Quelle loi de probabilité choisir ? Guide pour les modèles de simulation de Monte-Carlo
Choisissez la loi d’après ce que vous savez de la grandeur incertaine, et non d’après son nom. Une valeur basse, une valeur la plus probable et une valeur haute données par un expert appellent une distribution PERT ou une loi triangulaire ; un montant positif à longue queue à droite, comme un coût ou une durée, une loi log-normale ; une mesure symétrique, une loi normale ; un temps avant défaillance, une loi de Weibull ; un nombre d’événements, une loi de Poisson ; un événement qui survient ou non, une loi de Bernoulli ; une part comprise entre 0 et 1, une loi bêta, et des parts qui doivent former un tout, une loi de Dirichlet ; la plus grande valeur d’une période, une loi de Gumbel ou une loi GEV ; un total de pertes, en nombre comme en montant, une distribution composée ; et des données historiques, une loi ajustée. Le sélecteur ci-dessous pose une ou deux questions et nomme la loi ; xellstorm en propose 52 au total, dont vos propres tables.
Trouver votre loi
Choisissez ce qui décrit votre grandeur incertaine. Quand une réponse ne suffit pas, une seconde question s’ouvre en dessous.
Les lois en un coup d’œil
Les paramètres portent les noms du menu des distributions de xellstorm. Chaque loi accepte aussi une troncature (ne garder que les valeurs comprises entre deux bornes) et un décalage.
| Loi | Décrit | Paramètres | Tirage dans Excel |
|---|---|---|---|
| Distribution PERT | Estimations d’experts avec bornes, valeur la plus probable jugée la plus sûre | min, probable, max | BETA.INV(RAND(), α, β, min, max) |
| Loi triangulaire | Estimations d’experts avec bornes, valeurs proches des bornes possibles | min, probable, max | Un IF avec SQRT, voir le guide |
| Loi uniforme | Une fourchette sans valeur favorite | min, max | min+(max-min)*RAND() |
| Loi normale | Variation symétrique : mesures, erreurs, totaux de nombreuses parties | moyenne, écart type | NORM.INV(RAND(), mean, sd) |
| Loi log-normale | Montants positifs à longue queue à droite : coûts, pertes, durées | s, scale, loc | LOGNORM.INV(RAND(), LN(median), s) |
| Loi gamma | Positive, asymétrique à droite ; le total de plusieurs attentes | a, scale, loc | GAMMA.INV(RAND(), shape, scale) |
| Loi bêta | Parts et taux compris entre 0 et 1 | a, b, loc, scale | BETA.INV(RAND(), α, β) |
| Loi de Weibull | Temps avant défaillance, usure ou défaillances précoces | forme, scale, loc | scale*(-LN(1-RAND()))^(1/shape) |
| Loi exponentielle | Temps entre des événements aléatoires à rythme constant | scale, loc | -mean*LN(1-RAND()) |
| Loi de Poisson | Événements sur une période, à un rythme moyen | moyenne | Un tableau de POISSON.DIST et de COUNTIF, voir le guide |
| Loi binomiale négative | Comptages plus irréguliers que ceux d’une loi de Poisson : demande, défauts groupés | n, p | Un tableau de NEGBINOM.DIST et de COUNTIF |
| Loi de Bernoulli | Un événement qui se produit (1) ou non (0) | p | IF(RAND()<p, 1, 0) |
| Loi binomiale | Nombre de « oui » sur n épreuves | n, p | BINOM.INV(n, p, RAND()) |
| Loi uniforme entière | Nombres entiers d’une fourchette, tous équiprobables | bas, haut | RANDBETWEEN(low, high) |
| Table discrète | Quelques valeurs possibles avec leurs probabilités | un tableau de valeurs et de probabilités | Une recherche dans les probabilités cumulées |
| Triangulaire à partir de centiles | Une triangulaire définie par un centile bas et un centile haut, et non par des bornes | bas, probable, haut, bas %, haut % | – |
