le dernier
autobus est arrivé avant l’instant θ − τ et si, à l’instant θ + τ 0 , il n’y a toujours pas d’autobus ; il y a
donc aucune arrivée entre θ − τ et θ + τ 0 .
0
Or P ([Nθ+τ 0 − Nθ−τ = 0]) = P ([Nθ+τ 0 −(θ−τ ) = 0]) = P ([Nτ +τ 0 = 0]) = e−λ(τ +τ ) et la probabilité
0
que le passager prenne l’autobus est donc 1 − e−λ(τ +τ ) = 1 − e−0,4 .

2) a) Soit T le temps (aléatoire) écoulé entre notre arrivée et celle du prochain bus. On sait que T
suit la loi exponentielle E(λ). Le temps W mis pour rentrer est :
• T + t1 si le bus arrive avant s, c’est-à-dire si T ≤ s ;
• s + t2 si on rentre à pied, c’est-à-dire si T > s.
On a donc W = (T + t1 )1I[0,s] (T ) + (s + t2 )1I]s,+∞[ (T ) = h(T ).
b) On en déduit :
Z Z s Z +∞
E(W ) = h(t)fT (t)dt = (t + t1 )λe−λt dt + (s + t2 )λe−λt dt
0 s
Z s
 s  s  +∞
= −te−λt 0 + e−λt dt + t1 −e−λt 0 + (s + t2 ) −e−λt s
0
−λs 1 1
= −se + − e−λs + t1 (1 − e−λs ) + se−λs + t2 e−λs
λ λ
 1

1



soit E(W ) = λ + t1 + e−λs t2 − λ + t1 .

c) s 7→ e−λs décroı̂t de 1 (pour s = 0) à 0 (pour s → +∞) donc :

1
• si λ > t2 −t 1
, c’est-à-dire si λ1 + t1 < t2 , le minimum est obtenu lorsque s → +∞, et vaut λ1 + t1 :
on a donc intérêt à attendre le bus jusqu’à ce qu’il arrive ;
1
• si λ < t2 −t 1
, c’est-à-dire si λ1 + t1 > t2 , le minimum est obtenu lorsque s = 0, et vaut t2 : on
n’a donc pas intérêt à prendre le bus (il n’y en a pas assez souvent) ;
1
• si λ = t2 −t 1
, c’est-à-dire si λ1 + t1 = t2 , E(W ) est indépendant de s et quoiqu’on décide, le
temps moyen est de t2 .

3) a) On veut prendre le dernier bus avant t0 et, pour cela, on décide de prendre le premier qui se
présente après s. On aura alors gagné si 1 bus exactement se présente entre s et t0 (en effet, s’il y en a
2 ou plus, on n’aura pas pris le dernier, et s’il n’y en a pas, on sera encore là en t0 ). La probabilité de
succès dans ce cas est alors

p(s) = P ([Nt0 − Ns = 1]) = P ([Nt0 −s = 1]) = e−λ(t0 −s) λ(t0 − s)

soit p(s) = λe−λt0 (t0 − s)eλs .

b) On cherche le maximum de p. Comme p est une fonction dérivable, il vient

p0 (s) = λe−λt0 eλs [−1 + λ(t0 − s)] = λe−λ(t0 −s) (λt0 − 1 − λs).

λt0 −1 1
On a donc un maximum pour s = λ = t0 − λ (ou bien s = 0 si λt0 − 1 < 0, ce qui n’est pas le cas
ici).
1
A.N. t0 = 8h, λ = 14 h, donc s0 =7h45mn .
1 1
Il faut donc prévoir 1/4h, ce qui est normal car λ = 4 h est le temps moyen entre 2 bus.
c) La probabilité de gain est alors p(s0 ) = λe (t0 − s0 ) avec s0 = t0 − λ1 , soit t0 − s0 = λ1 .
−λ(t0 −s0 )

On a donc p(s0 ) = e−1 ≈ 0, 37 .

2. Le long d’une route à voie unique, l’écoulement des véhicules peut être décrit par
un processus de Poisson (Nt ) de paramètre λ = 2/mn.
1) Sachant que 4 véhicules sont passés en 3 minutes, déterminer la probabilité que 3
soient passés dans les 2 premières minutes.
2) Pour cause de travaux, on doit interrompre le traffic pendant une durée t. On
compte alors une longueur de 8m de route occupée par véhicule immobilisé et on cherche
la valeur de t telle que la queue formée ne dépasse 250m qu’avec une probabilité de 0,2.
Exprimer la condition à l’aide de Nt , puis à l’aide des temps Ui inter-arrivées entre
les véhicules. On donnera une estimation de t à l’aide du théorème central limite, en
considérant 30 comme grand.
[On peut lire sur les tables que P ([X ≤ −0, 84]) = 0, 2 pour une variable X de loi
normale N (0, 1) et on rappelle que si Y suit la loi exponentielle E(λ), E(Y ) = 1/λ et
var(Y ) = 1/λ2 ].

