Mathématiques pour l’Economie et la Finance,

Cours pour les Littéraires

Johan Hombert
Année 2005-06

1 Equations et manipulation d’expressions

1.1 Equations linéaires à 1 inconnue
Méthode Comment résoudre :
7x + 17 = 1 − x ?
On met les x d’un coté, les termes constants de l’autre : 7x + x = 1 − 17,
donc 8x = −16,
puis on divise par 8 : x = − 16
8 = −2.

Applications Résoudre :
ax − b = x
2x 1 1
+ = −x
3 4 6
(Revoir au passage les règles de fraction).
Solutions :
b
ax − x = b ⇐⇒ (a − 1)x = b ⇐⇒ x = a−1 .
2x 1 1 5x 1 1 3 1
3
+ x = 6
− 4
⇐⇒ 3
= − 12
⇐⇒ x = − 12 5
= − 20 .

1.2 Equations linéaires à 2 inconnues

Méthode Comment résoudre le système :

2x + 1 + y = 5 (1)
x−y =5 (2)
a/ Exprimer y en fonction de x avec (1) : y = 4 − 2x
b/ Remplacer les y dans (2) : x − (4 − 2x) = 5
c/ Résoudre (2) en x : x = 3
d/ En déduire y : y = 4 − 2x = −2
(On peut bien sûr commencer avec (2) au lieu de (1) et/ou avec x au lieu de y.)

1
Application 
5x + 2y = 3x − 2
−2x − 5 + 4y = 8y
Solution : De la première équation, on tire y = −x − 1, puis en réinjectant dans la
seconde : −2x − 5 = 4(−x − 1), donc x = 1/2 et y = −3/2.

1.3 Equations du 2nd degré

Méthode Comment résoudre :

ax2 + bx + c = 0 ?

On calcule le discrimant :
∆ ≡ b2 − 4ac
1er cas : ∆ > 0 √ √
2 solutions : x1 = −b+2a
∆
et x2 = −b− ∆
2a
ème
2 cas : ∆ = 0
1 solution : x = −b
2a
3ème cas : ∆ < 0
Pas de solution

Applications Résoudre :

x2 + 3x − 4 = 0

4x2 + 2 + x = 1 − x2 − 4x
Solutions : √ √
−3+ 25 −3− 25
∆ = 32 − 4 × 1 × (−4) = 25, donc 2 solutions x1 = 2
= 1 et x2 = 2
=
−4.
2
La seconde équation
√
se récrit 5x
√
+ 5x + 1 = 0, ∆ = 52 − 4 × 5 × 1 = 5, donc 2
−5+ 5 −5− 5
solutions x1 = 10 et x2 = 10 .

1.4 Développement, factorisation, identités remarquables

Propriétés de développement et factorisation :

a(b + c) = ab + ac
(a + b)(c + d) = ac + ad + bc + bd

Identités remarquables :

 (a + b)2 = a2 + 2ab + b2
(a − b)2 = a2 − 2ab + b2
 2
a − b2 = (a + b)(a − b)

2
Applications Développer :
(7x + 8y)2
(1 + α + β)2
Simplifier :
(1 + 2x)(2 + x) − (1 − x)2 − 5x
Solutions :
(7x + 8)2 = (7x)2 + 2(7x)(8y) + (8y)2 = 49x2 + 112xy + 64y 2 .
(1+α+β)2 = ((1+α)+β)2 = (1+α)2 +2(1+α)β +β 2 = 1+2α+α2 +2β +2αβ +β 2 .
(1 + 2x)(2 + x) − (1 − x)2 − 5x = 2 + x + 4x + 2x2 − (1 − 2x + x2 ) − 5x = x2 + 2x + 1 =
(1 + x)2 .

1.5 Exercices
1. Résoudre ax + b(−a + x) = x2 , sachant
√ que a > b (indication : l’inégalité
a > b ne servira qu’au moment de calculer ∆).

