Espérance, variance et applications

Variables aléatoires — Première Spécialité

Espérance, variance et applications

Introduction

L'espérance et la variance sont les deux indicateurs fondamentaux d'une variable aléatoire. L'espérance donne la valeur moyenne attendue, et la variance mesure la dispersion des résultats. Ce chapitre approfondit leurs propriétés et montre comment les utiliser pour analyser des jeux de hasard et prendre des décisions sous incertitude.


1. Espérance mathématique

Espérance mathématique : Soit X une variable aléatoire prenant les valeurs x₁, x₂, …, xₙ avec les probabilités p₁, p₂, …, pₙ.

L'espérance mathématique de X est :

E(X) = Σ(i=1→n) xᵢ pᵢ = x₁ p₁ + x₂ p₂ + ⋯ + xₙ pₙ

Interprétation : L'espérance E(X) représente la valeur moyenne de X lorsqu'on répète l'expérience un grand nombre de fois (loi des grands nombres).

Ce n'est pas forcément une valeur prise par X ! Par exemple, l'espérance du numéro d'un dé est 3,5.

Propriétés de l'espérance (linéarité)

Linéarité de l'espérance : Pour toute variable aléatoire X et tous réels a et b :

E(aX + b) = a E(X) + b

En particulier :

  • E(X + b) = E(X) + b (translation)
  • E(aX) = a E(X) (dilatation)

Démonstration. Si a = 0, aX + b vaut toujours b, et l'égalité est immédiate. Si a ≠ 0, les valeurs a xᵢ + b sont deux à deux distinctes, et aX + b prend la valeur a xᵢ + b avec la probabilité pᵢ, donc

E(aX + b) = Σ (a xᵢ + b) pᵢ = a Σ xᵢ pᵢ + b Σ pᵢ = a E(X) + b × 1.

Exemple : Un commercial touche un salaire fixe de 1 500 € plus une commission de 50 € par vente. Le nombre de ventes X par mois vérifie E(X) = 12.

Son salaire mensuel est S = 50X + 1500.

E(S) = 50 × E(X) + 1500 = 50 × 12 + 1500 = 2 100 €.

En moyenne, le commercial gagne 2 100 € par mois.


2. Variance et écart type

Variance : La variance de X mesure la dispersion des valeurs de X autour de son espérance :

V(X) = Σ(i=1→n) (xᵢ - E(X))² pᵢ

C'est la moyenne pondérée des carrés des écarts à l'espérance.

Formule de König-Huygens : La variance se calcule aussi par :

V(X) = E(X²) - [E(X)]²

où E(X²) = Σ(i=1→n) xᵢ² pᵢ.

C'est une propriété de la variance, démontrée à la leçon 1 ; elle donne souvent un calcul plus rapide que la définition.

Écart type : L'écart type de X est :

σ(X) = √(V(X))

Il est exprimé dans la même unité que X, ce qui le rend plus facile à interpréter que la variance.

Calculer V(X) avec König-Huygens :

  1. Calculer E(X) = Σ xᵢ pᵢ

  2. Calculer E(X²) = Σ xᵢ² pᵢ

  3. Appliquer V(X) = E(X²) - [E(X)]²

  4. En déduire σ(X) = √(V(X))


3. Jeu équitable

Jeu équitable : Un jeu est dit équitable si l'espérance du gain net G du joueur est nulle :

E(G) = 0

  • Si E(G) > 0 : le jeu est favorable au joueur
  • Si E(G) < 0 : le jeu est défavorable au joueur (favorable à l'organisateur)

Déterminer si un jeu est équitable :

  1. Définir la variable aléatoire G = gain net du joueur (gains - mise)

  2. Établir la loi de probabilité de G

  3. Calculer E(G)

  4. Conclure selon le signe de E(G)

Exemple : Un jeu coûte 2 € pour participer. On lance un dé :

  • Si on obtient 6, on gagne 10 €
  • Sinon, on ne gagne rien

Gain net : G = gain - mise

gᵢ -2 8
P(G = gᵢ) 5/6 1/6

E(G) = (-2) × 5/6 + 8 × 1/6 = (-10 + 8)/6 = -1/3 ≈ -0,33 €.

