# Variables aléatoires réelles : maths Première

Chapitre 11 du programme de mathématiques de Première (thème : Probabilités et statistiques). Ressource gratuite OptiTAB.

- Cours : https://www.optitab.net/ressources-gratuites/maths/premiere/variables-aleatoires-reelles/
- Fiche de révision : https://www.optitab.net/ressources-gratuites/maths/premiere/variables-aleatoires-reelles/fiche/
- Exercices corrigés : https://www.optitab.net/ressources-gratuites/maths/premiere/variables-aleatoires-reelles/exercices/

## Cours

**Objectifs : Modéliser une situation par une variable aléatoire et utiliser les notations $\{X = a\}$, $\{X \leqslant a\}$, $P(X = a)$, $P(X \leqslant a)$ ; 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.**

**Prerequis : Une expérience aléatoire a un ensemble fini d’issues $\Omega$ (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, $P(A) = \dfrac{\text{nombre d’issues de } A}{\text{nombre total d’issues}}$. Moyenne pondérée d’une série statistique.**

## I. Variable aléatoire réelle

**Définition : Variable aléatoire**
Une **variable aléatoire réelle** $X$ est une fonction qui associe un nombre réel à chaque issue d’une expérience aléatoire :
$$X : \Omega \to \mathbb{R}$$
Elle modélise un résultat **numérique** de l’expérience : un gain, un nombre de succès, une somme de points…

**Exemple : Jeu 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).

| Issue | $1$ | $2$ | $3$ | $4$ | $5$ | $6$ |
|---|---|---|---|---|---|---|
| Valeur de $X$ | $-2$ | $1$ | $-2$ | $1$ | $-2$ | $5$ |

$X$ prend les trois valeurs $-2$, $1$ et $5$.

**Notation : Événements 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 $P(X = a)$ ;
- $\{X \leqslant a\}$ est l’événement formé des issues pour lesquelles $X$ prend une valeur inférieure ou égale à $a$ ; sa probabilité se note $P(X \leqslant a)$.

On définit de même $\{X \lt a\}$, $\{X \geqslant a\}$, $\{X \gt a\}$.

**Exemple : Passer de la langue naturelle aux notations**
Dans le jeu de dé :
- « le joueur perd de l’argent » est l’événement $\{X \lt 0\} = \{X = -2\} = \{1\,;3\,;5\}$ ;
- « le joueur gagne au moins $1$ € » est l’événement $\{X \geqslant 1\} = \{2\,;4\,;6\}$ ;
- $\{X = 5\} = \{6\}$, donc $P(X = 5) = \dfrac{1}{6}$.

## II. Loi de probabilité

**Définition : Loi d’une variable aléatoire**
Soit $X$ une variable aléatoire qui prend les valeurs $x_1, x_2, \ldots, x_n$. La **loi de probabilité** de $X$ est la donnée de chaque valeur $x_i$ et de sa probabilité $p_i = P(X = x_i)$. On la présente dans un tableau :

| $x_i$ | $x_1$ | $x_2$ | $\cdots$ | $x_n$ |
|---|---|---|---|---|
| $P(X = x_i)$ | $p_1$ | $p_2$ | $\cdots$ | $p_n$ |

**Propriété : Les événements $\{X = x_1\}, \ldots, \{X = x_n\}$ sont deux à deux incompatibles et leur réunion est l’univers. Donc chaque $p_i$ est compris entre $0$ et $1$ et**
$$p_1 + p_2 + \cdots + p_n = 1$$

**Méthode : Déterminer la loi d’une variable aléatoire**
1. Lister les valeurs **distinctes** que peut prendre $X$.
2. Pour chaque valeur $x_i$, regrouper toutes les issues qui la donnent et calculer $P(X = x_i)$ (dénombrement, arbre pondéré…).
3. Présenter la loi dans un tableau et **contrôler** que la somme des probabilités vaut $1$.

**Exemple : Loi 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 :

| $x_i$ | $-2$ | $1$ | $5$ |
|---|---|---|---|
| $P(X = x_i)$ | $\dfrac{3}{6} = \dfrac{1}{2}$ | $\dfrac{2}{6} = \dfrac{1}{3}$ | $\dfrac{1}{6}$ |

Contrôle : $\dfrac{1}{2} + \dfrac{1}{3} + \dfrac{1}{6} = \dfrac{3 + 2 + 1}{6} = 1$.

Probabilité que le joueur ne gagne pas plus de $1$ € :
$$
\begin{aligned}
P(X \leqslant 1) &= P(X = -2) + P(X = 1) \\
&= \frac{1}{2} + \frac{1}{3} = \frac{5}{6}
\end{aligned}
$$
**On : représente une loi par un **diagramme en bâtons** : un bâton de hauteur $P(X = x_i)$ au-dessus de chaque valeur $x_i$.**

![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](https://optitab-media.s3.eu-north-1.amazonaws.com/cours_images/v1_n161_co162_1_cours_loi.png)

**Exemple : Loi 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](https://optitab-media.s3.eu-north-1.amazonaws.com/cours_images/v1_n161_co162_2_cours_arbre.png)

$$
\begin{aligned}
P(X = 0) &= P(B_1B_2) = \frac{2}{5} \times \frac{1}{4} = \frac{1}{10} \\
P(X = 1) &= P(R_1B_2) \\
&\quad + P(B_1R_2) \\
&= \frac{3}{10} + \frac{3}{10} = \frac{3}{5} \\
P(X = 2) &= P(R_1R_2) = \frac{3}{5} \times \frac{2}{4} = \frac{3}{10}
\end{aligned}
$$

| $x_i$ | $0$ | $1$ | $2$ |
|---|---|---|---|
| $P(X = x_i)$ | $\dfrac{1}{10}$ | $\dfrac{3}{5}$ | $\dfrac{3}{10}$ |

Contrôle : $\dfrac{1}{10} + \dfrac{6}{10} + \dfrac{3}{10} = 1$.