1) Sachant que 4 véhicules sont passés en 3 minutes, la probabilité que 3 soient passés dans les 2
premières minutes est
 P ([N2 = 3] ∩ [N3 − N2 = 1])
P ([N2 = 3]/[N3 = 4]) =
P ([N3 = 4])
P ([N2 = 3])P ([N3 − N2 = 1]) P ([N2 = 3])P ([N1 = 1])
= =
P ([N3 = 4]) P ([N3 = 4])
3 1
e−4 43! e−2 21! 43 × 2 × 4 44 × 2 25 32
= 64
= 4 4
= 4 4
= 4
= ≈ 0, 395.
e−6 4! 3! × 3 × 2 3 ×2 3 81

2) Si Qt est la longueur de la queue à l’instant t, on cherche t tel que P ([Qt > 250]) ≤ 0, 2. Or
pour avoir plus de 250m de queue, il faut au moins 32 véhicules (car 250/8 = 31, 25), et on a donc
P
32
[Qt > 250] = [Nt ≥ 32] = [T32 ≤ t]. Mais T32 = Ui avec les Ui indépendantes de même loi expo-
i=1
nentielle E(2), donc E(T32 ) = 32 32
2 = 16 et var(T32 ) = 4 = 8 et d’après le théorème central limite, en
condidérant 32 comme grand, Th 32 suit approximativement
i la loi normale N (16 ; 8). On cherche donc t
T32√
−16 t−16
tel que P ([T32 ≤ t]) = 0, 2 = P 2 2
≤ 2 2
√ = 0, 2. L’indication donne alors t−16
√ ≈ −0, 84 donc
2 2
√
t ≈ 16 − 2 2 × 0, 84 ≈ 13, 6 (13mn40s).

3. Au football, on suppose que les buts sont marqués suivant un processus de Poisson
(Nt ) de paramètre λ. On s’intéresse ici seulement aux parties qui se sont terminées avec
2 buts marqués. La durée d’une partie est une constante notée T ; les instants des buts
sont des variables aléatoire notées A1 et A2 .
1) Quelle est la probabilité qu’à la mi-temps il y ait eu exactement 2 buts ? 1 but ?
aucun but ?
2) Justifier que P [NT =2] ([A1 ≤ s] ∩ [A2 ≤ t]) = P [NT =2] ([Ns ≥ 1] ∩ [Nt = 2]) pour
0 < s < t < T . Montrer alors, en utilisant l’indépendance des accroissements (et en
distinguant 2 cas, selon que 2 buts sont marqués à l’instant s ou non), que :

[NT =2] 2st − s2

P ([A1 ≤ s] ∩ [A2 ≤ t]) = pour 0 < s < t < T.
T2

En déduire les lois de A1 et de A2 lorsque NT = 2. Quels sont les temps moyens pour
marquer chacun des 2 buts ?

[N =n]

1) D’après le cours, pour s ≤ t, PNs t = B n, st . Ici t = T , s = T2 et n = 2 donc P [NT =2] ([NT /2 =

k 1
2−k
k]) = C2k 12 2 = 14 C2k avec C20 = C22 = 1 et C21 = 2.
Ainsi, la probabilité qu’à la mi-temps il y ait eu exactement 2 buts ou aucun est 14 ; pour 1 but, c’est 12 .

2) [Ai ≤ t] = [Nt ≥ i] (le i-ième événement a eu lieu avant ou à t). On a donc

[A1 ≤ s] ∩ [A2 ≤ t] = [Ns ≥ 1] ∩ [Nt ≥ 2].

Mais, pour t ≤ T , [Nt ≥ 2] ∩ [NT = 2] = [Nt = 2] ∩ [NT = 2] car Nt ≤ NT . On a donc bien

P [NT =2] ([A1 ≤ s] ∩ [A2 ≤ t]) = P [NT =2] ([Ns ≥ 1] ∩ [Nt = 2]) = p pour 0 < s < t < T .
p = p1 + p2 avec p1 = P [NT =2] ([Ns = 1] ∩ [Nt = 2]) et p2 = P [NT =2] ([Ns = 2] ∩ [Nt = 2]).

P ([Ns = 1] ∩ [Nt − Ns = 1] ∩ [NT − Nt = 0])

p1 =
P ([NT = 2])
P ([Ns = 1])P ([Nt−s = 1])P ([NT −t = 0])
=
P ([NT = 2])
e−λs λs × e−λ(t−s) λ(t − s) × e−λ(T −t) 2s(t − s)
= 2 =
e−λT (λT2 ) T2

P ([Ns = 2] ∩ [Nt − Ns = 0] ∩ [NT − Nt = 0])

p2 =
P ([NT = 2])
P ([Ns = 2])P ([Nt−s = 0])P ([NT −t = 0])
=
P ([NT = 2])
2
e−λs (λs)
2 × e−λ(t−s) × e−λ(T −t) s2
= (λT )2
= .
e−λT T2
2

2st−2s2 +s2 2
On a donc p = T2 , soit P [NT =2] ([S1 ≤ s] ∩ [S2 ≤ t]) = 2st−s
T2 si 0 < s < t < T .
[N =2]
On a alors, en dérivant, fA1 T,A2 (s, t) = T22 1I(0<s<t<T ) (on retrouve le résultat du cours). Puis
Z
[N =2] [N =2] 2
fA1 T (s) = fA1 T,A2 (s, t) dt = (T − s)1I]0,T [ (s)
T2
Z
[N =2] [N =2] 2t
et fA2 T (t) = fA1 T,A2 (s, t) ds = 1I]0,T [ (t).
T2
RT h 2 i
3 T RT
Alors E[NT =2] (A1 ) = T22 0 s(T − s)ds = T22 T2s − s3 = T3 et E[NT =2] (A2 ) = T22 0 t2 dt =
0
h 3 iT
2 t
T2 3 = 3 . On a donc un temps moyen de 3 pour le premier but et de 2T
2T T
3 pour le deuxième.
0
 FILES D’ATTENTE : Corrigés des exercices

1. Un dépanneur opère avec un caissier unique. Il arrive en moyenne 24 clients à l’heure

et 30 clients peuvent être servis à l’heure. On a constaté que chaque minute de réduction
d’attente de clients sauve 75 euros par semaine (perte de vente évitée) et un employé
supplémentaire coûte 150 euros par semaine. Étudier les trois solutions envisageables :
ajouter l’employé à la même caisse sachant que ceci augmente le taux de service à 40
clients par heure, ajouter une deuxième caisse avec file séparée, ou ajouter une deuxième
caisse avec une seule file d’attente pour les 2 caisses.

