Variables aléatoires réelles

I. Variables aléatoires réelles

On considère une expérience aléatoire dont l'univers Ω = {𝑒1 ; 𝑒2 ; 𝑒3 ; … ; 𝑒𝑛 } est fini et une loi de probabilité
p sur Ω.

Définition - Variable aléatoire réelle (discrète)

Une variable aléatoire réelle 𝑋 sur Ω est une fonction qui à chaque issue de Ω associe un nombre réel.

➢ Notation
𝑎 étant un nombre réel, on note {𝑿 = 𝒂} l'événement 𝑿 prend la valeur 𝒂 et 𝑷(𝑿 = 𝒂) sa probabilité.

Exemple
Une urne contient 6 boules indiscernables au toucher : trois boules sont rouges numérotées de 1 à 3 (𝑅1 , 𝑅2
, 𝑅3 ) et trois boules sont vertes numérotées 0, 3 et 5 (𝑉0 , 𝑉3 , 𝑉5).
Un joueur mise 2 € et tire une boule au hasard. Si elle est rouge, il gagne 3 € ; si elle est verte, il gagne en
euros la valeur du numéro indiqué.

L'univers associé à l'expérience aléatoire est Ω = {𝑅1 , 𝑅2 , 𝑅3 , 𝑉0 , 𝑉3 , 𝑉5 } Toutes les issues sont
équiprobables.
La variable aléatoire 𝑋 qui, à chaque boule choisie, associe le gain en tenant compte de la mise, peut prendre
comme valeur : 3 (en prenant la boule 𝑉5 et en soustrayant la mise) ; 1 (en prenant une boule rouge ou la
boule 𝑉3 et en soustrayant la mise) et −2 (en prenant la boule 𝑉0 et en soustrayant la mise).
L'événement 𝑋 prend la valeur 3, noté {𝑋 = 3}, est réalisé lorsque le joueur tire la boule 𝑉5.
1 1
Sa probabilité est 𝑃(𝑋 = 3) = 6 car la probabilité de tirer au hasard la boule 𝑉5 est 6.

Définition
Soit 𝑋 une variable aléatoire sur Q prenant les valeurs 𝑥1 , 𝑥2 , … , 𝑥𝑛 .
Lorsqu'à chaque valeur 𝑥𝑖 on associe la probabilité 𝑝𝑖 = 𝑃(𝑋 = 𝑥𝑖 ), on définit la loi de probabilité de 𝑋.

Remarques
• La loi de probabilité d'une variable aléatoire X peut se présenter sous la forme d'un tableau.
𝑥𝑖 𝑥1 𝑥2 … 𝑥𝑛
𝑝(𝑋 = 𝑥𝑖 ) 𝑝1 𝑝2 … 𝑝𝑛

• La somme des probabilités de toutes valeurs prises par la variable aléatoire est égale à 1.
On a : 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛 = 1 .

Exemple
Dans l'exemple précédent, 𝑋 peut prendre les valeurs 3,1 et −2. De plus, on a :
1
• 𝑝(𝑋 = 3) = 𝑝({𝑉5 }) = 6
4 2
• 𝑝(𝑋 = 1) = 𝑝({𝑅1 ; 𝑅2 ; 𝑅3 ; 𝑉3 }) = 6 = 3
1
• 𝑝(𝑋 = −2) = 𝑝({𝑉0 }) = 6

On en déduit que la loi de probabilité de 𝑋 est donnée dans le tableau ci-dessous.

Page 1 sur 4
 𝑥𝑖 −2 1 3
1 2 1
𝑝(𝑋 = 𝑥𝑖 )
6 3 6

Remarques
• Les notations {𝑋 ≥ 𝑎}, {𝑋 = 𝑎}, ... permettent de définir des événements en lien avec les variables
aléatoires.
• Dans l'exemple, on peut calculer la probabilité de l'événement {𝑋 ≥ 0}, c'est-à-dire la probabilité que
5
le gain soit positif, que l'on note 𝑝(𝑋 ≥ 0) : on a 𝑝(𝑋 ≥ 0) = 𝑝(𝑋 = 1) + 𝑝(𝑋 = 3) = 6

Exercices résolus 1 et 2 page 305-306

II. Espérance — Variance — Écart-type

1. Définitions

Dans ce paragraphe, 𝑋 est une variable aléatoire dont la loi de probabilité est donnée par le tableau suivant.
𝑥𝑖 𝑥1 𝑥2 … 𝑥𝑛
𝑝(𝑋 = 𝑥𝑖 ) 𝑝1 𝑝2 … 𝑝𝑛

Définition - Espérance
L'espérance de 𝑋 est le nombre réel noté 𝐸(𝑋) défini par :
𝐸(𝑋) = 𝑥1 𝑝1 + 𝑥2 𝑝2 + ⋯ + 𝑥𝑛 𝑝𝑛

Exemple
On considère une variable aléatoire Y dont la loi de probabilité est donnée par le tableau suivant.
𝑦𝑖 −4 0 4 20
𝑝(𝑌 = 𝑦𝑖 ) 0,5 0,2 0,2 0,1

On a 𝐸(𝑌) = −4 × 0,5 + 0 × 0,2 + 4 × 0,2 + 20 × 0,1 = 0,8

Remarques
• Lorsque 𝑋 est une variable aléatoire donnant le gain algébrique à un jeu, 𝐸(𝑋) est le gain moyen que
peut espérer un joueur sur un grand nombre de parties à ce jeu.
• Un jeu est équitable si l'espérance de la variable aléatoire donnant le gain algébrique est nulle.