2. Considérons un marché (disons de melons), qui rassemble des vendeurs

et des acheteurs. Les caractéristiques de tous ces acteurs font que si le prix en
vigueur est p, alors les vendeurs sont prêts à offrir O(p) = 2p melons à eux tous,
tandis que les acheteurs souhaitent acquérir D(p) = 10 − 3p melons à eux tous.
Notez que plus le prix est élevé, plus les vendeurs offrent de melons et moins les
acheteurs en veulent, ce qui est conforme au bon sens.
Déterminer le prix qui équilibre l’offre et la demande. (Représenter éventuellement
les droites en question.)

Solutions :
1. L’équation se récrit x2 + (−b − a)x + ab = 0, on calcule le discriminant ∆ =
(−b − a)2 − 4ab = b2 + 2ba + √ a2 − 4ab = a2 − 2ab + b2 = (a − b)2 , donc ∆ > 0. Comme
a > b, alors a − b > 0, donc ∆ = a + b. Il y a 2 solutions : x1 = −(−b−a)+(a−b)
2
=a
et x2 = −(−b−a)−(a−b)
2
= b.
2. Il s’agit de résoudre D(p) = O(p), soit 10 − 3p = 2p, 10 = 5p, p = 2.

1.6 Puissances et logarithme

1.6.1 Puissances
2
Exemple Calculer 23 , 22×2 , (22 )2 et 2(2 ) .
Solutions : 8, 16, 16 et 16.

Propriétés
ab ac = ab+c
(ab )c = abc
a−b = 1/ab
√
a1/2 = a

3
Applications Calculer :
(x2 )y
x
x−1 xz
2 y 2y
Solution : x x(x ) x
−1 xz = x x−1+z = x
1+2y−(−1+z)
= x2+2y−z .

1.6.2 Logarithme
Définition ln(x) défini pour x > 0 est croissante et ln(0) = −∞, ln(1) = 0,
ln(+∞) = +∞.

Propriétés 
ln(ab) = ln(a) + ln(b)
ln(ab ) = b ln(a)

2 Fonctions, dérivée et optimisation

2.1 Représentation d’une droite
Une fonction prend un nombre et en renvoie un autre. Exemple : f (x) =
1 + 2x. On la représente graphiquement dans un plan (x, f (x)).
Représenter f (x) = 1 + 2x, voir que c’est une droite. Voir que 1=ordonnée à
l’origine et 2=pente. La droite est croissante (resp. décroissante), i.e. elle monte
(resp. descend) lorsque la pente est positive (resp. négative). Elle est horizontale
lorsque la pente est nulle.
Lorsqu’une droite est tracée, on peut déterminer la pente graphiquement en
considérant deux points (appelons-les A et B) sur la droite. En notant x leur
B −yA
abscisse et y leur ordonnée, la pente est donnée par xyB −xA .

2.2 Dérivée
Représenter f (x) = x2 point par point. Voir que la pente n’est pas constante.
On définit la dérivée comme étant la pente de la tangente (en chaque point,
la dérivée est donc une fonction). Donc lorsque la dérivée est positive (resp.
négative), la tangente a une pente positive (resp. négative), donc la courbe est
croissante (resp. décroissante). Lorsque la dérivée est nulle, la courbe est a un
maximum ou un minimum.
Formule de la dérivée f 0 (x) = 2x. On retrouve bien que pour x < 0, la
dérivée est négative, donc la courbe est décroissante, que pour x > 0 la courbe
est croissante, et que la courbe passe par son minimum en x = 0.
Refaire tout cela avec g(x) = 1/x (formule : g 0 (x) = −1/x2 ).

Formules
(x2 )0 = 2x
(xn )0 = nxn−1

4
 (1/x)0 = −1/x2
(1/xn )0 = −n/xn+1
√ √
( x)0 = 1/(2 x)
(constante)0 = 0
Toutes ces formules se condensent en fait en une seule :

(xα )0 = αxα−1 .