**Attention : Erreurs fréquentes**
- Oublier de **regrouper** les issues qui donnent la même valeur : la valeur $1$ du nombre de boules rouges correspond aux **deux** chemins $R_1B_2$ et $B_1R_2$.
- Écrire une loi dont la somme des probabilités n’est pas égale à $1$ : c’est le signe d’une erreur.

## III. Espérance

**Définition : Espérance**
L’**espérance** de $X$ est le nombre
$$
\begin{aligned}
E(X) &= p_1x_1 + p_2x_2 \\
&\quad + \cdots + p_nx_n \\
&= \sum_{i=1}^{n} p_ix_i
\end{aligned}
$$
C’est la moyenne des valeurs $x_i$ pondérées par leurs probabilités.

**Exemple : Espérance du gain dans le jeu de dé**
$$
\begin{aligned}
E(X) &= \frac{1}{2} \times (-2) + \frac{1}{3} \times 1 + \frac{1}{6} \times 5 \\
&= \frac{-6 + 2 + 5}{6} \\
&= \frac{1}{6} \approx 0{,}17
\end{aligned}
$$

**Remarque : Interprétation**
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.

**Définition : Jeu équitable**
Si $X$ est le gain algébrique d’un joueur (mise déduite), le jeu est :
- **équitable** si $E(X) = 0$ ;
- **favorable** au joueur si $E(X) \gt 0$ ;
- **défavorable** au joueur si $E(X) \lt 0$.

Le jeu de dé est donc légèrement favorable au joueur.

## IV. Variance et écart type

**Définition : Variance et écart type**
La **variance** de $X$ est la moyenne, pondérée par les probabilités, des carrés des écarts à l’espérance :
$$V(X) = \sum_{i=1}^{n} p_i\big(x_i - E(X)\big)^2$$
L’**écart type** de $X$ est $\sigma(X) = \sqrt{V(X)}$. Il s’exprime dans la même unité que $X$.

**Remarque : Interprétation**
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 $\frac{1}{2}$, le gain $B$ vaut $-3$ ou $3$ avec la probabilité $\frac{1}{2}$. On trouve $\sigma(A) = 1$ et $\sigma(B) = 3$ : 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](https://optitab-media.s3.eu-north-1.amazonaws.com/cours_images/v1_n161_co162_3_cours_dispersion.png)

**Théorème : Formule de König-Huygens**
$$V(X) = E(X^2) - \big(E(X)\big)^2$$
où $E(X^2) = \sum p_ix_i^2$ est la moyenne, pondérée par les probabilités, des carrés des valeurs.

**Démonstration : Notons $\mu = E(X)$. En développant le carré :**
$$
\begin{aligned}
V(X) &= \sum p_i\left(x_i^2 - 2\mu x_i + \mu^2\right) \\
 &= \sum p_ix_i^2 \\
&\quad - 2\mu\sum p_ix_i + \mu^2\sum p_i \\
&= E(X^2) - 2\mu \times \mu + \mu^2 \times 1 \\
&= E(X^2) - \mu^2
\end{aligned}
$$

**Méthode : Calculer une variance et un écart type**
1. Calculer $E(X)$.
2. Calculer $E(X^2) = \sum p_ix_i^2$ (on élève les **valeurs** au carré, pas les probabilités).
3. $V(X) = E(X^2) - \big(E(X)\big)^2$, puis $\sigma(X) = \sqrt{V(X)}$.
4. Garder les fractions exactes jusqu’au bout, arrondir seulement à la fin.

**Exemple : Jeu de dé**
$$
\begin{aligned}
E(X^2) &= \frac{1}{2} \times (-2)^2 \\
&\quad + \frac{1}{3} \times 1^2 + \frac{1}{6} \times 5^2 \\
&= 2 + \frac{1}{3} + \frac{25}{6} = \frac{13}{2}
\end{aligned}
$$
$$
\begin{aligned}
V(X) &= \frac{13}{2} - \left(\frac{1}{6}\right)^2 \\
&= \frac{234}{36} - \frac{1}{36} = \frac{233}{36} \approx 6{,}47
\end{aligned}
$$
$\sigma(X) = \sqrt{\dfrac{233}{36}} = \dfrac{\sqrt{233}}{6} \approx 2{,}54$ € : les gains s’écartent nettement de leur moyenne de $0{,}17$ €.

**Attention : Erreurs fréquentes**
- Écrire $\big(E(X)\big)^2$ à la place de $E(X^2)$ : ce ne sont pas les mêmes nombres ($\frac{1}{36}$ et $\frac{13}{2}$ 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.

**Méthode : Algorithme : 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 $\sigma(X)$.

## V. Transformation affine et jeu équitable

**Propriété : Espérance et variance de $aX + b$**
Pour tous réels $a$ et $b$ :
$$
\begin{gathered}
E(aX + b) = aE(X) + b \\
V(aX + b) = a^2V(X) \\
\sigma(aX + b) = |a|\,\sigma(X)
\end{gathered}
$$

**Démonstration : $aX + b$ prend les valeurs $ax_i + b$ avec les probabilités $p_i$. Notons $\mu = E(X)$.**
$$
\begin{aligned}
E(aX + b) &= \sum p_i(ax_i + b) \\
&= a\sum p_ix_i + b\sum p_i \\
&= a\mu + b
\end{aligned}
$$
Les écarts à l’espérance sont $(ax_i + b) - (a\mu + b) = a(x_i - \mu)$, donc
$$
\begin{aligned}
V(aX + b) &= \sum p_i\,a^2(x_i - \mu)^2 \\
&= a^2V(X)
\end{aligned}
$$
et $\sigma(aX + b) = \sqrt{a^2V(X)} = |a|\,\sigma(X)$.