λ 4 ρ
On a un système M/M/1 avec λ = 24 et µ = 30 donc ρ = µ = 5 et L = 1−ρ = 4, puis
W =L 4×60 1
λ = 24 = 10mn, Wq = W − µ = 8mn et Lq = L − ρ = 3, 2.

ρ
• Pour λ = 24 et µ = 40, on a alors ρ = 0, 6 et L = 1−ρ = 0,6
0,4 = 1, 5, puis Lq = L − ρ = 0, 9,
L 1,5×60 60
W = λ = 24 = 3, 75mn et Wq = W − 40 = 2, 25mn. Le gain est alors de 6, 25 × 75 = 468, 75 euros.
ρ
• Pour 2 files M/M/1, λ = 12 et µ = 30. On a alors, pour chaque file, ρ = 25 et L = 1−ρ = 23 ≈ 0, 67,
L 2×60
puis Lq = L − ρ ≈ 0, 27, W = λ = 3×12 ≈ 3, 33mn et Wq = W − 2 ≈ 1, 33mn. Le gain est alors de
6, 67 × 75 = 500 euros.
1 1 0,83
• Pour C = 2, ρ = 0, 8 et π0 = ρ2
= 1,8+0,64/1,2 ≈ 0, 43puis Lq = 1,22 π0 ≈ 0, 15, Wq ≈ 0, 38mn
1+ρ+ 2−ρ
et W ≈ 2, 38mn. Le gain est alors de 2, 38 × 75 ≈ 571, 50 euros.
La meilleure solution est donc la troisième.

2. On considère une petite agence à un employé, à capacité illimitée, à arrivées Poisson-

niennes d’intensité 4 clients par heure. Le service est, si tout va bien exponentiel, de durée
moyenne 10 mn mais hélas, une proportion β = 20% des clients, demande des explications
supplémentaires, de durée elles-aussi exponentielles, de moyenne 20 mn. Déterminer les
caractéristiques du système M/G/1 ainsi défini. Retrouver la valeur de L après avoir écrit
les équations vérifiées par les probabilités pni (n nombre de clients, i ∈ {1, 2} phase de ser-
vice du client que l’on sert). (On pourra, par exemple, déterminer la fonction génératrice
et effectuer un développement limité à l’ordre 1).

Le service est une variable aléatoire Y telle que PY = αPY1 + βPY2 , avec PY1 = E(µ1 ) et Y2 = T1 + T2
où les Ti sont indépendantes telles que PT1 = E(µ1 ) et PT
2 = E(µ2 ).
λ2 var(Y )+ µ12
λ2
On pose IE(Y ) = µ1 et ρ = λµ . Alors L = ρ + 2(1−ρ) = ρ + 2(1−ρ) IE(Y 2 ).
α α β β 1 1 β
IE(Y ) = αIE(Y1 ) + βIE(Y2 ) = µ1 + β(IE(T1 ) + IE(T2 )) = µ1 + µ1 + µ2 , soit µ = µ1 + µ2 .
IE(Y 2 ) = αIE(Y12 ) + βIE(Y22 ) avec IE(Y12 ) = µ22 et IE(Y22 ) = var(Y2 ) + IE(Y2 )2 = var(T1 ) + var(T2 ) +
 2  2 1   h i
1
µ1 + 1
µ2 donc IE(Y 2
2
) = µ
1
2 + µ
1
2 + 1
µ1 + 1
µ2 = 2 1
µ2
+ 1
µ22
+ 1
µ1 µ2 d’où IE(Y 2 ) = 2 µ12 + µ1βµ2 + µβ2 .
1 2 1 1 2

λ λβ λ 2
On pose Q1 = µ1 et Q2 = µ2 . Alors µ = Q1 + Q2 et IE(Y 2 ) = 2
λ2 (Q1 + Q1 Q2 + β1 Q22 ) donc

Q21 +Q1 Q2 + β1 Q22 Q1 +Q2 −Q1 Q2 + α 2

β Q2
L = Q1 + Q2 + 1−Q1 −Q2 = 1−Q1 −Q2 .
2

L L 1 λ
On a alors W = λ, Wq = λ − µ et Lq = L − µ = L − Q1 − Q2 .

A l’aide du graphe, on écrit les équations en régime stationnaire :

λp0 = µ1 αp11 + µ2 p12

(λ + µ1 )p11 = λp0 + µ1 αp21 + µ2 p22
(λ + µ2 )p12 = µ1 βp11
(λ + µ1 )p21 = λp11 + µ1 αp31 + µ2 p32
(λ + µ2 )p22 = λp12 + µ1 βp21 .
(λ + µ1 )p31 = λp21 + µ1 αp41 + µ2 p42
(λ + µ2 )p32 = λp22 + µ1 βp31
..
.
En sommant les équations par 2 et en posant pn = pn1 + pn2 , on a, en particulier :

λp0 = µ1 αp11 + µ2 p12

λp1 = µ1 αp21 + µ2 p22
λp2 = µ1 αp31 + µ2 p32 .
λp3 = µ1 αp41 + µ2 p42
..
.