Si u et v sont des fonctions :

 (uv)0 = u0 v + uv 0

0 0
(u/v)0 = u v−uv
v2
 α 0
(u ) = αuα−1 u0

Et la dérivée du logarithme :
(
(ln(x))0 = x1
u0 (x)
(ln(u(x)))0 = u(x)

Applications Calculer les dérivées de :

f (x) = 3x2
x
g(x) =
1+x
h(x) = x ln(x)
Solutions :
f 0 (x) = 3 × 2x = 6x.
g 0 (x) = 1×(1+x)−x×1
(1+x)2
1
= (1+x) 2.
0 1
h (x) = x x + 1 ln(x) = 1 + ln(x).

2.3 Optimisation
Méthode La dérivée est un outil très pratique pour déterminer le minimum
ou le maximum d’une fonction. Voyons cela sur un exemple. Considérons la
fonction suivante :
θ(t) = t2 + 3t − 4.
On sait calculer sa dérivée :
θ0 (t) = 2t + 3.
On cherche les t pour lesquels la dérivée est nulle :

θ0 (t) = 0 ⇐⇒ 2t + 3 = 0 ⇐⇒ t = −3/2.

Cela signifie que la tangente est horizontale en t = −3/2, c’est donc soit un
maximum, soit un minimum. Afin de trancher, il faut savoir si la fonction est

5
croissante ou décroissante sur les intervalles −∞ < t < −3/2 et −3/2 < t < θ. Il
suffit de regarder le signe de la dérivée à l’intérieur de chacun de ces intervalles.
Pour cela, on calcule le signe pour une valeur particulière de ces intervalles. Par
exemple, θ0 (−2) = 2(−2) + 3 = −1 < 0 et θ0 (0) = 3 > 0. Cela permet de tracer
le tableau de variation de la fonction :
t −∞ −3/2 +∞
θ0 (t) − 0 +
θ(t) & %

Donc −3/2 est un minimum.

Application Calculer la dérivée et tracer le tableau de variation de :

x3 1
φ(x) = + (s’intéresser uniquement aux x > 0)
6 x
Solution : φ0 (x) = x2 /2 − 1/x2 . φ0 (x) = 0 ⇐⇒ x2 /2 = 1/x2 ⇐= x4 = 2 ⇐= x =
21/4
x 0 21/4 +∞
φ0 − 0 +
φ & %

2.4 Exercice
Vous êtes un vendeurs de melon (encore !). Si vous mettez un prix p, vous
pourrez en vendre D(p) = 12 − p2 . Supposons pour simplifier que votre coût
(d’achat en gros ou de fabrication) d’un melon est nul.
A quel prix allez-vous vendre vos melons pour maximiser votre bénéfice (égal à
vos recettes puisque vous n’avez pas de dépenses) ?

Solution : Le profit est π(p) = p(12 − p2 ) = −p3 + 12p. π 0 (p) = −3p2 + 12.
0
pi (p) = 0 ⇐⇒ 3p2 = 12 ⇐⇒ p2 = 4 ⇐⇒ p = 2 ou p = −2. C’est un prix, on ne
s’intéresse qu’à p ≥ 0.
x 0 2 +∞
π0 + 0 −
π % &
Donc le profit est maximum pour le prix p = 2, le profit vaut dans ce cas π(2) =
−23 + 12 × 2 = 16.

2.5 Optimisation sous contrainte

Le problème On cherche à maximiser en x et y l’expression suivante :

ln(x) + ln(y),

sous la contrainte que :

x + y ≤ 1.

6
La fonction ln est croissante, donc on voudrait prendre x et y les plus grands
possibles, mais la contrainte impose que la somme des deux ne doit pas dépasser
1. Evidemment, il y a intérêt à tirer au maximum sur la contrainte et à les choisir
tels que x + y = 1 (on dit qu’on sature la contrainte).

Méthode On procède comme suit :

a/ On exprime y en fonction de x en utilisant la contrainte : y = 1 − x.
b/ On remplace y dans l’expression à maximiser : ln(x) + ln(1 − x). C’est une
fonction à une variable (x), appelons-là f .
−1
c/ Il reste à maximiser f : f 0 (x) = x1 + 1−x . f 0 (x) = 0 ⇐⇒ x1 = 1−x
1
⇐⇒ x =
1 − x ⇐⇒ x = 1/2, qui est bien un maximum.

x 0 1/2 +∞
f0 + 0 −
f % &

d/On déduit y = 1 − x = 1/2.