**Exemple : Changer les règles du jeu de dé**
On double tous les gains, puis on ajoute un bonus de $1$ € : le nouveau gain est $Y = 2X + 1$.
$$
\begin{aligned}
E(Y) &= 2E(X) + 1 = \frac{2}{6} + 1 = \frac{4}{3} \approx 1{,}33 \\
V(Y) &= 2^2\,V(X) = 4 \times \frac{233}{36} \\
&= \frac{233}{9} \approx 25{,}9 \\
\sigma(Y) &= 2\,\sigma(X) \approx 5{,}09
\end{aligned}
$$
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 : $V(aX + b) = a^2V(X)$, et non $aV(X) + b$.
- $\sigma(-X) = \sigma(X)$ : un écart type n’est jamais négatif.

**Méthode : Trouver 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.**

$E(G) = \dfrac{1}{6} \times 6 + \dfrac{1}{3} \times 3 + \dfrac{1}{2} \times 0 = 2$, 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.

## VI. Simulation et moyenne d’un échantillon

**Définition : Échantillon**
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
$$m = \frac{x_1 + x_2 + \cdots + x_n}{n}$$
où $x_1, \ldots, x_n$ sont les valeurs observées. Cette moyenne varie d’un échantillon à l’autre.

**Méthode : Simuler 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 $2\,000$ (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](https://optitab-media.s3.eu-north-1.amazonaws.com/cours_images/v1_n161_co162_4_cours_simulation.png)

**Propriété : Moyenne 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.

**Exemple : Écart entre la moyenne et l’espérance**
Pour le jeu de dé, $\mu = E(X) = \dfrac{1}{6}$ et $\sigma = \sigma(X) \approx 2{,}544$. Avec des échantillons de taille $n = 100$ :
$$\frac{2\sigma}{\sqrt{n}} \approx \frac{2 \times 2{,}544}{10} \approx 0{,}509$$
On a simulé $100$ échantillons de taille $100$ et placé leurs moyennes. La bande verte est l’intervalle $\left[\mu - \dfrac{2\sigma}{\sqrt{n}}\,;\mu + \dfrac{2\sigma}{\sqrt{n}}\right] \approx [-0{,}34\,;0{,}68]$.

![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](https://optitab-media.s3.eu-north-1.amazonaws.com/cours_images/v1_n161_co162_5_cours_echantillons.png)

Ici, $96$ moyennes sur $100$ vérifient $|m - \mu| \leqslant \dfrac{2\sigma}{\sqrt{n}}$.

