Aller au contenu
OptiTAB

Maths Première · Chapitre 11 · Probabilités et statistiques

Variables aléatoires réelles

  • 6 parties
  • 5 schémas
  • Lecture ≈ 15 min
  • Conforme au programme
Objectifs

Modéliser une situation par une variable aléatoire et utiliser les notations {X=a}, {X⩽a}, P(X=a), P(X⩽a) ; déterminer la loi d’une variable aléatoire ; calculer et interpréter son espérance, sa variance et son écart type ; utiliser E(aX+b) et V(aX+b) ; résoudre un problème de jeu équitable ; simuler une variable aléatoire en Python et comparer la moyenne d’un échantillon à l’espérance.

Prérequis

Une expérience aléatoire a un ensemble fini d’issues Ω (l’univers), muni d’une loi de probabilité P : chaque issue a une probabilité positive et la somme de ces probabilités vaut 1. En situation d’équiprobabilité, P(A)=nombre d’issues de Anombre total d’issues. Moyenne pondérée d’une série statistique.

IVariable aléatoire réelle

DéfinitionVariable aléatoire

Une variable aléatoire réelle X est une fonction qui associe un nombre réel à chaque issue d’une expérience aléatoire :

X:Ω→R

Elle modélise un résultat numérique de l’expérience : un gain, un nombre de succès, une somme de points…

ExempleJeu de dé (exemple suivi dans tout le chapitre)

On lance un dé équilibré à six faces. Le joueur gagne 5 € s’il obtient 6, gagne 1 € s’il obtient 2 ou 4, et perd 2 € s’il obtient un nombre impair. On note X le gain algébrique du joueur (une perte est un gain négatif).

Issue123456
Valeur de X−21−21−25

X prend les trois valeurs −2, 1 et 5.

NotationÉvénements définis par une variable aléatoire

Pour un réel a :

  • {X=a} est l’événement formé des issues pour lesquelles X prend la valeur a ; sa probabilité se note P(X=a) ;
  • {X⩽a} est l’événement formé des issues pour lesquelles X prend une valeur inférieure ou égale à a ; sa probabilité se note P(X⩽a).

On définit de même {X<a}, {X⩾a}, {X>a}.

ExemplePasser de la langue naturelle aux notations

Dans le jeu de dé :

  • « le joueur perd de l’argent » est l’événement {X<0}={X=−2}={1;3;5} ;
  • « le joueur gagne au moins 1 € » est l’événement {X⩾1}={2;4;6} ;
  • {X=5}={6}, donc P(X=5)=16.

IILoi de probabilité

DéfinitionLoi d’une variable aléatoire

Soit X une variable aléatoire qui prend les valeurs x1,x2,…,xn. La loi de probabilité de X est la donnée de chaque valeur xi et de sa probabilité pi=P(X=xi). On la présente dans un tableau :

xix1x2⋯xn
P(X=xi)p1p2⋯pn
Propriété

Les événements {X=x1},…,{X=xn} sont deux à deux incompatibles et leur réunion est l’univers. Donc chaque pi est compris entre 0 et 1 et

p1+p2+⋯+pn=1
MéthodeDéterminer la loi d’une variable aléatoire
  1. Lister les valeurs distinctes que peut prendre X.
  2. Pour chaque valeur xi, regrouper toutes les issues qui la donnent et calculer P(X=xi) (dénombrement, arbre pondéré…).
  3. Présenter la loi dans un tableau et contrôler que la somme des probabilités vaut 1.
ExempleLoi du gain dans le jeu de dé

{X=−2}={1;3;5}, {X=1}={2;4} et {X=5}={6}. Le dé est équilibré, d’où :

xi−215
P(X=xi)36=1226=1316

Contrôle : 12+13+16=3+2+16=1.

Probabilité que le joueur ne gagne pas plus de 1 € :

P(X⩽1)=P(X=−2)+P(X=1)=12+13=56

On représente une loi par un diagramme en bâtons : un bâton de hauteur P(X=xi) au-dessus de chaque valeur xi.