Applications Maximiser :
1 2
ln(k) + ln(l)
3 3
sous la contrainte :
0, 1k + 0, 2l ≤ 3.
Minimiser : √ √
2x + y
sous la contrainte :
x + y ≥ 1.
Solutions :
3−0,1k
On part de la contrainte : l = 0,2
. On définit f (k) = 31 ln(k) + 23 ln( 3−0,1k
0,2
).
0 1 1 2 (−0,1)/0,2 0 1 0,2
f (k) = 3 k
+ 3 (3−0,1k)/0,2 . f k) = 0 ⇐⇒ 3k = 3(3−0,1k) ⇐⇒ 0, 2k = 3 − 0, 1k ⇐⇒
k = 3/0, 3 = 10. Et l = 3−0,1×10
0,2
2
= 0,2 = 10.
√ √ 0
On part de la contrainte : y = 1 − x. On définit g(x) = 2x + 1 − x. g (x) =
√ √
√2
2 2x
+ 2√−1
1−x
. g 0 (x) = 0 ⇐⇒ 2 1 − x = 2x ⇐⇒ 4(1 − x) = 2x ⇐⇒ x = 2/3. Puis
y = 1 − x = 1/3.

2.6 Exercice
Votre usine à yaourt fonctionne de la manière suivante : avec x hectolitres
de lait et y kilos de fruit, vous pouvez fabriquer x2/3 y 1/3 milliers de yaourts aux
fruits. L’hectolitre de lait coûte 100 euros et le kilo de fruits 5 euros. On vous
passe une commande de 10 milliers de yaourts, quelles quantités de lait et de
fruits allez-vous utiliser pour les fabriquer au moindre coût ?

7
 Solution : Il s’agit de minimiser 100x + 5y sous la contrainte x2/3 y 1/3 ≥ 10. On
sature la contrainte : x2 y = 103 = 1000, soit y = 1000x2
. La fonction à minimiser se récrit
f (x) = 100x + 5000 x12 . f 0 (x) = 100 − 5000 x23 . f 0 (x) = 0 ⇐⇒ 100 = 10000 x3
⇐⇒ x =
1001/3 ≈ 4, 6, et on vérifie avec un tableau de variation que c’est bien un minimum.
1000
On en déduit y = 100 2/3 ≈ 46, 4. On utilise 4,64 hectolitres de lait et 46,4 kilos de
fruits pour produire 10 milliers de yaourts au moindre coût.

3 Calculs d’actualisation
3.1 Actualisation
Intuition En finance, lorsque le taux d’intérêt est de 10% par an, 100 euros
aujourd’hui sont équivalents à 100 × 1, 1 = 110 euros dans un an. Ils sont donc
aussi équivalents à 110 × 1, 1 = 121(= 100 × 1, 1 × 1, 1 = 100 × 1, 12 ) euros dans
deux ans. En réitérant ce raisonnant, on peut affirmer que 100 euros aujourd’hui
sont équivalents à 100 × 1, 120 ≈ 673 euros dans vingt ans.
On peut en déduire la règle générale suivante : si le taux d’intérêt est r, X
euros aujourd’hui sont équivalents à X(1 + r)n euros dans n années. On résume
cette règle dans la formule :

Xn = X0 (1 + r)n .

On peut renverser le déroulement du temps dans ces raisonnements, en disant

que X euros dans n années sont équivalents à X/(1 + r)n euros aujourd’hui.
Formellement : X0 = Xn /(1 + r)n .

Applications Questions :
A. Combien dois-je investir pour avoir 500 euros dans 8 ans avec un taux
d’intérêt annuel de r = 7% ?
B. A quel taux dois-je investir 10 euros pour avoir 20 euros dans 10 ans ?
C. Combien d’années me faut-il pour doubler mon capital avec un taux de
10% ?