**Remarque : Sur de nombreuses simulations, la proportion des échantillons dont la moyenne vérifie $|m - \mu| \leqslant \dfrac{2\sigma}{\sqrt{n}}$ est généralement proche de $95\,\%$. Comme $\dfrac{2\sigma}{\sqrt{n}}$ diminue quand $n$ augmente, les moyennes se resserrent autour de $\mu$ : 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 $|m - \mu| \leqslant h$, où $h = \dfrac{2\sigma}{\sqrt{n}}$.**

```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 $P(X = x_i)$, positifs et de somme $1$.**
- $E(X) = \sum p_ix_i$ : valeur moyenne sur un grand nombre de répétitions ; jeu équitable si $E(\text{gain net}) = 0$.
- $V(X) = \sum p_i\big(x_i - E(X)\big)^2$, que l’on calcule aussi par $V(X) = E(X^2) - \big(E(X)\big)^2$, et $\sigma(X) = \sqrt{V(X)}$ : dispersion, risque.
- $E(aX + b) = aE(X) + b$, $V(aX + b) = a^2V(X)$, $\sigma(aX + b) = |a|\,\sigma(X)$.
- La moyenne d’un échantillon simulé de grande taille est proche de $E(X)$ ; l’écart $|m - \mu|$ est le plus souvent inférieur à $\dfrac{2\sigma}{\sqrt{n}}$.

## Fiche de révision

**Objectifs : L’essentiel du chapitre : loi, espérance, variance, écart type, transformation $aX + b$, jeu équitable, simulation. Programme de Première spécialité.**

## I. Variable aléatoire et loi

- $X$ associe un **nombre réel** à chaque issue d’une expérience aléatoire.
- $\{X = a\}$ : issues pour lesquelles $X$ vaut $a$ ; $\{X \leqslant a\}$ : issues pour lesquelles $X$ vaut au plus $a$.
- **Loi** de $X$ : tableau des valeurs distinctes $x_i$ et des $p_i = P(X = x_i)$.

**Formule : $$0 \leqslant p_i \leqslant 1 \qquad p_1 + p_2 + \cdots + p_n = 1$$**

**Méthode : Déterminer une loi**
1. Lister les valeurs distinctes de $X$.
2. Regrouper les issues qui donnent chaque valeur (dénombrement ou arbre : on multiplie le long d’un chemin, on ajoute les chemins).
3. Contrôler que la somme vaut $1$.
**Exemple : avec un arbre ($3$ boules rouges, $2$ bleues, deux tirages sans remise, $X$ = nombre de rouges) :**

![Arbre pondéré de deux tirages sans remise (3 rouges, 2 bleues) donnant la loi du nombre X de boules rouges : 1/10, 3/5 et 3/10 pour 0, 1 et 2](https://optitab-media.s3.eu-north-1.amazonaws.com/synthesis_images/v1_n161_fi85_3_cours_arbre.png)

Diagramme en bâtons d’une loi (jeu de dé du cours) :

![Diagramme en bâtons de la loi du gain du jeu de dé : 1/2 en −2, 1/3 en 1, 1/6 en 5, et l’espérance 1/6 en pointillés verts](https://optitab-media.s3.eu-north-1.amazonaws.com/synthesis_images/v1_n161_fi85_1_cours_loi.png)

## II. Espérance, variance, écart type

**Formule : $$**
\begin{gathered}
E(X) = \sum p_ix_i \\
V(X) = \sum p_i\big(x_i - E(X)\big)^2 \\
V(X) = E(X^2) - \big(E(X)\big)^2 \\
\sigma(X) = \sqrt{V(X)}
\end{gathered}
$$

- $E(X)$ : valeur moyenne de $X$ sur un grand nombre de répétitions.
- $V(X) \geqslant 0$ et $\sigma(X)$ (même unité que $X$) mesurent la dispersion autour de $E(X)$ : le **risque** d’un jeu.
- Exemple (dé : $-2$ € pour un impair, $1$ € pour $2$ ou $4$, $5$ € pour $6$) : $E(X) = \frac{1}{6}$, $E(X^2) = \frac{13}{2}$, $V(X) = \frac{233}{36}$, $\sigma(X) \approx 2{,}54$.
- Même espérance, risques différents :

![Deux lois de même espérance 0 : jeu A (valeurs −1 et 1, écart type 1) et jeu B (valeurs −3 et 3, écart type 3)](https://optitab-media.s3.eu-north-1.amazonaws.com/synthesis_images/v1_n161_fi85_4_cours_dispersion.png)

## III. Transformation affine et jeu équitable

**Formule : $$**
\begin{gathered}
E(aX + b) = aE(X) + b \\
V(aX + b) = a^2V(X) \\
\sigma(aX + b) = |a|\,\sigma(X)
\end{gathered}
$$

- Gain net $N = G - m$ (gain brut moins la mise) : $E(N) = E(G) - m$.
- Jeu **équitable** : $E(N) = 0$, soit $m = E(G)$ ; favorable au joueur si $E(N) \gt 0$, défavorable si $E(N) \lt 0$.

## IV. Simulation

- `randint(1, 6)` simule un dé ; une fonction renvoie une valeur de $X$, une autre la **moyenne** $m$ d’un échantillon de taille $n$.
- Plus $n$ est grand, plus $m$ est proche de $E(X)$ (loi des grands nombres, observée par simulation).
- Le plus souvent (environ $95\,\%$ des échantillons), $|m - E(X)| \leqslant \dfrac{2\sigma}{\sqrt{n}}$.

![Moyenne observée du gain après n parties simulées : elle se stabilise près de l’espérance E(X) ≈ 0,17 quand n devient grand](https://optitab-media.s3.eu-north-1.amazonaws.com/synthesis_images/v1_n161_fi85_2_cours_simulation.png)

