BURHAN.

Espérance, variance et écart-type : Cours de Mathématiques 2BAC Sciences Mathématiques, chapitre Calcul des probabilités

Espérance, variance et écart-type : notion du chapitre Calcul des probabilités du programme de maths 2BAC SM, expliquée pas à pas, avec 4 exemples guidés. Pour les élèves de 2BAC SM A et SM B, option française (BIOF).

Notions du cours (11)

Apprendre avec Burhan

Espérance, variance, écart-type

Étape 1 sur 4

Combien gagnes-tu en moyenne ?

Devine : Seize parties idéales

Reprends le jeu de la kermesse, de loi p(G=−2)=1316p(G = -2) = \dfrac{13}{16}, p(G=2)=18p(G = 2) = \dfrac{1}{8} et p(G=8)=116p(G = 8) = \dfrac{1}{16}. Imagine seize parties où chaque gain sort exactement selon sa probabilité : 1313 pertes de 22 dirhams, 22 gains de 22 et 11 gain de 88. Quel est ton gain moyen par partie ?

Choisis une réponse : l'explication s'affiche sous ton choix. Tu peux en changer.

Choix A :83\dfrac{8}{3} dirhams

Faux.

Tu as fait la moyenne des trois valeurs −2-2, 22 et 88, comme si elles étaient aussi probables.

Choix B :00 dirham

Faux.

Les pertes sont bien plus fréquentes que les gains : le total des seize parties vaut −14-14, pas 00.

Choix C :−2-2 dirhams

Faux.

C'est le gain le plus fréquent, pas la moyenne : les gains de 22 et de 88 remontent le total.

Choix D :−78-\dfrac{7}{8} dirham

Juste.

Total : 13×(−2)+2×2+1×8=−1413 \times (-2) + 2 \times 2 + 1 \times 8 = -14, puis −1416=−78\dfrac{-14}{16} = -\dfrac{7}{8}.

Besoin d'aide ? Indice 1

Calcule le total des seize gains.

Encore bloqué ? Indice 2

Divise ce total par 1616.

Voir la correction complète

Le total des seize parties vaut 13×(−2)+2×2+1×8=−26+4+8=−1413 \times (-2) + 2 \times 2 + 1 \times 8 = -26 + 4 + 8 = -14. Le gain moyen vaut donc −1416=−78\dfrac{-14}{16} = -\dfrac{7}{8} dirham. C'est aussi (−2)×1316+2×18+8×116(-2) \times \dfrac{13}{16} + 2 \times \dfrac{1}{8} + 8 \times \dfrac{1}{16} : chaque valeur est pondérée par sa probabilité.

DéfinitionEspérance mathématique

Soit XX une variable aléatoire de valeurs x1<⋯<xmx_1 < \dots < x_m, avec pi=p(X=xi)p_i = p(X = x_i). L'espérance mathématique de XX est le réel : E(X)=x1p1+x2p2+⋯+xmpm=∑i=1mxipi.E(X) = x_1 p_1 + x_2 p_2 + \dots + x_m p_m = \sum_{i=1}^{m} x_i p_i.

Exempleun jeu équitable ?

Pour la kermesse, E(G)=−78E(G) = -\dfrac{7}{8}. Sur un grand nombre de parties, tu perds en moyenne 78\dfrac{7}{8} de dirham par partie : le jeu est défavorable au joueur. Un jeu est équitable quand l'espérance du gain est nulle.

Si la somme 88 rapportait 2424 dirhams, le gain correspondant vaudrait 2222. Alors E(G)=(−2)×1316+2×216+22×116=0E(G) = (-2) \times \dfrac{13}{16} + 2 \times \dfrac{2}{16} + 22 \times \dfrac{1}{16} = 0 : le jeu deviendrait équitable.

L'espérance ne dit pas tout. Deux jeux de même espérance peuvent être plus ou moins risqués : il faut aussi mesurer l'écart des valeurs à la moyenne.

Continuer : Mesurer la dispersion →

Étape 2 sur 4

Mesurer la dispersion

DéfinitionVariance et écart-type

Soit XX une variable aléatoire de valeurs x1<⋯<xmx_1 < \dots < x_m, avec pi=p(X=xi)p_i = p(X = x_i). La variance de XX est le réel positif V(X)=∑i=1m(xi−E(X))2pi,V(X) = \sum_{i=1}^{m} \big(x_i - E(X)\big)^{2} p_i, et l'écart-type de XX est le réel σ(X)=V(X)\sigma(X) = \sqrt{V(X)}.