Le jeu est défavorable au joueur : en moyenne, il perd 0,33 € par partie.

Rendre un jeu équitable : Pour rendre le jeu précédent équitable, il faut trouver la mise m telle que E(G) = 0 :

E(G) = (-m) × 5/6 + (10-m) × 1/6 = 0

(-5m + 10 - m)/6 = 0 ⟹ -6m + 10 = 0 ⟹ m = 10/6 ≈ 1,67 €.

Avec une mise de 10/6 ≈ 1,67 €, le jeu est équitable.


4. Applications aux jeux de hasard

Analyser un jeu de hasard : Pour décider si un jeu est intéressant, on calcule :

  1. L'espérance E(G) : le gain moyen par partie (favorable si > 0)

  2. L'écart type σ(G) : le risque associé (plus σ est grand, plus le résultat est incertain)

Un joueur prudent préfère un gain moyen modeste avec un faible écart type, tandis qu'un joueur audacieux accepte un écart type élevé pour un gain moyen plus important.

Exemple : loterie : Une loterie vend 1 000 billets à 5 € chacun. Les lots sont :

  • 1 lot de 2 000 €
  • 5 lots de 100 €
  • 20 lots de 20 €

Gain net G pour un billet :

gᵢ 1 995 95 15 -5
P 1/1000 5/1000 20/1000 974/1000

E(G) = 1995 × 1/1000 + 95 × 5/1000 + 15 × 20/1000 + (-5) × 974/1000

E(G) = 1,995 + 0,475 + 0,300 - 4,870 = -2,10 €.

En moyenne, chaque joueur perd 2,10 € par billet. La loterie est défavorable au joueur.


5. Comparaison de deux variables aléatoires

Comparer deux stratégies : Pour comparer deux choix modélisés par des variables aléatoires X et Y :

  1. Comparer les espérances E(X) et E(Y) : laquelle offre le meilleur gain moyen ?

  2. Comparer les écarts types σ(X) et σ(Y) : laquelle est la plus risquée ?

  3. Conclure en fonction du profil (prudent ou audacieux)

Un placement avec E(X) > E(Y) mais σ(X) > σ(Y) est plus rentable en moyenne mais plus risqué.

Exemple : choix de placement : Placement A : gain X avec E(X) = 200 € et σ(X) = 150 €.

Placement B : gain Y avec E(Y) = 180 € et σ(Y) = 50 €.

  • Le placement A est plus rentable en moyenne (200 > 180)
  • Le placement B est moins risqué (σ = 50 < 150)
  • Un investisseur prudent choisira B, un investisseur audacieux choisira A

6. Pour aller plus loin : l'espérance minimise l'écart quadratique

Pour un réel x, on mesure l'éloignement entre X et x par la moyenne des carrés des écarts : f(x) = E((X - x)²) = Σ (xᵢ - x)² pᵢ.

En développant chaque carré, comme dans la démonstration de König-Huygens :

f(x) = x² - 2 E(X) x + E(X²)

C'est un polynôme du second degré en x, de coefficient dominant 1 > 0 : il atteint son minimum en x = -(-2E(X))/2 = E(X), et ce minimum vaut f(E(X)) = V(X).

👉 L'espérance est donc le nombre le plus proche des valeurs de X, au sens de la moyenne des carrés des écarts — et la variance est la plus petite valeur de cette moyenne. Ce n'est pas la moyenne des écarts eux-mêmes : c'est pour cela que σ = √(V) donne un ordre de grandeur des écarts, et non leur moyenne exacte.


À retenir

Résumé :

  1. Espérance : E(X) = Σ xᵢ pᵢ (valeur moyenne sur un grand nombre de répétitions)

  2. Linéarité : E(aX + b) = aE(X) + b

  3. Formule de König-Huygens : V(X) = E(X²) - [E(X)]²

  4. Jeu équitable : E(G) = 0 ; favorable si E(G) > 0, défavorable si E(G) < 0. La mise équitable est l'espérance du gain brut.

  5. Pour comparer deux variables aléatoires, on analyse à la fois l'espérance (gain moyen) et l'écart type (risque)