Variables aléatoires réelles
Classe de 1ère
I - Variables aléatoires et loi de probabilité
Définition :
Soit Ωun univers associé à une expérience aléatoire, on appelle variable aléatoire X toute fonction définie sur Ωà valeurs dans IR
Exemple : Une urne contient 3 boules bleues, 4 boules vertes et 2 boules rouges.
On tire une boule de l’urne, l’ensemble des issues sont Ω={B;V;R}.
Si la boule tirée est verte, on gagne 3 euros, si la boule est rouge, on perd 2 euros et si elle est bleue, on perd 1 euro.
Il est alors possible de définir une fonction X qui à chaque issue deΩassocie le gain.
On a donc : X(V)=3, X(R)= −2 et X(B)= −1.
Définition :
Si X est une variable aléatoire sur un ensemble Ω et que x1, x2, ... ,xn désignent les valeurs prises par X, on note (X =xi) l’évènement «X prend la valeurxi ».
On appelle alors loi de probabilité de la variable aléatoire X la fonction qui, à chaque xi associe la probabilité pi =p(X =xi) pour 16i 6n.
Exemple : Dans l’exemple précédent, nous pouvons définir la loi de probabilité suivante pour la variable aléatoire X :
Remarque : p1+p2+....+pn =1
Exemple : Dans l’exemple ci-dessus, on a :
p1+p2+p3= 4 9+2
9+3 9 =1
II - Espérance, variance et écart-type
1) Espérance
Dans ce paragraphe, on considère une variable aléatoire X définie sur un ensemble Ω prenant les valeurs x1, x2, ... ,xn et dont la loi de probabilité est donnée par les probabilités pi =p(X =xi) pour 16i 6n.
Définition :
On appelle espérance mathématiquede X le nombre :
E(X)=p1x1+p2x2+....+pnxn =
n
X
i=1
pixi
Remarque : L’espérance est la moyenne des valeurs xi pondérées par les probabilité pi, elle repré- sente donc la valeur de laquelle va se rapprocher la moyenne des valeurs de X lors d’un grand nombre de répétition de l’expérience aléatoire.
Exemple : Dans notre exemple précédent, l’espérance vaut : E(X) = 4
9×3+2
9×(−2)+3
9×(−1)
= 5
≈ 0,559
On en déduit qu’une personne qui jouerait un très grand nombre de fois à ce jeu peut espérer
2) Variance et écart-type
Définition :
On appelle variancede X le nombre :
V(X)=p1×(x1−E(X))2+p2×(x2−E(X))2+....+pn×(xn−E(X))2=
n
X
i=1
pi(xi −E(X))2
L’écart-type de X est le nombre réel noté σ(X) tel que :
σ(X)=p
V(X)
Remarque : La variance représente la moyenne des carrés des écarts à l’espérance. Elle permet de mesurer la dispersion des valeurs prises par la variable aléatoire autour de son espérance.
Exemple : Reprenons, de nouveau l’exemple précédent, le calcul de la variance nous donne : V(X) = 4
9×(3−0,55)2+2
9×(−2−0,55)2+3
9×(−1−0,55)2
= 5 9
≈ 4,91 Et donc l’écart type σ(X)≈p
4,91≈2,22
3) Propriétés
Propriété : Soient a etb deux nombres réels, on définit une nouvelle variable aléatoireY =aX + b sur Ω. On a alors :
• E(Y)=aE(X)+b
• V(Y)=a2V(X)
• σ(Y)= |a|σ(X)
Propriété : Formule de König-Huygens
On aV(X)=p1x12+p2x22+...+pnxn2−(E(X))2
Remarques : • dans la pratique, on utilisera plutôt cette dernière formule pour calculer la va- riance d’une variable aléatoire
• les démonstrations de ces propriétés seront vues en exercices