4.3 Variables al´ eatoires discr` etes
4.3.3 Esp´ erance
equitable ou non.
• Cas o`u l’univers est fini.
Soit (Ω,A,P) un espace probabilis´e. Supposons l’univers Ω fini : Ω ={ω1,· · · , ωn}.
D´efinition. Soit X une variable al´eatoire r´eelle d´efinie sur Ω. On appelleesp´erance deX, que l’on noteE(X), la quantit´e :
L’esp´erance satisfait aux propri´et´es suivantes.
Propri´et´e 5.
1. (Lin´earit´e). Si X etY sont deux variables al´eatoires d´efinies sur Ω, et si a, b sont deux constantes r´eelles, alors :
E(aX+bY) =aE(X) +bE(Y).
2. (Monotonie). Si X et Y sont deux variables al´eatoires d´efinies sur Ω telle que X ≤Y, alorsE(X)≤E(Y). En particulier, |E(X)| ≤E(|X|).
3. SiX est une variable al´eatoire constante,X ≡a, alors E(X) =a.
4. (Th´eor`eme de transfert). Notons {x1,· · · , xm} l’ensemble des valeurs prises par la va-riable al´eatoire r´eelle X, et soit f une application d´efinie sur X(Ω), alors :
E(f(X)) =
m
X
k=1
f(xk)PX({xk}).
En particulier, si f ≡Id, on obtient : E(X) =
m
X
k=1
xkPX({xk}).
D´emonstration.
1. Par d´efinition de l’esp´erance,
E(aX +bY) =
n
X
i=1
(aX(ωi) +bY(ωi))P({ωi})
=a
n
X
i=1
X(ωi)P({ωi}) +b
n
X
i=1
Y(ωi)P({ωi})
=aE(X) +bE(Y).
2. Supposons queX ≤Y. Alors, comme la probabilit´eP est `a valeur positive,
E(X) =
n
X
i=1
X(ωi)P({ωi})≤
n
X
i=1
Y(ωi)P({ωi}) =E(Y).
En appliquant ceci avec−X≤ |X|etX ≤ |X|, et en utilisant la lin´earit´e de l’esp´erance, on obtient,E(X)≤E(|X|) et −E(X)≤E(|X|), d’o`u on d´eduit, |E(X)| ≤E(|X|).
3. Par lin´earit´e de l’esp´erance, il suffit de montrer que siX ≡1, alorsE(1) = 1.
E(1) =
n
X
i=1
X(ωi)P({ωi}) =
n
X
i=1
P({ωi}) =P(Ω) = 1.
4. D´emontrons ce point pourf ≡Id. Par d´efinition de l’esp´erance,E(X) =
n
P
i=1
X(ωi)P({ωi}).
CommeX prend les valeurs {x1,· · ·, xm}, on peut r´e´ecrire ceci sous la forme : E(X) =
m
X
k=1
X
1≤i≤n X(ωi)=xk
X(ωi)P({ωi})
=
m
X
k=1
xk X
1≤i≤n X(ωi)=xk
P({ωi})
=
m
X
k=1
xkP({ω ∈Ω : X(ω) =xk}) =
m
X
k=1
xkPX({xk}).
• Cas o`u l’espace des ´etats est quelconque et la variable al´eatoire discr`ete
Soit (Ω,A,P) un espace probabilis´e etX une variable al´eatoire discr`ete d´efinie sur Ω, `a valeurs dansX(Ω) ={xj : j∈J}, o`u J est une partie non vide, finie ou d´enombrable de N.
D´efinition.
— La variable al´eatoire discr`ete X est dite int´egrable, si la s´erie de terme g´en´eral |xj|pj
converge.
— SiX est une variable al´eatoire discr`ete int´egrable, on d´efinit son esp´erance, not´eeE(X), par :
E(X) =X
j∈J
xjPX({xj}).
Remarque.
— Lorsque l’univers Ω est fini, toute variable al´eatoire d´efinie sur Ω est int´egrable et la d´efinition co¨ıncide avec celle donn´ee pr´ec´edemment.
— SiX n’est pas int´egrable, elle n’admet pas d’esp´erance.
— L’esp´erance deX, lorsqu’elle existe, ne d´epend que de la loi deX, c’est-`a-dire des couples {(xj,PX({xj})), j ∈J}, et repr´esente le barycentre de l’ensemble de ces couples.
On retrouve les propri´et´es vues lorsque l’espace des ´etats est fini, mais elles sont souvent plus difficile `a montrer dans ce cas.
Propri´et´e 6.
1. Une variable al´eatoire discr`ete X est int´egrable si et seulement si|X|est int´egrable.
2. Si la variable al´eatoire X est born´ee, alors elle est int´egrable.
3. (Lin´earit´e). SiX et Y sont deux variables al´eatoires discr`etes int´egrables, et si a, bsont deux constantes r´eelles, alorsaX+bY est int´egrable et on a :
E(aX+bY) =aE(X) +bE(Y).