## V. Les pièges à éviter

**Attention : Les erreurs classiques**
1. Oublier de regrouper les issues qui donnent la même valeur, ou ne pas vérifier que la somme des probabilités vaut $1$.
2. Confondre gain brut et gain net : la mise se retranche **une seule fois**.
3. Confondre $E(X^2)$ et $\big(E(X)\big)^2$.
4. Écrire $V(aX + b) = aV(X) + b$ : c’est $a^2V(X)$ ; la constante $b$ ne change pas la variance.
5. Donner $V(X)$ au lieu de $\sigma(X)$, ou arrondir trop tôt.

**Remarque : Réflexe**
Toujours commencer par le **tableau de la loi** de $X$ : l’espérance, la variance et l’écart type se calculent à partir de lui.

## Exercices corrigés

### Exercice 1 : Variables Aléatoires - Introduction

On modélise trois expériences aléatoires par des variables aléatoires.

1. On lance un dé équilibré à six faces et on note $X$ le numéro obtenu.
   - a) Donner les valeurs possibles de $X$, puis la loi de $X$.
   - b) Traduire par une phrase l’événement $\{X \leqslant 4\}$, puis calculer $P(X \leqslant 4)$.
   - c) Écrire avec une notation l’événement « obtenir au moins $5$ », puis calculer sa probabilité.
2. On lance deux dés équilibrés, un rouge et un bleu, et on note $Y$ la somme des deux numéros.
   - a) Construire un tableau à double entrée donnant la valeur de $Y$ pour chacune des $36$ issues.
   - b) Quelles sont les valeurs possibles de $Y$ ?
   - c) Calculer $P(Y = 7)$ et $P(Y \leqslant 5)$.
3. On lance trois fois de suite une pièce équilibrée et on note $Z$ le nombre de « Pile » obtenus.
   - a) Compléter l’arbre donné à la fin de l’énoncé ($P$ : Pile, $F$ : Face) et donner la liste des $8$ issues.
   - b) Déterminer la loi de $Z$ et vérifier que la somme des probabilités vaut $1$.
   - c) Calculer $P(Z \geqslant 2)$.

Arbre de la question 3 :

![Arbre à compléter de trois lancers d’une pièce : à chaque niveau, deux branches P (Pile) et F (Face), sans les probabilités](https://optitab-media.s3.eu-north-1.amazonaws.com/exercice_images/v1_n161_ex1331_1_ex1331_arbre_enonce.png)

#### Correction détaillée

## Question 1 : Lancer d’un dé

**Méthode : Le dé est équilibré : les $6$ issues ont la même probabilité $\frac{1}{6}$. On compte les issues de chaque événement.**

**Etape : a) Valeurs et loi de $X$**
$X$ prend les valeurs $1$, $2$, $3$, $4$, $5$ et $6$, chacune avec la probabilité $\frac{1}{6}$.

| $x_i$ | $1$ | $2$ | $3$ | $4$ | $5$ | $6$ |
|---|---|---|---|---|---|---|
| $P(X = x_i)$ | $\frac{1}{6}$ | $\frac{1}{6}$ | $\frac{1}{6}$ | $\frac{1}{6}$ | $\frac{1}{6}$ | $\frac{1}{6}$ |

**Etape : b) L’événement $\{X \leqslant 4\}$**
$\{X \leqslant 4\}$ signifie « obtenir un numéro inférieur ou égal à $4$ », c’est-à-dire $\{1\,;2\,;3\,;4\}$.
$$
\begin{aligned}
P(X \leqslant 4) &= P(X = 1) + P(X = 2) \\
&\quad + P(X = 3) + P(X = 4) \\
&= 4 \times \frac{1}{6} = \frac{2}{3}
\end{aligned}
$$

**Etape : c) Obtenir au moins $5$**
« Au moins $5$ » signifie « $5$ ou plus » : c’est l’événement $\{X \geqslant 5\} = \{5\,;6\}$.
$$
\begin{aligned}
P(X \geqslant 5) &= P(X = 5) + P(X = 6) \\
&= \frac{2}{6} = \frac{1}{3}
\end{aligned}
$$

**Resultat : Loi uniforme : $P(X = k) = \frac{1}{6}$ pour $k = 1, \ldots, 6$ ; $P(X \leqslant 4) = \frac{2}{3}$ et $P(X \geqslant 5) = \frac{1}{3}$.**

## Question 2 : Somme de deux dés

**Méthode : Un tableau à double entrée donne les $36$ issues (dé rouge, dé bleu), toutes équiprobables. On compte les cases.**

**Etape : a) Tableau des sommes**
Ligne : numéro du dé rouge ; colonne : numéro du dé bleu.

| Rouge / Bleu | $1$ | $2$ | $3$ | $4$ | $5$ | $6$ |
|---|---|---|---|---|---|---|
| $1$ | $2$ | $3$ | $4$ | $5$ | $6$ | $7$ |
| $2$ | $3$ | $4$ | $5$ | $6$ | $7$ | $8$ |
| $3$ | $4$ | $5$ | $6$ | $7$ | $8$ | $9$ |
| $4$ | $5$ | $6$ | $7$ | $8$ | $9$ | $10$ |
| $5$ | $6$ | $7$ | $8$ | $9$ | $10$ | $11$ |
| $6$ | $7$ | $8$ | $9$ | $10$ | $11$ | $12$ |

**Etape : b) Valeurs possibles**
La plus petite somme est $1 + 1 = 2$, la plus grande $6 + 6 = 12$, et toutes les valeurs intermédiaires apparaissent : $Y$ prend les valeurs $2, 3, \ldots, 12$.

**Etape : c) Probabilités**
La somme $7$ apparaît dans $6$ cases (la diagonale) : $P(Y = 7) = \frac{6}{36} = \frac{1}{6}$.

$\{Y \leqslant 5\}$ : la somme $2$ apparaît $1$ fois, $3$ apparaît $2$ fois, $4$ apparaît $3$ fois et $5$ apparaît $4$ fois.
$$P(Y \leqslant 5) = \frac{1 + 2 + 3 + 4}{36} = \frac{10}{36} = \frac{5}{18}$$