Solutions :
A. En utilisant X0 = X8 /(1 + r)8 , on en déduis qu’il me faut investir 500/1, 078 ≈
291 euros.
B. En utilisant X1 0 = X0 (1 + r)10 , on obtient 20 = 10(1 + r)10 , soit 2 = (1 + r)10 ,
soit 21/10 = 1 + r, donc r = 21/10 − 1 ≈ 7%.
C. En utilisant Xn = X0 (1, 1)n , on obtient 2X0 = X0 (1, 1)n , soit 2 = (1 + r)n .
On prend le logarithme de cette égalité : ln(2) = ln((1, 1)n ) = n ln(1, 1), d’où n =
ln(2)/ ln(1, 1) ≈ 7, 3 ans.

3.2 Somme géométrique

Le problème On cherche à répondre à la question suivante : combien valent
aujourd’hui 1 euro dans 1 an + 1 euro dans 2 ans + 1 euro dans 3 ans + ... + 1

8
euro dans 25 ans, lorsque le taux d’intérêt est r ? On sait déjà que 1 euro dans
n années valent aujourd’hui 1/(1 + r)n euros. Mais ici, on a besoin de calculer
une somme de tels termes. Formellement, on souhaite déterminer :
25
1 1 1 1 X 1
+ 2
+ 3
+ ... + 25
≡ .
1 + r (1 + r) (1 + r) (1 + r) i=1
(1 + r)i

La formule
n
X 1 − xn−p+1
xi = xp .
i=p
1−x

Applications Calculer :
100
X
(1 + t)k
k=0
N
X 1
xi
i=1

Résoudre le problème initial.

P
Solutions :
1−(1+t)101 101

P = (1+t)t −1 .
100 k
k=0 (1 + t) = 1−(1+t)
N N
1 1−(1/x)
N 1
= 1−(1/x)
P i=1 xi = x 1−1/x x−1
.
1− 1 1− 1 1− 1
25 1 1 (1+r)25 (1+r)25 (1+r)25
i=1 (1+r)i = 1+r 1− 1 = 1+r−1 = r
.
1+r

3.3 Exercices
1. Calculer le prix d’une obligation qui rapporte 1 euros tous les ans (à partir
de l’an prochain, et jusqu’à la fin des temps), lorsque le taux d’intérêt est 2%
annuel.

2. Une société d’autoroute rapportera 1 milliards d’euros par an les 20 pro-

chaines années, puis 2 les 20 années suivantes. Si r = 5%, quel est la valeur de
ces profits aujourd’hui ?

Solutions :

dans n années vaut n P

1. Une obligation qui rapporte 1 euros parn an à partir nde l’an prochain jusqu’à
1 1 1−1/1,02
i=1 1,02i = 1,02 1−1/1,02 =
1−1/1,02
. L’obligation rapporte
0,02
en fait jusqu’à la fin des temps, autrement dit n = +∞. Comme 1, 02 > 1, alors

P P
1, 02+∞ = +∞. Donc l’obligation vaut 0,02 1
≈ 50 euros.
20
20 1 40 2 1 1−1/1,05 1 1−1/1,0520 1−1/1,0520
2. i=1 1,05i + i=21 1,05i = 1,05 1−1/1,05
+ 2 1,05 21 1−1/1,05
= 0,05
(1 +
2
1,0520
) ≈ 21, 9.

9
Remarque Il est utile de remarquer qu’en pratique, la formule de la somme
géométrique est quasiment toujours appliquée avec x = 1/(1 + r) et p = 1. Dans
ce cas, nous avons vu dans les exercices qu’elle s’écrit :
n  i  
X 1 1 1
= 1− ,
i=1
1+r r (1 + r)n

et où le terme de droite vaut simplement 1/r lorsque n = +∞.