4. (Monotonie). Si X et Y sont deux variables al´eatoires discr`etes int´egrables telles que X≤Y, alors E(X)≤E(Y). En particulier si X est int´egrable, alors |E(X)| ≤E(|X|).
5. SiX est une variable al´eatoire constante,X ≡a, alors X est int´egrable etE(X) =a.
6. (Th´eor`eme de transfert). SiX est une variable al´eatoire discr`ete et sif est une applica-tion d´efinie surX(Ω)telle que la s´erie de terme g´en´eral |f(xj)|PX({xj}) converge, alors f(X) est une variable al´eatoire discr`ete int´egrable et
E(f(X)) =X
j∈J
f(xj)PX({xj}).
D´efinition. SoitXune variable al´eatoire discr`ete int´egrable. SiX est d’esp´erance nulle, on dit queX estcentr´ee.
Exercices
Exercice4.7. SoitXune variable al´eatoire discr`ete int´egrable. Montrer que la variable al´eatoire X−E(X) est centr´ee.
Exercice 4.8. Calculer, si elle existe, l’esp´erance des variables al´eatoires ayant pour loi : 1. loi uniforme sur {1,· · ·, n},
2. loi de Bernoulli de param`etrep. SoitA∈ Aun ´ev´enement de Ω, d´eduire que E(IA) =P(A).
3. loi binomiale de param`etresnetp,
4. loi g´eom´etrique de param`etre p, 0< p <1, 5. loi de Poisson de param`etre θ >0.
Solutions
Solution 4.7. SiXest int´egrable, alors par la propri´et´e de lin´earit´e de l’esp´erance,X−E(X) est int´egrable et,
E(X−E(X)) =E(X)−E(X) = 0, d’o`u on d´eduit que la variable al´eatoireX−E(X) est centr´ee.
Solution 4.8.
1. SoitX une variable al´eatoire suivant une loi uniforme sur{1,· · · , n}. CommeXne prend qu’un nombre fini de valeurs, alors X est int´egrable et admet donc une esp´erance. Par d´efinition :
E(X) =
n
X
k=1
k1
n = n(n+ 1)
2n = n+ 1 2 .
2. Soit X une variable al´eatoire suivant une loi de Bernoulli de param`etre p. CommeX ne prend qu’un nombre fini de valeurs, alorsX est int´egrable et admet donc une esp´erance.
Par d´efinition :
E(X) = 1.p+ 0.(1−p) =p.
Soit A une ´ev´enement de Ω, alors l’indicatrice de A, IA, suit une loi de Bernoulli de param`etreP(A), ainsi IA admet une esp´erance et
E(IA) =P(A).
3. SoitXune variable al´eatoire suivant un loi binomiale de param`etresnetp. CommeX ne prend qu’un nombre fini de valeurs, alorsX est int´egrable et admet donc une esp´erance.
Nous allons calculer l’esp´erance de X de deux mani`eres. Par d´efinition de l’esp´erance, E(X) =
D’autre part, la variable al´eatoire X a mˆeme loi que
n
P
k=1
Xk, o`u les (Xk)1≤k≤n sont des variables al´eatoires ind´ependantes de Bernoulli de param`etre p. Ainsi, en utilisant la lin´earit´e de l’esp´erance et le Point 2, nous obtenons :
E(X) =E
4. Soit X une variable al´eatoire suivant une loi g´eom´etrique de param`etrep. Pour montrer
queXest int´egrable, nous devons prouver que la s´erie de terme g´en´eral|k|PX({k}) =kp(1−p)k−1 est convergente. Soitx∈R, consid´erons la s´erie de terme g´en´eralxk. On reconnaˆıt la s´erie
g´eom´etrique, qui est absolument convergente pour tout x tel que |x|<1, et vaut alors, φ(x) = 1−x1 . Par un th´eor`eme du cours, la s´erie est infiniment d´erivable sur l’int´erieur de son intervalle de convergence et les d´eriv´ees successives sont donn´ees par les d´eriv´ees successives terme `a terme. En particulier, pour toutx tel que|x|<1,
φ0(x) = 1 absolu-ment convergente et qu’elle vautpp12. Ainsi, siXsuit une loi g´eom´etrique de param`etrep, X admet une esp´erance et
E(X) = 1 p.
5. SoitX une variable al´eatoire suivant une loi de Poisson de param`etreθ. Afin de montrer queXest int´egrable, nous devons prouver que la s´erie de terme g´en´eral|k|PX({k}) =k e−θ θk!k est convergente. Or pour tout k≥1,k e−θ θk!k =e−θθ(k−1)!θk−1 . On reconnaˆıt, `a la constante e−θθ pr`es, le d´eveloppement en s´erie de eθ. Ainsi, si X suit une loi de Poisson de pa-ram`etre θ,X admet une esp´erance, et
E(X) =θe−θeθ=θ.