**Attention : Les $11$ valeurs de $Y$ ne sont **pas** équiprobables : ce sont les $36$ issues qui le sont. On ne peut donc pas écrire $P(Y = 7) = \frac{1}{11}$.**

**Resultat : $Y$ prend les valeurs de $2$ à $12$ ; $P(Y = 7) = \frac{1}{6}$ et $P(Y \leqslant 5) = \frac{5}{18}$.**

## Question 3 : Nombre de « Pile » en trois lancers

**Méthode : Chaque lancer donne Pile ($P$) ou Face ($F$) avec la probabilité $\frac{1}{2}$ ; un chemin de l’arbre a pour probabilité $\frac{1}{2} \times \frac{1}{2} \times \frac{1}{2} = \frac{1}{8}$.**

**Etape : a) Arbre et issues**
![Arbre complété de trois lancers d’une pièce : chaque branche porte 1/2 en vert ; au bout des 8 chemins, l’issue et la valeur de Z (nombre de Pile) en vert](https://optitab-media.s3.eu-north-1.amazonaws.com/exercice_images/v1_n161_ex1331_2_ex1331_arbre.png)

Les $8$ issues équiprobables sont $PPP$, $PPF$, $PFP$, $PFF$, $FPP$, $FPF$, $FFP$, $FFF$ ; la valeur de $Z$ est indiquée à droite de chaque chemin.

**Etape : b) Loi de $Z$**
On regroupe les issues selon le nombre de Pile : $\{Z = 0\} = \{FFF\}$, $\{Z = 1\} = \{PFF\,;FPF\,;FFP\}$, $\{Z = 2\} = \{PPF\,;PFP\,;FPP\}$, $\{Z = 3\} = \{PPP\}$.

| $z_i$ | $0$ | $1$ | $2$ | $3$ |
|---|---|---|---|---|
| $P(Z = z_i)$ | $\frac{1}{8}$ | $\frac{3}{8}$ | $\frac{3}{8}$ | $\frac{1}{8}$ |

Contrôle : $\frac{1}{8} + \frac{3}{8} + \frac{3}{8} + \frac{1}{8} = \frac{8}{8} = 1$.

**Etape : c) $P(Z \geqslant 2)$**
$$
\begin{aligned}
P(Z \geqslant 2) &= P(Z = 2) + P(Z = 3) \\
&= \frac{3}{8} + \frac{1}{8} = \frac{1}{2}
\end{aligned}
$$

**Resultat : Loi de $Z$ : $\frac{1}{8}$, $\frac{3}{8}$, $\frac{3}{8}$, $\frac{1}{8}$ pour $0$, $1$, $2$, $3$ ; $P(Z \geqslant 2) = \frac{1}{2}$.**

#### Réponses

1. a) $X$ prend les valeurs $1$ à $6$, chacune avec la probabilité $\frac{1}{6}$. b) « Obtenir au plus $4$ » : $P(X \leqslant 4) = \frac{2}{3}$. c) $\{X \geqslant 5\}$ : $P(X \geqslant 5) = \frac{1}{3}$.
2. a) Voir le tableau des $36$ sommes. b) $Y$ prend les valeurs $2, 3, \ldots, 12$. c) $P(Y = 7) = \frac{1}{6}$ et $P(Y \leqslant 5) = \frac{5}{18}$.
3. a) $8$ issues équiprobables. b) $P(Z = 0) = \frac{1}{8}$, $P(Z = 1) = \frac{3}{8}$, $P(Z = 2) = \frac{3}{8}$, $P(Z = 3) = \frac{1}{8}$ ; somme $1$. c) $P(Z \geqslant 2) = \frac{1}{2}$.

### Exercice 2 : Variables Aléatoires - Loi de Probabilité

Déterminer et exploiter des lois de probabilité.

1. Une variable aléatoire $X$ prend les valeurs $0$, $1$, $2$ et $3$ avec les probabilités respectives $0{,}1$ ; $0{,}25$ ; $p$ et $0{,}4$.
   - a) Déterminer $p$.
   - b) Calculer $P(X \geqslant 2)$ et $P(X \lt 2)$.
   - c) Traduire par une phrase l’événement $\{X \leqslant 1\}$ et calculer sa probabilité.
2. Une urne contient $3$ boules rouges, $2$ boules bleues et $1$ boule verte. On tire une boule au hasard. On gagne $5$ € pour une rouge, $2$ € pour une bleue et $10$ € pour la verte. On note $Y$ le gain.
   - a) Déterminer la loi de $Y$ et vérifier que la somme des probabilités vaut $1$.
   - b) Calculer $P(Y \geqslant 5)$.
3. On lance deux dés équilibrés et on note $Z$ l’écart entre les deux numéros (le plus grand moins le plus petit ; $Z = 0$ si les numéros sont égaux).
   - a) Quelles sont les valeurs possibles de $Z$ ?
   - b) Déterminer la loi de $Z$, puis compléter le diagramme en bâtons donné à la fin de l’énoncé (en ordonnée : $36 \times P(Z = z_i)$, le nombre de couples).
   - c) Calculer $P(Z \leqslant 2)$.

Diagramme de la question 3 :

![Repère à compléter pour le diagramme en bâtons de l’écart entre deux dés : abscisses de 0 à 5, ordonnées 36 × P(Z = z) de 2 à 10](https://optitab-media.s3.eu-north-1.amazonaws.com/exercice_images/v1_n161_ex1332_1_ex1332_ecart_enonce.png)

#### Correction détaillée

## Question 1 : Compléter une loi

**Méthode : La somme des probabilités d’une loi vaut $1$ ; on en déduit la probabilité manquante.**

**Etape : a) Valeur de $p$**
$0{,}1 + 0{,}25 + p + 0{,}4 = 1$, donc $p = 1 - 0{,}75 = 0{,}25$.

**Etape : b) Deux probabilités**
$$
\begin{aligned}
P(X \geqslant 2) &= P(X = 2) + P(X = 3) \\
&= 0{,}25 + 0{,}4 = 0{,}65 \\
P(X \lt 2) &= 1 - P(X \geqslant 2) = 0{,}35
\end{aligned}
$$

**Etape : c) L’événement $\{X \leqslant 1\}$**
« $X$ prend une valeur inférieure ou égale à $1$ », c’est-à-dire « $X$ vaut $0$ ou $1$ » : $P(X \leqslant 1) = 0{,}1 + 0{,}25 = 0{,}35$. C’est le même événement que $\{X \lt 2\}$, car $X$ ne prend que des valeurs entières.

