Cours de première
Chapitre 10 : Variable aléatoire
Chapitre 10 : Variable aléatoire
I Variable aléatoire et loi de probabilité
On considère une expérience aléatoire associée à un univers Ω fini sur lequel on a défini une loi de
probabilité p.
I.1 Variable aléatoire
Définition : Une variable aléatoire X est une fonction définie sur Ω dans R, qui à tout élément de Ω fait
correspondre un nombre réel.
Remarque : Lorsque Ω est fini, l’ensemble des valeurs prises par X, c’est à dire des images par X, est
fini. On parle de variable aléatoire discrète.
Exemple : Soit l’expérience aléatoire : "On lance un dé à six faces et on regarde le résultat." L’ensemble
de toutes les issues possibles est Ω = {1; 2; 3; 4; 5; 6}.
On considère le jeu suivant : - Si le résultat est pair, on gagne 2 e.
- Si le résultat est 1, on gagne 3 e.
- Si le résultat est 3 ou 5, on perd 4 e.
On a défini ainsi une variable aléatoire X sur Ω qui peut prendre les valeurs 2, 3 ou −4.
On a donc : X(1) = 3, X(2) = 2, X(3) = −4, X(4) = 2, X(5) = −4, X(6) = 2.
Notations : Soit a un nombre réel. On note : {X = a} l’événement "la variable aléatoire X prend la
valeur a" ;
Et {X ≥ a} l’événement "la variable aléatoire X prend une valeur supérieure ou égale à la valeur a".
On peut définir de manière analogue les événements : {X > a}, {X < a} et {X ≤ a}.
I.2 Loi de probabilité d’une variable aléatoire
Définition : Soit X une variable aléatoire définie sur Ω et prenant les valeurs x1 , x2 , . . . , xn . Définir la
loi de probabilité de X, c’est associer à chacune des valeurs xi sa probabilité p(X = xi ), où 1 ≤ i ≤ n.
On présente en général une loi de probabilité sous forme d’un tableau :
Valeurs xi prises par X x1 x2 ... xn
p(X = xi ) p1 p2 ... pn
Remarques : ◦ La probabilité p(X = xi ) peut se noter pi , pour tout entier i ∈ [1 ; n].
◦ Dans le tableau qui donne la loi de probabilité d’une variable aléatoire, la somme des probabilités est
n
P
égale à 1. Autrement dit pi = p1 + p2 + . . . + pn = 1.
i=1
1
Cours de première
Chapitre 10 : Variable aléatoire
Exemple : On considère la variable aléatoire X définie dans l’exemple précédent. Chaque issue du lancer
1
de dé est équiprobable et égale à . La probabilité que la variable aléatoire prenne la valeur 2 est égale à
6
3 1 1 1 2 1
= . Donc p(X = 2) = . De même, on obtient p(X = 3) = et p(X = −4) = = .
6 2 2 6 6 3
On peur résumer les résultats dans un tableau :
Valeurs xi prises par X −4 2 3
1 1 1
p(X = xi )
3 2 6
II Espérance, variance et écart type
II.1 Définitions
Définition : L’espérance de la variable aléatoire X (avec le notations précédentes) est le réel noté E(X)
Pn
défini par : E(X) = p1 × x1 + p2 × x2 + . . . + pn × xn = p i × xi .
i=1
Interprétation : L’espérance s’interprète comme la valeur moyenne prise par la variable aléatoire X
lorsque l’on répète un grand nombre de fois l’expérience.
Définitions : La variance de la variable aléatoire X (avec le notations précédentes) est le réel positif
n
noté V (X) défini par : V (X) = p1 × x21 + p2 × x22 + . . . + pn × x2n − (E(X))2 = pi × x2i − (E(X))2 .
P
i=1
p
L’écart type, noté σ(X), est le réel égal à la racine carré de la variance : σ(X) = V (X).
Interprétation : La variance représente la moyenne des carrés des écarts à l’espérance E(X). Elle
mesure la dispersion des valeurs prises par la variable aléatoire X autour de son espérance E(X).
II.2 Linéarité de l’espérance
Si a et b sont deux réels, on peut définir sur Ω une nouvelle variable aléatoire Y = aX + b, dont les
images sont yi = a × xi + b pour tout entier i de 1 à n.
Propriété : Soient a et b deux réels: On pose Y = aX + b. Alors :
∗ E(Y ) = aE(X) + b;
∗ V (Y ) = a2 V (X);
∗ σ(Y ) = |a|σ(X).
Exercice d’application : Un joueur mise 1 e et tire une carte dans un jeu de 52 cartes. S’il obtient une
carte de couleur rouge, il ne gagne rien et le jeu s’arrête. Sinon il remet la carte dans le jeu et tire de
nouveau une carte. Dans ce cas, s’il obtient un as, il gagne 5 e; s’il obtient une figure (valet, dame ou
roi), il gagne 2 e; dans tous les autres cas, il perd 1 e. Soit G le gain algébrique du joueur en euro.
1. Déterminer la loi de probabilité de G.
2. Calculer l’espérance E(G) et l’écart type σ(G). Interpréter le résultat.