4 Statistiques
4.1 Introduction
Une variable aléatoire est, par exemple, le score obtenu en lançant un dé.
Elle est caractérisée par les valeurs qu’elle peut prendre et les probabilités avec
lesquelles elle prend ces valeurs. Dans le cas du dé, les valeurs possibles sont 1,
2, 3, 4, 5 et 6, et chacune de ces valeurs peut survenir avec probabilité 1/6. On
peut résumer cette variable aléatoire dans le tableau suivant :
1 1 1 1 1 1
Probabilités 6 6 6 6 6 6
Valeurs 1 2 3 4 5 6

La moyenne (on dit l’espérance) de cette variable aléatoire est le score moyen
que l’on obtient. C’est donc 61 1 + 16 2 + 16 3 + 16 4 + 16 5 + 16 6 = 3, 5.

4.2 Définitions
Considérons deux variables aléatoires A et B, définies par les valeurs qu’elles
peuvent prendre (les Ai et Bi ) et les probabilités correspondantes (les pi ) :

Probabilités p1 p2 ... pn
Valeurs de A A1 A2 ... An
Valeurs de B B1 B2 ... Bn

Notons au passage qu’on a forcément p1 + p2 + ... + pn = 1, car la réunion de

tous les états posibles de la nature correspond à une probabilité de 1 (i.e. de
100%).

Espérance C’est la moyenne :

E(A) =p 1 A1 + p2 A2 + ... + pn An
P n
≡ i=1 pi Ai

10
Variance Elle indique si les valeurs que peut prendre la variable aléatoire
sont très dispersées autour de la moyenne (variance élevée), ou au contraire
concentrées autour de la moyenne (variance faible).
2 2 2
V (A) =p 1 (A1 − E(A)) + p2 (A2 − E(A)) + ... + pn (An − E(A))
P n 2
≡ i=1 pi (Ai − E(A))
Cette définition appelle à quelques remarques :
– D’abord, la variance est une somme de carrés, elle est donc toujours posi-
tive.
– Ensuite, que vaut la variance d’une variable aléatoire qui ne prend qu’une
seule valeur (appelons-la k) avec probabilité 1 ? Comme son espérance est
également k, on obtient que sa variance est 0. La dispersion (ou variance)
d’une variable aléatoire constante est la plus petite qui soit.

Ecart-type Il est directement lié à la variance :

p
σ(A) = V (A) (cette lettre grecque s’appelle sigma)

Covariance La covariance des variables aléatoires A et B indique si elles

varient plutôt dans le même sens, i.e. que A est grand quand B l’est et petit
quand B l’est (covariance positive), ou dans des sens inverse, i.e. A est grand
quand B est petit et réciproquement (covariance négative).

Cov(A, B) =p 1 (A1 − E(A))(B1 − E(B)) + ... + pn (An − E(A))(Bn − E(B))

P n
≡ i=1 pi (Ai − E(A))(Bi − E(B))
A nouveau, quelques remarques :
– Cov(A, A) = V (A).
– Si k est une variable aléatoire constante (ne prend qu’une seule valeur k
avec probabilité 1), alors Cov(A, k) = 0.

Corrélation Elle est directement liée à la covariance :

Cov(A, B)
ρ(A, B) = (cette lettre grecque s’appelle rho)
σ(A)σ(B)

4.3 Exemple

Proba 1/2 1/4 1/4

A 0 3 5
B 2 0 4
Calculer toutes les moyennes, variances, écart-types, covariance et corrélation
de A et B.

Solution :
E(A) = 12 0 + 41 3 + 14 5 = 2, de même E(B) = 2.

11
V (A) = 12 (0 − 2)2 + 41 (3 − 2)2 + 41 (5 − 2)2 = 4, 5, de même V (B) = 2.
√ √
σ(A) = 4, 5 ≈ 2, 1 et σ(A) = 2 ≈ 1, 4.
Cov(A, B) = 21 (0 − 2)(2 − 2) + 41 (3 − 2)(0 − 2) + 14 (5 − 2)(4 − 2) = 1.
ρ(A, B) = Cov(A,B)
σ(A)σ(B)
= √4,5 1√
2
= 1/3 ≈ 0, 3.