Diagramme en bâtons de la loi du gain X du jeu de dé : bâtons de hauteur 1/2 en −2, 1/3 en 1 et 1/6 en 5, avec l’espérance E(X) = 1/6 ≈ 0,17 en pointillés verts
ExempleLoi obtenue avec un arbre

Une urne contient 3 boules rouges et 2 boules bleues. On tire successivement et sans remise deux boules ; X est le nombre de boules rouges obtenues. On multiplie les probabilités le long de chaque chemin de l’arbre.

Arbre pondéré de deux tirages sans remise dans une urne de 3 boules rouges et 2 bleues : branches 3/5 et 2/5, puis 2/4, 2/4 et 3/4, 1/4 ; au bout des chemins, X = 2, 1, 1, 0 avec les probabilités 3/10, 3/10, 3/10 et 1/10
P(X=0)=P(B1B2)=25×14=110P(X=1)=P(R1B2)+P(B1R2)=310+310=35P(X=2)=P(R1R2)=35×24=310
xi012
P(X=xi)11035310

Contrôle : 110+610+310=1.

AttentionErreurs fréquentes
  • Oublier de regrouper les issues qui donnent la même valeur : la valeur 1 du nombre de boules rouges correspond aux deux chemins R1B2 et B1R2.
  • Écrire une loi dont la somme des probabilités n’est pas égale à 1 : c’est le signe d’une erreur.

IIIEspérance

DéfinitionEspérance

L’espérance de X est le nombre

E(X)=p1x1+p2x2+⋯+pnxn=∑i=1npixi

C’est la moyenne des valeurs xi pondérées par leurs probabilités.

ExempleEspérance du gain dans le jeu de dé
E(X)=12×(−2)+13×1+16×5=−6+2+56=16≈0,17
RemarqueInterprétation

Si l’on joue un très grand nombre de parties, le gain moyen par partie est proche de E(X) : ici, environ 0,17 € par partie (voir la partie VI). L’espérance n’est pas forcément une valeur prise par X : on ne gagne jamais exactement 0,17 € en une partie.

DéfinitionJeu équitable

Si X est le gain algébrique d’un joueur (mise déduite), le jeu est :

  • équitable si E(X)=0 ;
  • favorable au joueur si E(X)>0 ;
  • défavorable au joueur si E(X)<0.

Le jeu de dé est donc légèrement favorable au joueur.

IVVariance et écart type

DéfinitionVariance et écart type

La variance de X est la moyenne, pondérée par les probabilités, des carrés des écarts à l’espérance :

V(X)=∑i=1npi(xi−E(X))2

L’écart type de X est σ(X)=V(X). Il s’exprime dans la même unité que X.

RemarqueInterprétation

La variance et l’écart type mesurent la dispersion des valeurs de X autour de son espérance. Une variance est toujours positive ou nulle ; elle est nulle seulement si X est constante. Plus l’écart type est grand, plus les valeurs prises s’éloignent souvent de la moyenne : pour un jeu, c’est une mesure du risque.

Deux jeux de même espérance 0, mais de dispersions différentes : le gain A vaut −1 ou 1 avec la probabilité 12, le gain B vaut −3 ou 3 avec la probabilité 12. On trouve σ(A)=1 et σ(B)=3 : le jeu B est trois fois plus « risqué ».

Deux diagrammes en bâtons de même espérance 0 : le jeu A prend les valeurs −1 et 1 (écart type 1), le jeu B les valeurs −3 et 3 (écart type 3), chaque écart type figuré par une flèche verte
ThéorèmeFormule de König-Huygens
V(X)=E(X2)−(E(X))2

où E(X2)=∑pixi2 est la moyenne, pondérée par les probabilités, des carrés des valeurs.