| Loi de Student | Symétrique à queues épaisses : rendements, erreurs avec valeurs aberrantes | df, loc, scale | loc+scale*T.INV(RAND(), df) |
| Loi de Gumbel | Le maximum de nombreuses valeurs : charges de pointe annuelles, crues | loc, scale | loc-scale*LN(-LN(RAND())) |
| Loi GEV (valeur extrême généralisée) | Le maximum de nombreuses valeurs, avec une queue plus épaisse ou une borne supérieure | forme (c), loc, scale | loc+scale*(1-(-LN(RAND()))^c)/c |
| Metalog | Une forme souple passant par plusieurs centiles | un tableau de valeurs et de probabilités | – |
| Distribution composée | Le total d’un nombre aléatoire d’événements, chacun avec son propre montant : sinistres, pertes | fréquence, sévérité, franchise, plafond | – |
| Distribution raccordée (corps + queue) | Une loi sous un point, une autre au-dessus : un corps et une queue épaisse | sous le point, au-dessus du point, point de raccord, part en dessous | – |
| Loi de Dirichlet (parts d’un total) | Parts dont la somme vaut le total à chaque itération : parts de marché, répartition d’un budget | alpha par cellule, total | GAMMA.INV(RAND(), alpha, 1) dans chaque cellule, divisé par la somme |
xellstorm propose 52 lois. Le menu de l’application en compte 29, et 23 autres sous « Autres familles », pour la plupart rencontrées dans des modèles conçus pour des compléments Excel, que xellstorm convertit à l’import (voir migrer un modèle depuis un complément).
Le fichier Excel : chaque loi sous forme de formule
Le fichier Excel de cette page compte une ligne par loi : ses paramètres, un nombre aléatoire issu de RAND(), un tirage, puis la moyenne, le P10 et le P90 calculés par formule. Appuyez sur F9 et tous les tirages changent. Ses dernières colonnes reprennent les mêmes lois comme entrées xellstorm : une exécution donne ainsi côte à côte les tirages d’Excel et ceux de xellstorm. Chaque guide de ce site vérifie les formules du fichier sur 10 000 tirages de ce genre.
| Loi | Exemple et paramètres | Moyenne | P10 | P90 |
|---|---|---|---|---|
| Loi normale | Demande de la saison prochaine (unités) Moyenne 1 000, écart type 200 | 1 000 | 744 | 1 256 |
| Loi log-normale | Coût de réparation d’un sinistre (dollars US) Médiane 2 000, dispersion de ln 0,8 | 2 754 | 717 | 5 576 |
| Loi triangulaire | Coût d’un article (milliers de dollars US) Min 80, plus probable 100, max 140 | 106,7 | 91,0 | 124,5 |
| Distribution PERT | Coût d’un article (milliers de dollars US) Min 80, plus probable 100, max 140 | 103,3 | 89,2 | 118,7 |
| Loi uniforme | Prix unitaire (dollars US) Min 40, max 60 | 50 | 42 | 58 |
| Loi de Weibull | Durée de vie d’une pompe (heures) Forme 1,5, échelle 20 000 | 18 055 | 4 462 | 34 874 |
| Loi exponentielle | Temps entre deux pannes (heures) Moyenne 500 | 500 | 53 | 1 151 |
| Loi de Poisson | Réclamations en une semaine Moyenne 4 | 4 | 2 | 7 |
| Loi binomiale négative | Commandes en une semaine, plus variables Succès 4, probabilité 0,5 | 4 | 1 | 8 |
| Loi de Bernoulli | Un risque survient (1) ou non (0) Probabilité 0,3 | 0,3 | 0 | 1 |
| Loi binomiale | Unités défectueuses dans un lot de 50 Épreuves 50, probabilité 0,04 | 2 | 0 | 4 |
| Loi bêta | Part des clients qui renouvellent Alpha 8, bêta 2 | 80,0 % | 63,2 % | 93,9 % |
| Loi gamma | Jours pour terminer trois réparations à la suite Forme 3, échelle 2 | 6,0 | 2,2 | 10,6 |
Erreurs fréquentes
- Une loi normale pour un coût ou une durée. Elle est symétrique et peut devenir négative ; les coûts et les durées dépassent plus souvent l’estimation qu’ils ne restent en dessous.