P
+∞ P
+∞ P
+∞
On pose alors Π(s) = pn sn , Π1 (s) = pn1 sn et Π2 (s) = pn2 sn . On a alors Π(s) = Π1 (s) +
n=0 n=1 n=1
Π2 (s) + p0 , et, avec le deuxième système λsΠ(s) = µ1 αΠ1 (s) + µ2 Π2 (s) et avec 1 équation sur 2 dans le
premier, (λ + µ2 )Π2 (s) = µ1 βΠ1 (s) + λsΠ2 (s). On a donc :

 Π1 (s) + Π2 (s) = Π(s) − p0
µ1 αΠ1 (s) + µ2 Π2 (s) = λsΠ(s) .

(λ(1 − s) + µ2 )Π2 (s) = µ1 βΠ1 (s)

On fait alors un DL(1) en posant s = 1 + h, ai = Πi (1) et mi = Π0i (1) :


 a1 + a2 + (m1 + m2 )h = 1 − p0 + Lh + o(h)
(µ1 αa1 + µ2 a2 ) + (µ1 αm1 + µ2 m2 )h = λ(1 + h)(1 + Lh) + o(h) = λ(1 + (L + 1)h + o(h)) .

(−λh + µ2 )(a2 + m2 h) = µ1 β(a + m1 h) + o(h) = µ2 a2 + (m2 µ2 − λa2 )h + o(h)

On en déduit, en identifiant les coefficients, grâce à l’unicité du développement :


 a1 + a2 = 1 − p0 ; L = m1 + m2
µ1 αa1 + µ2 a2 = λ ; µ1 αm1 + µ2 m2 = λ(L + 1) .

µ1 βa1 = µ2 a2 ; µ1 βm1 = µ2 m2 − λa2

λ µ1 a 1 β −µ1 βm1 + µ2 m2 = λQ2
On a µ1 a1 = λ donc a1 = µ1 = Q1 et a2 = µ2 = Q2 . Puis
µ1 αm1 + µ2 m2 = λ(L + 1)
d’où µ1 m1 = λ(L + 1 − Q2 ) soit m1 = Q1 (L + 1) − Q1 Q2 et µ2 m2 = λ(αQ2 + β(L + 1)) soit
m2 = (αQ2 + β(L + 1)) Qβ2 .
Finalement L = m1 + m2 = (L + 1)(Q1 + Q2 ) − Q1 Q2 + α 2
β Q2 .
2
Q1 +Q2 −Q1 Q2 + α
β Q2
On retrouve bien L = 1−Q1 −Q2 .
A.N. : λ = 4, µ1 = 6, µ2 = 3, β = 15 , Q1 = 23 , Q2 = 4 1
15 , µ = 14mn.
58
On trouve L = 25 = 2, 32, Lq = 1, 4, W = 35mn, Wq = 21mn .
 3

3. Les membres d’un club de Tennis se présentent à l’unique court du village suivant un
processus de Poisson d’intensité 2λ. Les joueurs occupent le court 2 par 2 dans leur ordre
d’arrivée, pendant une durée exponentielle de taux µ.
a) Tracer le graphe et écrire les équations vérifiées par les probabilités stationnaires.
Montrer que pour k ≥ 1, 2λpk = µ(pk+1 + pk+2 ) et que λ = µ(1 − p0 − p1 ).
b) On cherche une solution telle que pk = crk pour k ≥ 1. Montrer qu’alors r
satisfait r2 + r − 2λ
µ
= 0, qu’on doit avoir λ < µ, puis que p0 + c 1−r r
= 1 et en déduire pk .

a) les différentes transitions possibles correspondent à l’arrivée d’un joueur ou au départ de 2 joueurs
(ils jouent par 2). On a donc le graphe et les équations de balance suivants :
2λp0 = µp2
2λp1 = 2λp0 + µp3
(2λ + µ)p2 = 2λp1 + µp4
..
.
(2λ + µ)pk = 2λpk−1 + µpk+1
..
.
puis, par substitutions successives,
2λp0 = µp2
2λp1 = µp2 + µp3
(2λ + µ)p2 = µp2 + µp3 + µp4
..
.
(2λ + µ)pk = 2λpk−1 + µpk+2
..
.
ce qui donne 2λp2 = µp3 + µp4 et, par récurrence, si 2λpk−1 = µpk + µpk+1 , on a alors (2λ + µ)pk =
µpk + µpk+1 + µpk+2 , d’où 2λpk = µpk+1 + µpk+2 pour k ≥ 1 .
P P P
En sommant ces équations, on obtient 2λ pk = µ pk + µ pk et en ajoutant la première (2λp0 =
k≥1 k≥2 k≥3
P P P
µp2 ), on a alors 2λ pk = 2µ pk , soit λ = µ(1 − p0 − p1 ) compte-tenu de pk = 1.
k≥0 k≥2 k≥0

b) On vient de voir que (pk )k≥1 est une suite récurrente linéaire, d’équation caractéristique
√

r2 + r − 2ρ = 0, où l’on a posé ρ = µλ . Les solutions de cette équation sont ri = 12 −1 ± 1 + 8ρ ,
et comme les probabilités sont toujours positives, on doit avoir r > 0 et la seule solution acceptable est
√

r = 12 −1 + 1 + 8ρ . De plus, la série de terme général pk étant convergente, on doit avoir r < 1,
√
soit −1 + 1 + 8ρ < 2, ou 1 + 8ρ < 9, c’est-à-dire ρ < 1, soit λ < µ (ce qui semble logique puisque les
départs se font par 2).
P P r r
On a pk = 1 = p0 + crk = p0 + c 1−r , donc p0 + c 1−r =1.
k≥0 k≥1
2
r r
De plus, d’après a), ρ = 1 − p0 − p1 , d’où ρ = c 1−r − cr = c 1−r . On en déduit c = ρ 1−r
r 2 , et comme
1−r 2
ρ = 12 r(r + 1), c = 2r
r
et 1 − c 1−r = 1 − 12 (1 + r), d’où finalement,

p0 = 12 (1 − r) et pk = 12 (1 − r2 )rk−1 pour k ≥ 1 .