Exercice résolu 3 page 307

Définition – Variance
La variance de 𝑋 est le nombre noté 𝑉(𝑋) défini par :
2 2 2
𝑉(𝑋) = 𝑝1 (𝑥1 − (𝐸(𝑋))) + 𝑝2 (𝑥2 − (𝐸(𝑋))) + ⋯ + 𝑝𝑛 (𝑥𝑛 − (𝐸(𝑋)))

Exemple
Dans l’exemple précédent, on a :
𝑉(𝑌) = 0,5 × (−4 − 0,8)2 + 0,2 × (0 − 0,8)2 + 0,1 × (20 − 0,8)2 = 50,56

Page 2 sur 4
Définition - Écart-type
L'écart-type de 𝑋 est le nombre réel noté σ(𝑋) défini par σ(𝑋) = √𝑉(𝑋).

Exemple
Dans l'exemple précédent, on a : σ(𝑋) = √𝑉(𝑋) = √50,56 ≈ 7,11.

Remarques
• Ces définitions sont à mettre en lien avec celles de moyenne, variance et écart-type d'une série
statistique. On peut donc aussi utiliser la calculatrice ou un tableur pour déterminer l'espérance, la
variance et l'écart-type d'une variable aléatoire si on a résumé la loi de probabilité de la variable
aléatoire dans un tableau (voir le TP1)
• Comme en statistiques, l'écart-type permet de se donner une idée de la répartition des valeurs prises
par une variable autour de son espérance en tenant compte des probabilités. Plus l'écart-type est
grand, plus les valeurs prises par la variable aléatoire sont « éloignées » de l'espérance.

2. Propriétés des indicateurs

Propriétés – Formule de König-Huygens

2
On a : 𝑉(𝑋) = 𝑝1 (𝑥1 )2 + 𝑝2 (𝑥2 )2 + ⋯ + 𝑝𝑛 (𝑥𝑛 )2 − (𝐸(𝑋))

Définitions - Variable aléatoire 𝒂𝑿 + 𝒃

Pour tous nombres réels 𝑎 et 𝑏, on peut définir une nouvelle variable aléatoire en associant à chaque
issue donnant la valeur 𝑥𝑖 , le nombre réel 𝑎𝑥𝑖 + 𝑏.
Cette nouvelle variable aléatoire se note 𝑎𝑋 + 𝑏.

Exemple
𝑍 est une variable aléatoire donnant le gain en euros à un jeu auquel on peut gagner 2, 4 ou 8 €. 𝑍 peut donc
prendre les valeurs 2, 4 ou 8.
Les organisateurs décident de multiplier les gains par 2 puis de soustraire 1 €.
On obtient alors la variable aléatoire 𝑍′ telle que 𝑍 ′ = 2𝑍 − 1, qui donne les gains en euros suite à cette
modification.
Z' peut prendre les valeurs 3(2 × 2 − 1) ; 7(2 × 4 − 1) ou 15(2 × 8 − 1).

Propriété - 𝑬(𝒂𝑿 + 𝒃) et 𝑽(𝒂𝑿 + 𝒃)

Soit 𝑎 et 𝑏 deux nombres réels. On a :
• 𝐸(𝑎𝑋 + 𝑏) = 𝑎𝐸(𝑋) + 𝑏
• 𝑉(𝑎𝑋 + 𝑏) = 𝑎2 𝑉(𝑋)
• 𝜎(𝑎𝑋 + 𝑏) = |𝑎|𝜎(𝑥)

Démonstration
Pour l'espérance :
𝐸(𝑎𝑋 + 𝑏) = 𝑝1 × (𝑎𝑥1 + 𝑏) + 𝑝2 × (𝑎𝑥2 + 𝑏) + ⋯ + 𝑝𝑛 × (𝑎𝑥𝑛 + 𝑏)
= 𝑎𝑥1 𝑝1 + 𝑝1 𝑏 + 𝑎𝑝2 𝑥2 + 𝑝2 𝑏 + ⋯ + 𝑎𝑝𝑛 𝑥𝑛
= 𝑎⏟(𝑥1 𝑝1 + 𝑥2 𝑝2 + ⋯ + 𝑝𝑛 𝑥𝑛 ) + 𝑏 ⏟
(𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛 )
𝐸(𝑥) 1
= 𝑎𝐸(𝑥) + 𝑏

Remarque

Page 3 sur 4
Voir les exercices d'approfondissement pour la propriété de la variance (et donc de l'écart-type).

Exemple
Dans l'exemple précédent, si on a 𝐸(𝑍) = 3,4 alors :
𝐸(𝑍 ′ ) = 𝐸(2𝑍 − 1) = 2𝐸(𝑍) − 1 = 2 × 3,4 − 1 = 5,8

Remarque
Le tableau et Python permettent de faire des simulations et d'obtenir au hasard une valeur prise par une
variable aléatoire

Exercice résolu 4 page 307

Page 4 sur 4