Exempleune variance par la définition

Soit XX de loi p(X=0)=12p(X = 0) = \dfrac{1}{2}, p(X=1)=14p(X = 1) = \dfrac{1}{4} et p(X=4)=14p(X = 4) = \dfrac{1}{4}. D'abord, E(X)=0+14+1=54E(X) = 0 + \dfrac{1}{4} + 1 = \dfrac{5}{4}. Par la définition : V(X)=(−54)2×12+(−14)2×14+(114)2×14=4316.V(X) = \left(-\dfrac{5}{4}\right)^{2} \times \dfrac{1}{2} + \left(-\dfrac{1}{4}\right)^{2} \times \dfrac{1}{4} + \left(\dfrac{11}{4}\right)^{2} \times \dfrac{1}{4} = \dfrac{43}{16}. Donc σ(X)=434\sigma(X) = \dfrac{\sqrt{43}}{4}. Ces carrés de fractions sont lourds. Or E(X2)−(E(X))2=174−2516=4316E(X^{2}) - \big(E(X)\big)^{2} = \dfrac{17}{4} - \dfrac{25}{16} = \dfrac{43}{16} aussi. Pourquoi est-ce vrai ? On développe chaque carré.

PropriétéCalcul pratique de la variance

Soit XX une variable aléatoire de valeurs x1<⋯<xmx_1 < \dots < x_m, avec pi=p(X=xi)p_i = p(X = x_i). On note E(X2)=∑i=1mxi2piE(X^{2}) = \sum_{i=1}^{m} x_i^{2} p_i. Alors : V(X)=E(X2)−(E(X))2.V(X) = E(X^{2}) - \big(E(X)\big)^{2}.

Démonstration

Notons μ=E(X)\mu = E(X).

Étape 1. Pour chaque ii, on développe : (xi−μ)2pi=xi2pi−2μxipi+μ2pi(x_i - \mu)^{2} p_i = x_i^{2} p_i - 2 \mu x_i p_i + \mu^{2} p_i.

Étape 2. On additionne pour ii de 11 à mm ; par « Variance et écart-type » : V(X)=∑i=1mxi2pi−2μ∑i=1mxipi+μ2∑i=1mpiV(X) = \sum_{i=1}^{m} x_i^{2} p_i - 2 \mu \sum_{i=1}^{m} x_i p_i + \mu^{2} \sum_{i=1}^{m} p_i.

Étape 3. Par « Espérance mathématique », ∑i=1mxipi=μ\sum_{i=1}^{m} x_i p_i = \mu. Par « Somme des probabilités d'une loi », ∑i=1mpi=1\sum_{i=1}^{m} p_i = 1.

Conclusion. V(X)=E(X2)−2μ2+μ2=E(X2)−μ2V(X) = E(X^{2}) - 2 \mu^{2} + \mu^{2} = E(X^{2}) - \mu^{2}.

ExempleContre-exemple : le carré de l'espérance

Avec la même variable, E(X2)=174E(X^{2}) = \dfrac{17}{4}, alors que (E(X))2=2516\big(E(X)\big)^{2} = \dfrac{25}{16}. Ces deux nombres sont différents : on ne remplace jamais l'un par l'autre. Leur différence est justement la variance, positive par définition.

Et si l'on change d'unité, ou si l'on ajoute une prime fixe ? Avec Y=3X+2Y = 3X + 2, on trouve E(Y)=234=3E(X)+2E(Y) = \dfrac{23}{4} = 3E(X) + 2. Pourquoi est-ce vrai ? Chaque valeur xix_i devient 3xi+23x_i + 2, avec la même probabilité.

← Étape précédenteContinuer : Changer d'unité →

Étape 3 sur 4

Changer d'unité

PropriétéEspérance et variance de aX + b

Soient XX une variable aléatoire sur un espace probabilisé fini (Ω,p)(\Omega, p), aa et bb deux réels, et Y=aX+bY = aX + b la variable aléatoire ω↦aX(ω)+b\omega \mapsto a X(\omega) + b. Alors : E(aX+b)=aE(X)+b,V(aX+b)=a2V(X),σ(aX+b)=∣a∣ σ(X).E(aX + b) = a E(X) + b, \qquad V(aX + b) = a^{2} V(X), \qquad \sigma(aX + b) = \lvert a \rvert \, \sigma(X).