4. Des clients se présentent suivant un processus de Poisson de taux λ. Il y a 2 guichets

et le service est composé de 2 phases successives indépendantes de même loi exponentielle
de taux µ. Lorsqu’il n’y a aucune place en attente, donner le graphe et les probabilités
4

des états en régime stationnaire. Calculer la probabilité de rejet d’un client et le nombre
moyen de clients. Comparer avec un seul guichet sans attente de taux total µ.

Pour décrire complètement les états, il faut indiquer dans quelle phase du service se trouvent les
clients. On a le graphe et les équations de balance suivants :
λp0 = µp0,1
λp1,0 = 2µp2,0
µp1,1 = 2µp0,2
.
2µp1,1 = 2µp2,0 + λp0,1
(λ + µ)p1,0 = λp0 + µp1,1
(λ + µ)p0,1 = µp1,0 + 2µp0,2
On en déduit :
p0,1 = µλ p0
λ
p2,0 = 2µ p1,0
p1,1 = 2p0,2
puis, en reportant dans la quatrième équation,
λ λ2
p1,1 = 2µ p1,0 + 2µ 2 p0 .

On a ensuite, avec la cinquième équation,

λ2 λ2
(λ + µ)p1,0 = λp0 + λ2 p1,0 + 2µ p0 , soit ( λ2 + µ)p1,0 = µλ ( λ2 + µ)p0 et p1,0 = µλ p0 , puis p2,0 = 2µ2 p0 ,
λ2 λ 2
p1,1 = µ2 p0 et enfin p0,2 = 2µ 2 p0 . On obtient alors p0 en écrivant que la somme des probabilités de
h i
λ2
tous les états vaut 1, soit p0 1 + 2 λµ + 2 2µ 2 = 1 d’où, si ρ = λµ ,

1 ρ2
p0 = 1+2ρ+2ρ2 , p1,0 = p0,1 = ρp0 , p2,0 = p0,2 = 2 p0 et p1,1 = ρ2 p0 .

La probabilité qu’un client soit rejeté est la probabilité qu’il arrive lorsque les deux guichets sont pris,
2ρ2 1
c’est-à-dire p2,0 + p1,1 + p0,2 = 2ρ2 p0 , soit probabilité de rejet : 1+2ρ+2ρ2 = 1+ ρ1 + 2ρ12
.

2ρ+4ρ2 2+ ρ1
Le nombre moyen de clients est (p1,0 + p0,1 ) + 2pr = 1+2ρ+2ρ2 = 1+ ρ1 + 1 .
2ρ2

Dans le cas d’un service sans attente à un seul guichet de taux total µ, le temps de service moyen est µ1
1
donc chaque phase dure en moyenne 2µ c’est-à-dire que chaque phase suit la loi exponentielle E(2µ). On
n’a alors que 3 états avec :
λp0 = 2µp0,1
λp0 = 2µp1,0 ,
p1,0 = p0,1
d’où p0 (1 + ρ) = 1.
1 ρ
On en déduit p0 = 1+ρ et p1,0 = p0,1 = 2(1+ρ) .
ρ 1
La probabilité de rejet est ici 1+ρ = 1+ 1 et c’est le nombre moyen de clients :
ρ

il y a plus de clients rejetés dans le cas d’un seul guichet 2 fois plus rapide .

5. Un lavage “reflex” comporte 4 programmes de durées respectives 3mn, 5mn, 6mn et

10mn, choisis avec les fréquences respectives 30%, 40%, 20% et 10%. Les arrivées des
voitures sont Poissonniennes, au rythme moyen de λ = 6 par heure et la durée du service
se décompose en 2 parties indépendantes : l’installation exponentielle de moyenne 1mn
et le lavage.
 5

Déterminer les caractéristiques du système.

Pour les caractéristiques d’un système M/G/1, on a besoin de connaı̂tre l’espérance et la variance de
la durée du service Y . On a Y = Y1 + Y2 avec Y1 et Y2 indépendantes, Y1 de loi exponentielle E(1) et Y2
discrète telle que P (Y2 = 3) = 0, 3, P (Y2 = 5) = 0, 4, P (Y2 = 6) = 0, 2 et P (Y2 = 10) = 0, 1.
IE(Y1 ) = µ11 = 1 ; IE(Y2 ) = 3 × 0, 3 + 5 × 0, 4 + 6 × 0, 2 + 10 × 0, 1 = 5, 1 et IE(Y ) = 6, 1mn. On a alors
µ = IE1(Y ) = 6,1
1
mn−1 et, comme λ = 10 1
mn−1 , on a ρ = µλ = 0, 61 .
var(Y1 ) = µ12 = 1 et IE(Y22 ) = 9 × 0, 3 + 25 × 0, 4 + 36 × 0, 2 + 100 × 0, 1 = 29, 9 donc var(Y2 ) = IE(Y22 ) −
1
IE(Y2 )2 = 29, 9 − 5, 12 = 3, 89 et comme Y1 et Y2 sont indépendantes, var(Y ) = var(Y1 ) + var(Y2 ) = 4, 89.
On a alors
ρ2 + λ2 var(Y )
L=ρ+ ,
2(1 − ρ)
0,612 +0,0389 L
soit ici L = 0, 61 + 2×0,39 , d’où L ≈ 1; 14 . Par les formules de Little, on obtient alors W = λe
avec ici λe = λ, donc W ≈ 11, 4 mn ≈ 11 mn 22 s , puis Wq = W − µ1 , soit Wq ≈ 5, 3 mn ≈ 5mn 16s
et Lq = λe Wq , soit Lq ≈ 0, 53 .