- Un P10 et un P90 utilisés comme min et max. Ils écartent un cinquième des résultats. Ajustez plutôt une loi à ces centiles.
- Les mauvais paramètres dans
LOGNORM.INV. Elle prend la moyenne et l’écart type du logarithme, et non ceux des valeurs. - Probabilité × impact comme nombre fixe. Un risque ne coûte rien ou coûte tout son impact ; une loi de Bernoulli multipliée par l’impact respecte cela, une espérance non.
- Des entrées qui évoluent ensemble, tirées comme si elles étaient indépendantes. Les prix et les volumes, ou les coûts de corps d’état qui partagent une équipe, montent souvent ensemble : corrélez-les, sinon la dispersion du total sort trop étroite.
- Des centiles additionnés. La somme des P90 de plusieurs postes n’est pas le P90 de leur total : simulez le total (voir P50, P80 et P90).
Un guide par loi
- Guide
Distribution PERT dans Excel : formule, moyenne et quand l’utiliser
Une PERT est une distribution bêta de min à max, de moyenne (min + 4 × probable + max)/6. La formule Excel BETA.INV, et PERT contre triangulaire. - Guide
Loi triangulaire dans Excel : formule, moyenne et comparaison avec la PERT
Une loi triangulaire transforme un minimum, une valeur la plus probable et un maximum en probabilités linéaires. La formule Excel des tirages aléatoires et des centiles, sa moyenne, et triangulaire contre PERT. - Guide
Loi uniforme dans Excel : nombres aléatoires entre deux valeurs
Une loi uniforme rend équiprobables toutes les valeurs entre un min et un max. La formule Excel, RANDBETWEEN pour les nombres entiers, la moyenne, et les cas où une simple fourchette suffit. - Guide
Loi normale dans Excel : formule NORM.INV, moyenne et écart type
Tirez une valeur d’une loi normale dans Excel avec NORM.INV(RAND(), mean, sd) (LOI.NORMALE.INVERSE.N et ALEA en français), lisez son P10 et son P90, et voyez quand la courbe en cloche convient ou non. - Guide
Loi log-normale dans Excel : LOGNORM.INV, paramètres et usage
Une loi log-normale est positive, avec une longue queue à droite. Comment fonctionnent les paramètres de LOGNORM.INV, comment les tirer d’une moyenne et d’un écart type, et quand l’utiliser. - Guide
Loi gamma dans Excel : temps d’attente, totaux et GAMMA.INV
La loi gamma décrit des grandeurs positives et asymétriques à droite, comme la durée totale de plusieurs étapes. Forme et échelle, GAMMA.INV et GAMMA.DIST dans Excel, et gamma contre log-normale. - Guide
Loi bêta dans Excel : parts, taux et pourcentages incertains
La loi bêta décrit une part ou un taux incertain compris entre 0 et 1. Ce que signifient alpha et bêta, comment les fixer à partir d’une moyenne et d’un écart type, et BETA.INV dans Excel. - Guide
Loi de Weibull dans Excel : forme, échelle et temps avant défaillance
La loi de Weibull modélise le temps avant défaillance : forme inférieure à 1 pour des défaillances précoces, égale à 1 pour des défaillances aléatoires (loi exponentielle), supérieure à 1 pour l’usure. Formules Excel, durée de vie B10 et cas exponentiel. - Guide
Loi de Poisson dans Excel : compter des événements, et quand préférer la loi binomiale négative
La loi de Poisson compte les événements d’une période à un rythme moyen connu. POISSON.DIST, des tirages aléatoires de Poisson dans Excel sans fonction inverse, et la loi binomiale négative pour les comptages plus dispersés. - Guide
Lois de Bernoulli et binomiale dans Excel : événements oui ou non et nombre de « oui » sur n épreuves
Une loi de Bernoulli décrit un événement oui ou non, comme un risque qui survient ou non ; une loi binomiale compte les « oui » sur n épreuves. Formules Excel, BINOM.DIST et BINOM.INV, et registres des risques.
Questions fréquentes
Quelle loi choisir quand on n’a pas de données ?