Démonstration

Étape 1 (cas a≠0a \neq 0). Les valeurs de YY sont les réels axi+ba x_i + b, deux à deux distincts, et (Y=axi+b)=(X=xi)(Y = a x_i + b) = (X = x_i). Donc YY prend la valeur axi+ba x_i + b avec la probabilité pip_i. Si a<0a < 0, ces valeurs sont rangées dans l'ordre décroissant, ce qui ne change aucune somme.

Étape 2. Par « Espérance mathématique » et « Somme des probabilités d'une loi » : E(Y)=∑i=1m(axi+b)pi=aE(X)+b×1E(Y) = \sum_{i=1}^{m} (a x_i + b) p_i = a E(X) + b \times 1.

Étape 3. Par « Variance et écart-type » : V(Y)=∑i=1m(axi+b−aE(X)−b)2pi=a2V(X)V(Y) = \sum_{i=1}^{m} \big(a x_i + b - a E(X) - b\big)^{2} p_i = a^{2} V(X). Donc σ(Y)=a2V(X)=∣a∣ σ(X)\sigma(Y) = \sqrt{a^{2} V(X)} = \lvert a \rvert \, \sigma(X).

Étape 4 (cas a=0a = 0). YY prend la seule valeur bb, avec la probabilité 11 : E(Y)=bE(Y) = b et V(Y)=0V(Y) = 0, comme l'annoncent les formules.

À retenirCe qu'il faut retenir de la preuve

Deux preuves, un même outil : séparer une somme. Pour la variance, on développe (xi−μ)2(x_i - \mu)^{2}, puis on reconnaît E(X)E(X) et la somme 11 des probabilités. Pour aX+baX + b avec a≠0a \neq 0, l'événement (Y=axi+b)(Y = a x_i + b) est l'événement (X=xi)(X = x_i) : les probabilités restent les mêmes. Le cas a=0a = 0 se traite à part.

Vérifie : Une transformation affine

Une variable XX vérifie E(X)=2E(X) = 2 et V(X)=5V(X) = 5. On pose Z=−3X+4Z = -3X + 4. Que vaut V(Z)V(Z) ?

Choisis une réponse : l'explication s'affiche sous ton choix. Tu peux en changer.

Choix A :−11-11

Faux.

Tu as calculé −3×5+4-3 \times 5 + 4. Or la constante 44 ne change pas la dispersion, et une variance n'est jamais négative.

Choix B :4545

Juste.

V(Z)=(−3)2×5=9×5=45V(Z) = (-3)^{2} \times 5 = 9 \times 5 = 45.

Choix C :−15-15

Faux.

Le coefficient −3-3 intervient au carré : une variance est positive.

Choix D :1515

Faux.

C'est l'écart-type qui est multiplié par ∣−3∣=3\lvert -3 \rvert = 3. La variance est multipliée par 99.

Besoin d'aide ? Indice 1

Utilise la propriété sur aX+baX + b, avec a=−3a = -3 et b=4b = 4.

Encore bloqué ? Indice 2

Quel est l'effet de bb sur la variance ?

Voir la correction complète

D'après la propriété sur aX+baX + b, avec a=−3a = -3 et b=4b = 4 : V(Z)=a2V(X)=9×5=45V(Z) = a^{2} V(X) = 9 \times 5 = 45. Au passage, E(Z)=−3×2+4=−2E(Z) = -3 \times 2 + 4 = -2 et σ(Z)=35\sigma(Z) = 3\sqrt{5}.

Exempleune prime fixe

Reprends le gain GG de la kermesse, avec E(G)=−78E(G) = -\dfrac{7}{8}. Un sponsor offre 11 dirham à chaque partie : le nouveau gain est G+1G + 1. Alors E(G+1)=−78+1=18E(G + 1) = -\dfrac{7}{8} + 1 = \dfrac{1}{8} : le jeu devient favorable au joueur. Mais V(G+1)=V(G)V(G + 1) = V(G) : décaler toutes les valeurs ne change pas leur dispersion. Avec a=0a = 0, la variable 0×G+10 \times G + 1 vaut toujours 11 : sa variance est nulle, comme l'annonce la formule.