6. Un cabinet médical travaille en permanence avec 2 médecins dont les patients arrivent
suivant un processus de Poisson d’intensité λi et dont les durées de consultation sont
exponentielles, de taux µi (i = 1, 2). Le cabine dispose d’une seule place d’attente,
commune aux 2 médecins.
Déterminer le graphe, les probabilités d’occupation de chaque état en régime station-
naire (états (i, j) où i (resp. j) est le nombre de patients du docteur 1 (resp. 2) dans le
cabinet). En déduire le nombre moyen de patients dans le cabinet, la proportion de temps
libre pour chaque médecin et la proportion de patients rejetés lorsque λ1 = 5, λ2 = 4,
µ1 = 3 et µ2 = 2.

On a le graphe et les équations d’équilibre suivants :



 (λ1 + λ2 )p0 = µ1 p10 + µ2 p01



 (λ1 + λ2 + µ1 )p10 = λ1 p0 + µ1 p20 + µ2 p11



 (λ1 + λ2 + µ2 )p01 = λ2 p0 + µ2 p02 + µ1 p11

(λ2 + µ1 )p20 = λ1 p10 + µ2 p21

 (λ1 + µ2 )p02 = λ2 p01 + µ1 p12



 (µ1 + µ2 )p21 = λ2 p20 + λ1 p11



 (µ1 + µ2 )p12 = λ1 p02 + λ2 p11

 p0 + p10 + p01 + p20 + p11 + p02 + p12 + p21 = 1

 9p0 = 3p10 + 2p01



 12p 10 = 5p0 + 3p20 + 2p11



 11p 01 = 4p0 + 2p02 + 3p11  

7p20 = 5p10 + 2p21 λ1 = 5 µ1 = 3
soit avec et .

 7p02 = 4p01 + 3p12 λ 2 = 4 µ 2 =2



 5p21 = 4p20 + 5p11



 5p12 = 5p02 + 4p11

p0 + p10 + p01 + p20 + p11 + p02 + p12 + p21 = 1
Avec la calculatrice, on obtient :
6


  p20 ≈ 0, 103 
p10 ≈ 0, 062 p21 ≈ 0, 206
p0 ≈ 0, 037, , p ≈ 0, 123 , .
p01 ≈ 0, 074  11 p12 ≈ 0, 247
p02 ≈ 0, 148
On a alors L = (p10 + p01) + 2(p20 + p11 + p02 ) + 3(p21 + p12 ), soit L ≈ 2, 2 .

p0 + p01 + p02 ≈ 0, 26 et p0 + p10 + p20 ≈ 0, 20 : le premier médecin est libre pendant 26% du temps
et le deuxième pendant 20% du temps.

Un patient est refusé si le cabinet est plein (avec la probabilité p21 +p12 ≈ 0, 453), ou bien si c’est un pa-
tient du docteur 1 (resp. 2) et qu’il y a déjà 2 patients pour ce médecin (probabilité 59 p20 + 49 p02 ≈ 0, 123),
d’où environ 58% des patients sont rejetés , ce qui est énorme, compte-tenu du fait que les médecins sont
souvent libres. On a donc intérêt à ajouter des chaises dans la salle d’attente.
 RÉSEAUX MONOCLASSES : Corrigés des exercices

1. On considère un réseau ouvert constitué de 4 stations à un unique serveur. Les

processus d’arrivée des clients aux stations 1, 2 et 3 sont supposés poissoniens de taux
λ, 2λ et 3λ. Les temps de service des 4 stations sont supposés exponentiels de taux 3kµ,
2kµ, kµ et 6µ, où k est un réel positif. Un client terminant son service à l’une des stations
1, 2 ou 3 va à la station 4. Un client terminant son service à la station 4 quitte le réseau
1 1
avec une probabilité , retourne à la station 1 avec une probabilité et retourne à la
3 2
1
station 3 avec une probabilité .
6
a) Calculer les taux de visite des stations de ce réseau et déterminer la condition de
stabilité.
b) Pour λ et µ donnés, quelle valeur doit prendre k pour que le taux d’utilisation de
la station 2 soit identique à celui de la station 4 ?

On note Λ le taux d’arrivée des clients dans le système. On a alors Λp0,1 = λ, Λp0,2 = 2λ et
1 1 1
Λp0,3 = 3λ, avec p0,1 + p0,2 + p0,3 = 1, donc Λ = 6λ et p0,1 = , p0,2 = et p0,3 = .
6 3 2
a) Les (ei ) sont solutions du système :

 1 1

 e1 = + e4

 6 2

 1
e2 =
3

 1 1

 e3 = + e4

 2 6

e4 = e1 + e2 + e3

2 2
En additionnant la première et la troisième, on obtient e1 + e3 = + e4 et en reportant dans la dernière,
3 3
2 1 1 3
on a alors e4 = 1 + e4 , soit e4 = 3 , vu qu’on avait déjà e2 = . Enfin, on en déduit e3 = + , soit
3 3 2 6
1 3 5
e3 = 1 , puis e1 = + , soit e1 = .
6 2 3
Λei 6λe1 10λ
Le système est stable si, pour chaque station, ρi < 1, avec ρi = . On a ici ρ1 = = ,
µi µ1 3kµ
6λe2 λ 6λe3 6λ 6λe4 3λ
ρ2 = = , ρ3 = = et ρ4 = = . La condition de stabilité est donc
µ2 kµ µ3 kµ µ4 µ
   