Démonstration

Notons μ=E(X). En développant le carré :

V(X)=∑pi(xi2−2μxi+μ2)=∑pixi2−2μ∑pixi+μ2∑pi=E(X2)−2μ×μ+μ2×1=E(X2)−μ2
MéthodeCalculer une variance et un écart type
  1. Calculer E(X).
  2. Calculer E(X2)=∑pixi2 (on élève les valeurs au carré, pas les probabilités).
  3. V(X)=E(X2)−(E(X))2, puis σ(X)=V(X).
  4. Garder les fractions exactes jusqu’au bout, arrondir seulement à la fin.
ExempleJeu de dé
E(X2)=12×(−2)2+13×12+16×52=2+13+256=132
V(X)=132−(16)2=23436−136=23336≈6,47

σ(X)=23336=2336≈2,54 € : les gains s’écartent nettement de leur moyenne de 0,17 €.

AttentionErreurs fréquentes
  • Écrire (E(X))2 à la place de E(X2) : ce ne sont pas les mêmes nombres (136 et 132 ici).
  • Donner la variance quand on demande l’écart type (ou oublier la racine carrée).
  • Trouver une variance négative : c’est forcément une erreur de calcul.
MéthodeAlgorithme : espérance, variance, écart type en Python

Les valeurs sont rangées dans une liste x, les probabilités dans une liste p de même longueur.

Python
from math import sqrt

def indicateurs(x, p):
    E = 0
    for i in range(len(x)):
        E = E + p[i] * x[i]
    V = 0
    for i in range(len(x)):
        ecart = x[i] - E
        V = V + p[i] * ecart ** 2
    return E, V, sqrt(V)

x = [-2, 1, 5]
p = [1/2, 1/3, 1/6]
print(indicateurs(x, p))

Le programme affiche environ (0,1667;6,4722;2,5441), c’est-à-dire E(X), V(X) et σ(X).

VTransformation affine et jeu équitable

PropriétéEspérance et variance de aX+b

Pour tous réels a et b :

E(aX+b)=aE(X)+bV(aX+b)=a2V(X)σ(aX+b)=|a|σ(X)
Démonstration

aX+b prend les valeurs axi+b avec les probabilités pi. Notons μ=E(X).

E(aX+b)=∑pi(axi+b)=a∑pixi+b∑pi=aμ+b

Les écarts à l’espérance sont (axi+b)−(aμ+b)=a(xi−μ), donc

V(aX+b)=∑pia2(xi−μ)2=a2V(X)

et σ(aX+b)=a2V(X)=|a|σ(X).

ExempleChanger les règles du jeu de dé

On double tous les gains, puis on ajoute un bonus de 1 € : le nouveau gain est Y=2X+1.

E(Y)=2E(X)+1=26+1=43≈1,33V(Y)=22V(X)=4×23336=2339≈25,9σ(Y)=2σ(X)≈5,09

Le gain moyen passe à environ 1,33 € et l’écart type à environ 5,09 €.

Attention
  • Ajouter une constante décale les valeurs sans changer leur dispersion : V(X+b)=V(X).
  • Le coefficient a est au carré dans la variance : V(aX+b)=a2V(X), et non aV(X)+b.
  • σ(−X)=σ(X) : un écart type n’est jamais négatif.
MéthodeTrouver la mise qui rend un jeu équitable
  1. Déterminer la loi du gain brut G (somme reçue) et calculer E(G).
  2. Avec une mise m, le gain net est N=G−m, donc E(N)=E(G)−m.
  3. Le jeu est équitable si E(N)=0, c’est-à-dire si m=E(G).
Exemple

Un forain fait payer une mise de m euros, puis le joueur lance un dé équilibré : il reçoit 6 € pour un 6, 3 € pour un 2 ou un 4, rien sinon.

E(G)=16×6+13×3+12×0=2, donc E(N)=2−m.

Le jeu est équitable pour une mise de 2 €. Avec une mise de 2,50 €, E(N)=−0,50 : en moyenne, le forain gagne 0,50 € par partie.

VISimulation et moyenne d’un échantillon

DéfinitionÉchantillon

Un échantillon de taille n d’une variable aléatoire X est la liste des n valeurs obtenues en répétant n fois l’expérience, de façon identique et indépendante. Sa moyenne est

m=x1+x2+⋯+xnn

où x1,…,xn sont les valeurs observées. Cette moyenne varie d’un échantillon à l’autre.