**Resultat : $p = 0{,}25$ ; $P(X \geqslant 2) = 0{,}65$ ; $P(X \lt 2) = P(X \leqslant 1) = 0{,}35$.**

## Question 2 : Gain d’un tirage

**Etape : a) Loi de $Y$**
Il y a $3 + 2 + 1 = 6$ boules équiprobables.

| $y_i$ | $2$ | $5$ | $10$ |
|---|---|---|---|
| $P(Y = y_i)$ | $\frac{2}{6} = \frac{1}{3}$ | $\frac{3}{6} = \frac{1}{2}$ | $\frac{1}{6}$ |

Contrôle : $\frac{2}{6} + \frac{3}{6} + \frac{1}{6} = 1$.

**Etape : b) $P(Y \geqslant 5)$**
$$
\begin{aligned}
P(Y \geqslant 5) &= P(Y = 5) + P(Y = 10) \\
&= \frac{3}{6} + \frac{1}{6} \\
&= \frac{2}{3}
\end{aligned}
$$

**Resultat : Loi : $\frac{1}{3}$, $\frac{1}{2}$, $\frac{1}{6}$ pour $2$, $5$, $10$ € ; $P(Y \geqslant 5) = \frac{2}{3}$.**

## Question 3 : Écart entre deux dés

**Méthode : On écrit le tableau des $36$ écarts équiprobables, puis on compte les cases de chaque valeur.**

**Etape : a) Valeurs possibles**
L’écart vaut au minimum $0$ (numéros égaux) et au maximum $6 - 1 = 5$ : $Z$ prend les valeurs $0, 1, 2, 3, 4, 5$.

**Etape : Tableau des écarts**
| Dé 1 / Dé 2 | $1$ | $2$ | $3$ | $4$ | $5$ | $6$ |
|---|---|---|---|---|---|---|
| $1$ | $0$ | $1$ | $2$ | $3$ | $4$ | $5$ |
| $2$ | $1$ | $0$ | $1$ | $2$ | $3$ | $4$ |
| $3$ | $2$ | $1$ | $0$ | $1$ | $2$ | $3$ |
| $4$ | $3$ | $2$ | $1$ | $0$ | $1$ | $2$ |
| $5$ | $4$ | $3$ | $2$ | $1$ | $0$ | $1$ |
| $6$ | $5$ | $4$ | $3$ | $2$ | $1$ | $0$ |

**Etape : b) Loi de $Z$**
En comptant : $0$ apparaît $6$ fois, $1$ apparaît $10$ fois, $2$ : $8$ fois, $3$ : $6$ fois, $4$ : $4$ fois, $5$ : $2$ fois (total $36$).

| $z_i$ | $0$ | $1$ | $2$ | $3$ | $4$ | $5$ |
|---|---|---|---|---|---|---|
| $P(Z = z_i)$ | $\frac{6}{36}$ | $\frac{10}{36}$ | $\frac{8}{36}$ | $\frac{6}{36}$ | $\frac{4}{36}$ | $\frac{2}{36}$ |

![Diagramme en bâtons vert de l’écart entre deux dés : hauteurs 6, 10, 8, 6, 4, 2 (en 36e) pour les écarts 0 à 5](https://optitab-media.s3.eu-north-1.amazonaws.com/exercice_images/v1_n161_ex1332_2_ex1332_ecart.png)

**Etape : c) $P(Z \leqslant 2)$**
$$P(Z \leqslant 2) = \frac{6 + 10 + 8}{36} = \frac{24}{36} = \frac{2}{3}$$

**Resultat : $P(Z = 0) = \frac{1}{6}$, $P(Z = 1) = \frac{5}{18}$, $P(Z = 2) = \frac{2}{9}$, $P(Z = 3) = \frac{1}{6}$, $P(Z = 4) = \frac{1}{9}$, $P(Z = 5) = \frac{1}{18}$ ; $P(Z \leqslant 2) = \frac{2}{3}$.**

#### Réponses

1. a) $p = 0{,}25$. b) $P(X \geqslant 2) = 0{,}65$ et $P(X \lt 2) = 0{,}35$. c) « $X$ vaut $0$ ou $1$ » : $P(X \leqslant 1) = 0{,}35$.
2. a) $P(Y = 2) = \frac{1}{3}$, $P(Y = 5) = \frac{1}{2}$, $P(Y = 10) = \frac{1}{6}$ ; somme $1$. b) $P(Y \geqslant 5) = \frac{2}{3}$.
3. a) $0, 1, \ldots, 5$. b) $\frac{6}{36}$, $\frac{10}{36}$, $\frac{8}{36}$, $\frac{6}{36}$, $\frac{4}{36}$, $\frac{2}{36}$. c) $P(Z \leqslant 2) = \frac{2}{3}$.

### Exercice 3 : Variables Aléatoires - Jeu Équitable

Régler un jeu pour qu’il soit équitable, puis comparer des jeux selon leur espérance et leur risque.

**Partie A — Un gain à régler**

On lance un dé équilibré. Le joueur gagne $a$ euros s’il obtient $6$ ($a$ est un réel positif), gagne $2$ € s’il obtient $2$ ou $4$, et perd $4$ € s’il obtient un nombre impair. On note $G$ son gain algébrique.

**A1.** Déterminer la loi de $G$ en fonction de $a$.

**A2.** Exprimer $E(G)$ en fonction de $a$.

**A3.** Pour quelle valeur de $a$ le jeu est-il équitable ?

**A4.** L’organisateur demande désormais une mise de $1$ € avant chaque partie. Pour quelle valeur de $a$ le jeu est-il équitable ?

**A5.** On prend la valeur de $a$ trouvée en A4. Calculer l’écart type du gain net.

**Partie B — Trois tickets de loterie**

Une loterie propose trois tickets :
- ticket A : il coûte $2$ € et rapporte $10$ € avec la probabilité $0{,}1$, rien sinon ;
- ticket B : il coûte $3$ € et rapporte $15$ € avec la probabilité $0{,}15$, rien sinon ;
- ticket C : il coûte $5$ € et rapporte $30$ € avec la probabilité $0{,}15$, rien sinon.

On note $N_A$, $N_B$ et $N_C$ les gains nets (somme reçue moins prix du ticket).

**B1.** Donner la loi de chacune de ces trois variables.

**B2.** Calculer leurs espérances. Quel ticket est le moins défavorable au joueur ? Lequel rapporte le plus à l’organisateur ?

**B3.** Calculer $\sigma(N_A)$ et $\sigma(N_C)$. Comparer les deux tickets du point de vue du risque.

#### Correction détaillée

## Partie A : Un gain à régler

## Question A1 : Loi de $G$

**Etape : Regroupement**
$\{G = a\} = \{6\}$, $\{G = 2\} = \{2\,;4\}$, $\{G = -4\} = \{1\,;3\,;5\}$.

**Resultat : | $g_i$ | $-4$ | $2$ | $a$ |**
|---|---|---|---|