λ 3k k 1 λ k 1
< min , k, , , soit < min , .
µ 10 6 3 µ 6 3
λ 3λ 1 λ 1
b) On veut avoir ρ2 = ρ4 , soit = . Pour cela, il faut k = et < .
kµ µ 3 µ 18

2. On considère le réseau de files d’attente ouvert symétrique constitué de M stations

à serveur unique, de temps de service distribués suivant une loi exponentielle de taux µ.
Le processus d’arrivée des clients est poissonien de taux λ. Un client qui arrive se dirige
de façon équiprobable vers l’une quelconque des M stations et lorsqu’un client quitte la
station i, il y retourne avec une probabilité p, va à l’une quelconque des autres stations
avec une probabilité q et quitte le réseau avec une probabilité r.
a) Que doivent satisfaire p, q et r ? Calculer les taux de visite aux différentes stations.
b) Pour des valeurs fixées de λ, µ et r, quelle est la valeur minimale de M qui rend le
système stable ? Déterminer alors les performances globales du système.
c) On considère maintenant un réseau fermé symétrique à M stations, chacune à
serveur unique exponentiel de taux µ. Le nombre total de clients vaut N . Lorsqu’un
client quitte la station i, il y retourne avec une probabilité p et va à l’une quelconque
des autres stations avec une probabilité q pour chacune. Calculer les taux de visite aux
différentes stations ; donner l’expression des probabilités stationnaires, ainsi que celle de
la constante de normalisation.

1
a) On doit avoir p + (M − 1)q + r = 1 et, comme p0,i = , les ei sont solutions de
M
X XM
1 1
ei = + pei + qej = + (p − q)ei + q ej .
M M j=1
j6=i

On a donc, tout d’abord, l’égalité de tous les ei puis :

1
(1 − p + q)e1 = + qM e1
M
1
soit (1 − p − (M − 1)q)e1 = , et, compte-tenu que 1 − p − (M − 1)q = r, on a donc
M
1
ei = pour tout i ∈ {1, · · · , M }.
rM
λei λ
b) Le système est stable si, pour chaque station, ρi < 1 avec ρi = = . Pour que le système
µi µrM
λ
soit stable, on doit prendre M > et, comme M est un entier, le plus petit M qui convient est
µr
 
λ
M0 = Ent +1 .
µr

M ρi λ M0 λ L M0
On a alors L = M × Li = = λ
, soit L = , d = λ et W = = .
1 − ρi µr − M
M0 µr − λ λ M0 µr − λ
c) On pose e1 = 1 et, comme toutes les stations jouent le même rôle, on a donc ei = 1 pour tout
i ∈ {1, · · · , M }.
ei 1
On a donc ici 1 = p + (M − 1)q (c’est-à-dire r = 0), puis = et
µi µ
 N
1 1
π(−
→
n ) = π(n1 , · · · , nM ) =
G(M, N ) µ

card({−
→ M −1
n ; n1 + · · · + nM = N }) CN 1
donc G(M, N ) = = +M −1
et π(−
→
n ) = M −1 .
µM µM CM +N −1

3. On considère un réseau fermé constitué de M = 4 stations à serveur simple dans lequel

1 1
circulent N clients. Les probabilités de routage sont p12 = p13 = p23 = p24 = ; p34 = ;
2 3
 2 1 1
p3,1 = ; p41 = 1. Les taux de service des 4 stations sont donnés par µ1 = , µ2 = ,
3 t 2s
3 1
µ3 = et µ4 = , où t et s sont deux réels positifs.
4s 2t
a) Calculer les taux de visite des différentes stations. Donner l’expression des proba-
bilités stationnaires et exprimer la constante de normalisation sous forme d’une somme
simple.
On suppose par la suite N = 4, t = 2 et s = 1.
b) Calculer la constante de normalisation. Quelle est la proportion de temps pendant
laquelle les stations 1 et 4 comportent le même nombre de clients ?
c) Donner le nombre moyen de clients présents dans l’ensemble des stations 1 et 4 et
en déduire le nombre moyen de clients présents à chaque station.

1 1 1 1 3
a) On pose e1 = 1 . On doit avoir e2 = e1 , soit e2 = , e3 = e1 + e2 , soit e3 = ,
2 2 2 2 4
1 1 1 2
e4 = e2 + e3 , soit e4 = et on a bien e1 = e3 + e4 = 1.
2 3 2 3
e1 e2 e3 e4 1
On a alors = t, = s, = s et = t, puis π(−
→
n ) = π(n1 , n2 , n3 , n4 ) = tn1 +n4 sn2 +n3
µ1 µ2 µ3 µ4 G(4, N )
X N
X
avec G(4, N ) = tn1 +n4 sn2 +n3 , soit G(4, N ) = (k + 1)(N − k + 1)tk sN −k .
n1 +n2 +n3 +n4 =N k=0
4
X
b) Pour N = 4, t = 2 et s = 1, G(4, 4) = (k + 1)(5 − k)2k = 1 × 5 × 1 + 2 × 4 × 2 + 3 × 3 × 4 + 4 ×
k=0
2 × 8 + 5 × 1 × 16 = 5 + 16 + 36 + 64 + 80, soit G(4, 4) = 201 que l’on peut aussi calculer par l’algorithme
de convolution, en introduisant successivement les stations 2, 3, 1 et 4 pour commencer par les ρi égaux
à 1.
station 2 : ρ2 = 1 station 3 : ρ3 = 1 station 1 : ρ1 = 2 station 4 : ρ4 = 2
N =0 1 1 1 1
N =1 1 2 4 6
N =2 1 3 11 23
N =3 1 4 26 72
N =4 1 5 57 201