MéthodeSimuler une variable aléatoire en Python

randint(1, 6) (module random) renvoie un entier au hasard entre 1 et 6 : il simule le lancer d’un dé équilibré. La fonction gain simule une partie du jeu de dé ; la fonction moyenne renvoie la moyenne d’un échantillon de taille n.

Python
from random import randint

def gain():
    d = randint(1, 6)
    if d == 6:
        return 5
    elif d % 2 == 0:
        return 1
    else:
        return -2

def moyenne(n):
    s = 0
    for k in range(n):
        s = s + gain()
    return s / n

On a tracé la moyenne observée après n parties, pour n allant de 1 à 2000 (une seule simulation) :

Moyenne observée du gain après n parties simulées, pour n de 1 à 2 000 : la courbe oscille fortement au début puis se stabilise près de la droite E(X) ≈ 0,17
PropriétéMoyenne d’échantillon et espérance (constat de simulation)

Plus la taille n de l’échantillon est grande, plus la moyenne observée m a tendance à être proche de l’espérance E(X). C’est la loi des grands nombres, que l’on observe ici sur des simulations.

ExempleÉcart entre la moyenne et l’espérance

Pour le jeu de dé, μ=E(X)=16 et σ=σ(X)≈2,544. Avec des échantillons de taille n=100 :

2σn≈2×2,54410≈0,509

On a simulé 100 échantillons de taille 100 et placé leurs moyennes. La bande verte est l’intervalle [μ−2σn;μ+2σn]≈[−0,34;0,68].

Moyennes de 100 échantillons de taille 100 du gain du jeu de dé, autour de μ ≈ 0,17, avec la bande verte de μ − 2σ/√n à μ + 2σ/√n ; 4 moyennes en orange sont hors de la bande

Ici, 96 moyennes sur 100 vérifient |m−μ|⩽2σn.

Remarque

Sur de nombreuses simulations, la proportion des échantillons dont la moyenne vérifie |m−μ|⩽2σn est généralement proche de 95%. Comme 2σn diminue quand n augmente, les moyennes se resserrent autour de μ : pour diviser cet écart par 2, il faut multiplier n par 4.

La fonction proportion(N, n) simule N échantillons de taille n du jeu de dé (avec la fonction moyenne ci-dessus) et renvoie la proportion de ceux dont la moyenne m vérifie |m−μ|⩽h, où h=2σn.

Python
from math import sqrt

def proportion(N, n):
    mu = 1 / 6
    sigma = sqrt(233) / 6
    h = 2 * sigma / sqrt(n)
    c = 0
    for k in range(N):
        m = moyenne(n)
        if abs(m - mu) <= h:
            c = c + 1
    return c / N
À retenir
  • Une variable aléatoire X associe un réel à chaque issue ; sa loi donne les P(X=xi), positifs et de somme 1.
  • E(X)=∑pixi : valeur moyenne sur un grand nombre de répétitions ; jeu équitable si E(gain net)=0.
  • V(X)=∑pi(xi−E(X))2, que l’on calcule aussi par V(X)=E(X2)−(E(X))2, et σ(X)=V(X) : dispersion, risque.
  • E(aX+b)=aE(X)+b, V(aX+b)=a2V(X), σ(aX+b)=|a|σ(X).
  • La moyenne d’un échantillon simulé de grande taille est proche de E(X) ; l’écart |m−μ| est le plus souvent inférieur à 2σn.

Cours lu ? Continue avec :

Plateforme OptiTAB

S’entraîner jusqu’à maîtriser le programme de Première

Les 16 exercices corrigés de ce chapitre, le suivi de tes progrès et des révisions guidées.

Découvrir l’abonnement

Cours particuliers

Un prof de maths en Première, en ligne

Des séances individuelles avec un professeur, à distance, pour comprendre, combler ses lacunes et préparer les contrôles et le bac.

Réserver un cours particulier