← Étape précédenteContinuer : Rédiger le calcul →

Étape 4 sur 4

Rédiger le calcul

AttentionVariance de aX + b : deux pièges

Si V(X)=4V(X) = 4, alors V(−2X+7)=(−2)2×4=16V(-2X + 7) = (-2)^{2} \times 4 = 16. Ce n'est ni −2×4+7=−1-2 \times 4 + 7 = -1, ni −2×4=−8-2 \times 4 = -8 : une variance n'est jamais négative. Ajouter 77 à toutes les valeurs ne les rend pas plus dispersées. De même, σ(−2X+7)=∣−2∣×2=4\sigma(-2X + 7) = \lvert -2 \rvert \times 2 = 4 : un écart-type n'est jamais négatif, il ne vaut donc pas −4-4.

Méthodeespérance, variance et écart-type

Reprends la somme XX des deux jetons, de loi p(X=0)=110p(X = 0) = \dfrac{1}{10}, p(X=1)=35p(X = 1) = \dfrac{3}{5} et p(X=2)=310p(X = 2) = \dfrac{3}{10}. Montrer que E(X)=65E(X) = \dfrac{6}{5} et V(X)=925V(X) = \dfrac{9}{25}.

  1. Partir du tableau de la loi, dont la somme vaut 11.
  2. Espérance, tous les termes écrits : E(X)=0×110+1×35+2×310=65E(X) = 0 \times \dfrac{1}{10} + 1 \times \dfrac{3}{5} + 2 \times \dfrac{3}{10} = \dfrac{6}{5}.
  3. Carrés : E(X2)=0+1×35+4×310=95E(X^{2}) = 0 + 1 \times \dfrac{3}{5} + 4 \times \dfrac{3}{10} = \dfrac{9}{5}.
  4. Variance : V(X)=95−3625=925V(X) = \dfrac{9}{5} - \dfrac{36}{25} = \dfrac{9}{25}, bien positive.
  5. Conclure : « E(X)=65E(X) = \dfrac{6}{5}, V(X)=925V(X) = \dfrac{9}{25} et σ(X)=35\sigma(X) = \dfrac{3}{5}. » Sur un grand nombre de tirages, la somme vaut 65\dfrac{6}{5} en moyenne.

À toi : le premier pile, en moyenne

Reprends la variable TT, rang du premier pile en au plus trois lancers, de loi p(T=0)=18p(T = 0) = \dfrac{1}{8}, p(T=1)=12p(T = 1) = \dfrac{1}{2}, p(T=2)=14p(T = 2) = \dfrac{1}{4} et p(T=3)=18p(T = 3) = \dfrac{1}{8}. Calcule E(T)E(T), V(T)V(T) et σ(T)\sigma(T), en rédigeant comme dans la méthode.

Besoin d'aide ? Indice 1

Écris les quatre termes de E(T)E(T), même celui qui est nul.

Encore bloqué ? Indice 2

Pour E(T2)E(T^{2}), élève les valeurs au carré, pas les probabilités.

Voir la solution complète

La loi de TT a pour somme 11. E(T)=0×18+1×12+2×14+3×18=118.E(T) = 0 \times \dfrac{1}{8} + 1 \times \dfrac{1}{2} + 2 \times \dfrac{1}{4} + 3 \times \dfrac{1}{8} = \dfrac{11}{8}. E(T2)=0+1×12+4×14+9×18=218.E(T^{2}) = 0 + 1 \times \dfrac{1}{2} + 4 \times \dfrac{1}{4} + 9 \times \dfrac{1}{8} = \dfrac{21}{8}. Donc V(T)=218−12164=4764V(T) = \dfrac{21}{8} - \dfrac{121}{64} = \dfrac{47}{64}, bien positive, et σ(T)=478\sigma(T) = \dfrac{\sqrt{47}}{8}. Sur un grand nombre de séries, TT vaut 118\dfrac{11}{8} en moyenne, en comptant 00 pour une série sans pile.

← Étape précédenteFin de la notion

S'entraîner sur cette notion

Sources du cours

  • Référentiel BURHAN du chapitre « Calcul des probabilités » (2bac · sciences-mathematiques · mathematiques)