Les stations 1 et 4 comportent le même nombre de clients dans les états (0, n2 , n3 , 0) avec n2 + n3 = 4
1
(5 états), (1, n2 , n3 , 1) avec n2 + n3 = 2 (3 états) et (2, 0, 0, 2). On a alors π = (5 + 3 × 4 + 24 ),
G(4, 4)
33 11
soit π = = ≈ 16, 4% .
201 67
c) Vu les rôles symétriques de n1 et n4 dans − →π , ainsi que de n2 et n3 , on a −
→
π1 = − →
π 4 et −
→
π2 = −→π3
4
X (k + 1)(5 − k)2k 1
donc L1 = L4 et L2 = L3 . Or L1 + L4 = k = (2 × 4 × 2 + 2 × 3 × 3 × 4 + 3 ×
201 201
k=0
16 + 72 + 192 + 320 600
4 × 2 × 8 + 4 × 5 × 16) = , soit L1 + L4 = ≈3.
201 201
On a alors L1 = L4 ≈ 1, 5 et comme L = L1 + L2 + L3 + L4 = 4, L2 + L3 = 1 donc L2 = L3 ≈ 0, 5 .
1
On peut aussi utiliser l’algorithme MVA. Li (0) = 0 et Wi (1) = soit e1 W1 (1) = e4 W4 (1) = 2,
µi
1 1
e2 W2 (1) = e3 W3 (1) = 1 et d(1) = , puis Li (1) = d(1)ei Wi (1), soit L1 (1) = L4 (1) = et L2 (1) =
6 3
  
1 1 8 1 7 1 6
L3 (1) = . Ensuite e1 W1 (2) = 2 1 + = , e2 W2 (2) = 1 + = ; d(2) = 8 7 = ;
6 3 3 6 6 + 23
  3 6
16 7 16 78 7 30
L1 (2) = d(2)e1 W1 (2) = , L2 (2) = . Puis e1 W1 (3) = 2 1 + = , e2 W2 (3) = 1 + = ,
23 23 23 23 23 23
3 23 23 78 39 13 30 15 5
d(3) = = ; L1 (3) = d(3)e1 W1 (3) = = = , L2 (3) = = = . Enfin,
2 108 72  72 36 12 72 36 12
13 50 5 17 24 100
e1 W1 (4) = 2 1 + = , e2 W2 (4) = 1 + = , d(4) = , puis L1 (4) = d(4)e1 W1 (4) = et
12 12 12 12 67 67
34
L2 (4) = .
67

4. On considère un premier réseau fermé constitué de M = 3 stations à serveurs simples,

de taux de service respectifs µi et dans lequel circulent N clients. Les probabilités de
1
routages sont p1,2 = p1,3 = ; p2,1 = 1 − p, p2,3 = p ; p3,1 = 1 − q, p3,2 = q.
2
a) Calculer les taux de visite des différentes stations. Donner l’expression des proba-
bilités stationnaires et celle de la constante de normalisation.
b) Que doivent satifaire µ1 , µ2 , µ3 , p et q pour que les probabilités stationnaires du
réseau soient celles du réseau où chaque station à pour taux µ et vérifiant p1,2 = p2,3 =
p3,1 = 1. Calculer alors la constante de normalisation du réseau.

1 1
a) On pose e1 = 1. On a alors e2 = e1 p1,2 + e3 p3,2 = + qe3 ; e3 = e1 p1,3 + e2 p2,3 = + pe3 et
2 2
e1 = e2 p2,1 + e3 p3,1 = (1 − p)e2 + (1 − q)e3 .
1
En remplaçant e1 par 1 et e2 par + qe3 dans la dernière relation, on obtient alors
2
1−p
1= + q(1 − p)e3 + (1 − q)e3 ,
2
1+p 1+q
soit e3 = et, par symétrie entre les rôles de p et q, e2 = .
2(1 − pq) 2(1 − pq)
 n1  n2  n3
1 1 1+q 1+p
On a alors π(−
→
n ) = π(n1 , n2 , n3 ) = et
G(3, N ) µ1 2µ2 (1 − pq) 2µ3 (1 − pq)
X  n1   n2  n3
1 1+q 1+p
G(3, N ) = .
µ1 2µ2 (1 − pq) 2µ3 (1 − pq)
n1 +n2 +n3 =N

b) Pour un réseau où chaque station a pour taux µ et qui vérifie p1,2 = p2,3 = p3,1 = 1, on a e01 = 1,
e02
= p1,2 e1 = 1, e03 = p2,3 e01 = 1 et
 N
→
− 1 1
π( n ) = π(n1 , n2 , n3 ) = 0
G (3, N ) µ
 N
0 1 2 (N + 2)(N + 1)
avec G (3, N ) = CN +2 = .
µ 2µN
Les expressions des probabilités stationnaires sont les mêmes lorsque

2(1 − pq) 2(1 − pq)

µ1 = µ2 = µ3 = µ.
1+q 1+p

(N + 2)(N + 1)
On a alors G(3, N ) = G0 (3, N ) = .
2µN