Demandez à ceux qui connaissent la grandeur une valeur basse, une valeur la plus probable et une valeur haute, puis utilisez une distribution PERT ou une loi triangulaire. Si leurs valeurs basse et haute sont des cas « une chance sur dix » et non des bornes, ajustez plutôt une loi à ces centiles. Vérifiez ensuite avec eux ce que les nombres impliquent (moyenne, P10 et P90).
Quelle loi convient le mieux aux estimations de coûts ?
Pour chaque poste de coût, une PERT ou une loi triangulaire à partir d’une estimation à trois points, ou une loi log-normale quand il n’y a pas de maximum ferme. Pour les risques qui peuvent survenir ou non, une loi de Bernoulli multipliée par l’impact. Le total est ensuite simulé, et non estimé : voir l’exemple de la provision pour aléas d’un projet de construction.
Quelle loi choisir pour la durée des tâches ?
Une PERT ou une loi triangulaire à partir d’une estimation à trois points de chaque tâche, ou une loi log-normale ajustée aux durées passées. Toutes deux admettent une longue queue à droite. Pour le planning, simulez le réseau de tâches : voir l’analyse des risques de planning.
Quelle loi choisir pour des sinistres d’assurance ou des pertes opérationnelles ?
Modélisez séparément le nombre de pertes d’une période et le montant de chacune, puis laissez une distribution composée les additionner : une loi de Poisson ou binomiale négative pour le nombre, une loi log-normale, gamma ou de Pareto pour le montant. Quand les grosses pertes suivent une queue plus épaisse que les pertes ordinaires, raccordez au-dessus d’un seuil une loi de Pareto généralisée au corps de la distribution situé en dessous. Modélisés à part, le nombre et le montant se vérifient chacun sur leurs propres données, et une franchise ou un plafond s’applique à chaque perte.
Comment simuler des parts qui totalisent 100 % ?
Tirez-les ensemble avec une loi de Dirichlet, et non avec une loi distincte dans chaque cellule : des parts indépendantes totalisent rarement 100 %. Dans Excel, tirez GAMMA.INV(RAND(), alpha, 1) (LOI.GAMMA.INVERSE.N et ALEA dans Excel en français) dans chaque cellule, puis divisez chaque tirage par la somme des tirages ; dans xellstorm, choisissez Dirichlet (parts d’un total) pour la plage de cellules.
Comment savoir si une loi s’ajuste à mes données ?
Ajustez-en plusieurs et comparez-les. Dans xellstorm, « À partir de données » classe les ajustements selon l’AIC, qui récompense un bon ajustement et pénalise les paramètres superflus, et affiche pour chacun ses tests d’adéquation. Regardez aussi l’histogramme face à la courbe, surtout dans la queue qui compte pour votre décision, et méfiez-vous des petits échantillons.
Le choix de la loi change-t-il beaucoup les résultats ?
Il change les queues plus que le centre. Deux formes bâties sur les mêmes trois nombres ou sur la même moyenne donnent souvent des moyennes voisines, mais des P90 différents et des probabilités différentes de dépasser un budget. Quand cela compte, lancez les deux comme scénarios sur les mêmes tirages aléatoires et comparez.
À lire aussi
- Guide
Simulation de Monte-Carlo sur Excel, avec ou sans complément
Trois façons de lancer une simulation de Monte-Carlo sur un modèle Excel : RAND() et une table de données, un complément, ou un outil dans le navigateur sans complément. Formule PERT incluse. - Guide
P50, P80 et P90 : ce qu’ils signifient et à quel niveau budgétiser
Le P80 est le coût que 80 % des résultats simulés ne dépassent pas. Six postes de coût d’un bâtiment : leurs P80 totalisent 2 843, mais le P80 de leur somme est de 2 756 (milliers de dollars US). - Guide
Migrer un modèle depuis @RISK, ModelRisk ou Analytic Solver
xellstorm lit 164 fonctions de distribution de @RISK, ModelRisk et Analytic Solver, puis liste ce qu’il a converti et pourquoi il a laissé certaines formules.
xellstorm est un outil de simulation de Monte-Carlo qui fonctionne dans le navigateur, pour les modèles Excel : aucun complément, et votre fichier ne quitte jamais votre ordinateur.