| $P(G = g_i)$ | $\frac{1}{2}$ | $\frac{1}{3}$ | $\frac{1}{6}$ |

## Question A2 : Espérance en fonction de $a$

**Etape : Calcul**
$$
\begin{aligned}
E(G) &= \frac{1}{2} \times (-4) + \frac{1}{3} \times 2 + \frac{1}{6} \times a \\
&= -2 + \frac{2}{3} + \frac{a}{6} = \frac{a}{6} - \frac{4}{3}
\end{aligned}
$$

**Resultat : $E(G) = \dfrac{a}{6} - \dfrac{4}{3}$.**

## Question A3 : Jeu équitable sans mise

**Etape : Équation**
$$E(G) = 0 \iff \frac{a}{6} = \frac{4}{3} \iff a = 8$$

**Resultat : Le jeu est équitable pour $a = 8$ €.**

## Question A4 : Jeu équitable avec une mise de $1$ €

**Méthode : Le gain net est $N = G - 1$ ; par linéarité, $E(N) = E(G) - 1$.**

**Etape : Équation**
$$
\begin{aligned}
E(N) = 0 &\iff \frac{a}{6} - \frac{4}{3} - 1 = 0 \\
&\iff \frac{a}{6} = \frac{7}{3} \\
&\iff a = 14
\end{aligned}
$$

**Resultat : Avec une mise de $1$ €, le jeu est équitable pour $a = 14$ €.**

## Question A5 : Écart type du gain net

**Méthode : $\sigma(N) = \sigma(G - 1) = \sigma(G)$ : on calcule $V(G)$ avec $a = 14$.**

**Etape : Espérance et moyenne des carrés**
Avec $a = 14$ : $E(G) = \frac{14}{6} - \frac{4}{3} = \frac{7}{3} - \frac{4}{3} = 1$ (cohérent avec $E(N) = 0$).
$$
\begin{aligned}
E(G^2) &= \frac{1}{2} \times 16 + \frac{1}{3} \times 4 + \frac{1}{6} \times 196 \\
&= 8 + \frac{4}{3} + \frac{98}{3} = 8 + 34 = 42
\end{aligned}
$$

**Etape : Variance et écart type**
$V(G) = 42 - 1^2 = 41$, donc $\sigma(N) = \sigma(G) = \sqrt{41} \approx 6{,}40$ €.

**Resultat : $\sigma(N) = \sqrt{41} \approx 6{,}40$ € : le jeu est équitable en moyenne, mais les gains d’une partie sont très dispersés.**

## Partie B : Trois tickets de loterie

## Question B1 : Lois des gains nets

**Méthode : Gain net = somme reçue − prix du ticket. Un ticket gagnant rapporte « lot − prix », un ticket perdant « − prix ».**

**Etape : Trois lois**
| $n_i$ | $-2$ | $8$ |
|---|---|---|
| $P(N_A = n_i)$ | $0{,}9$ | $0{,}1$ |

| $n_i$ | $-3$ | $12$ |
|---|---|---|
| $P(N_B = n_i)$ | $0{,}85$ | $0{,}15$ |

| $n_i$ | $-5$ | $25$ |
|---|---|---|
| $P(N_C = n_i)$ | $0{,}85$ | $0{,}15$ |

**Attention : Le prix du ticket se retranche **aussi** quand on gagne : le gain net d’un ticket A gagnant est $10 - 2 = 8$ €, pas $10$ €.**

**Resultat : Gains nets : $N_A \in \{-2\,;8\}$, $N_B \in \{-3\,;12\}$, $N_C \in \{-5\,;25\}$, avec les probabilités ci-dessus.**

## Question B2 : Espérances

**Etape : Calculs**
$$
\begin{aligned}
E(N_A) &= 0{,}9 \times (-2) + 0{,}1 \times 8 \\
&= -1{,}8 + 0{,}8 = -1 \\
E(N_B) &= 0{,}85 \times (-3) \\
&\quad + 0{,}15 \times 12 \\
&= -2{,}55 + 1{,}8 = -0{,}75 \\
E(N_C) &= 0{,}85 \times (-5) \\
&\quad + 0{,}15 \times 25 \\
&= -4{,}25 + 3{,}75 = -0{,}5
\end{aligned}
$$

**Etape : Interprétation**
Les trois espérances sont négatives : les trois tickets sont défavorables au joueur. Le ticket C est le moins défavorable ($-0{,}50$ € en moyenne par ticket). L’organisateur gagne en moyenne $1$ € par ticket A, $0{,}75$ € par ticket B et $0{,}50$ € par ticket C.

**Resultat : $E(N_A) = -1$ €, $E(N_B) = -0{,}75$ €, $E(N_C) = -0{,}50$ € ; le ticket C est le moins défavorable au joueur, le ticket A rapporte le plus à l’organisateur.**

## Question B3 : Comparer les risques

**Etape : Ticket A**
$$
\begin{aligned}
E(N_A^2) &= 0{,}9 \times 4 + 0{,}1 \times 64 \\
&= 3{,}6 + 6{,}4 \\
&= 10
\end{aligned}
$$
Donc $V(N_A) = 10 - (-1)^2 = 9$ et $\sigma(N_A) = 3$ €.

**Etape : Ticket C**
$$
\begin{aligned}
E(N_C^2) &= 0{,}85 \times 25 \\
&\quad + 0{,}15 \times 625 \\
&= 21{,}25 + 93{,}75 \\
&= 115
\end{aligned}
$$
Donc $V(N_C) = 115 - 0{,}25 = 114{,}75$ et $\sigma(N_C) = \sqrt{114{,}75} \approx 10{,}71$ €.

**Resultat : $\sigma(N_A) = 3$ € et $\sigma(N_C) \approx 10{,}71$ € : le ticket C est moins défavorable en moyenne, mais beaucoup plus risqué (on peut perdre $5$ € ou gagner $25$ €).**

#### Réponses

**Partie A**

A1. $P(G = -4) = \frac{1}{2}$, $P(G = 2) = \frac{1}{3}$, $P(G = a) = \frac{1}{6}$.

A2. $E(G) = \frac{a}{6} - \frac{4}{3}$.

A3. $a = 8$ €.

A4. $a = 14$ €.

A5. $\sigma(N) = \sqrt{41} \approx 6{,}40$ €.

**Partie B**

B1. $N_A$ : $-2$ ($0{,}9$), $8$ ($0{,}1$) ; $N_B$ : $-3$ ($0{,}85$), $12$ ($0{,}15$) ; $N_C$ : $-5$ ($0{,}85$), $25$ ($0{,}15$).

B2. $-1$ € ; $-0{,}75$ € ; $-0{,}50$ €. Ticket C le moins défavorable, ticket A le plus rentable pour l’organisateur.

B3. $\sigma(N_A) = 3$ € et $\sigma(N_C) \approx 10{,}71$ € : C est bien plus risqué.