4.4 Propriétés
Formules Si A et B sont deux variables aléatoires et k une constante, on a
les propriétés suivantes :

E(A + B) = E(A) + E(B)

Espérance
E(kA) = kE(A)

V (kA) = k 2 V (A)
Variance
V (k + A) = V (A)
Les formules sur la variance se récrivent immédiatement avec les écart-types :

σ(kA) = kσ(A)
Ecart-type
σ(k + A) = σ(A)

La covariance est en fait la généralisation se la multiplication aux variables

aléatoires. Cela permet de retenir facilement les formules suivantes :

(1)  Cov(B, A) = Cov(A, B)
 Cov(λA, B) = λCov(A, B)
(2) Cov(A, µB) = µCov(A, B)
Covariance
Cov(λA, µB) = λµCov(A, B)


Cov(A, B + C) = Cov(A, B) + Cov(A, C)
(3)
Cov(A + B, C + D) = Cov(A, C) + Cov(A, D) + Cov(B, C) + Cov(B, D)

Les analogues de (1) et (2) sont aussi vraies pour la corrélation, mais pas (3) :

(1)  ρ(B, A) = ρ(A, B)
 ρ(λA, B) = λρ(A, B)
Corrélation
(2) ρ(A, µB) = µρ(A, B)
ρ(λA, µB) = λµρ(A, B)


Application Soient A et B deux variables aléatoires. Exprimer V (A + B) en

fonction de V (A), V (B) et Cov(A, B).
Solution : V (A+B) = Cov(A+B, A+B) = Cov(A, A)+Cov(A, B)+Cov(B, A)+
Cov(B, B) = V (A) + V (B) + 2Cov(A, B).

4.5 Exercice
Soient A et B deux variables aléatoires d’espérances E(A) = 0, 2 et E(B) =
0, 12, d’écart-types σA = 0, 3 et σB = 0, 15, et de corrélation ρA,B = 0, 1.

12
 A. Calculer la moyenne, la variance et l’écart-type de (A + B)/2.

B. Calculer la moyenne, la variance et l’écart-type de xA + (1 − x)B.

C. Pour quelle valeur de x la variance de xA + (1 − x)B est-elle minimale ?

D. On considère une nouvelle variable aléatoire C = 4A − 0, 5. Déterminer

l’espérance, la variance et l’écart-type de C, ainsi que ses corrélations avec A et
B.

Solutions :
A. V ((A + B)/2) = (1/2)2 V (A + B) = (V (A) + V (B) + 2Cov(A, B))/4. Or V (A) =
2 2
σA , V (B) = σB et Cov(A, B) = ρA,B σA σB , donc V ((A + B)/2) = (0, 32 + 0, 152 + 2 ×
0, 1 × 0, 3×, 012)/4 ≈ 0, 05.
B. V (xA + (1 − x)B) = V (xA) + V ((1 − x)B) + 2Cov(xA, (1 − x)B) = x2 V (A) +
(1 − x)2 V (B) + 2x(1 − x)Cov(A, B) = x2 σA 2
+ (1 − x)2 σB
2
+ 2x(1 − x)ρA,B σA σB .
0 2 2
C. Dérivons V (xA + (1 − x)B) ≡ f (x) en x : f (x) = 2xσA − 2(1 − x)σB + (2 −
2
σB −ρA,B σA σB
4x)ρA,B σA σB . f 0 (x) = 0 ⇐⇒ x = 2 +σ 2 −2ρ
σA
≈ 0, 17.
B A,B σA σB
D. E(C) = E(4A − 0, 5) = 4E(A) − 0, 5 = 0, 3.
p p
V (C) = V (4A − 0, 5) = V (4A) = 42 V (A) = 16σA
σC = (V (C)) = 16V (A) = 4σA = 1, 2.
2
= 1, 44.

ρC,A = Cov(C,A)
σ C σA
= Cov(4A−0,5,A)
4σA σA
= 4Cov(A,A)−Cov(0,5,A)
4σ 2
= 4V (A)
4σA2 = 1.
A
Cov(C,B) Cov(4A−0,5,B) 4Cov(A,B)−Cov(0,5,B) 4ρA,B σA σB
ρC,B = σ C σB
= 4σA σB
= 4σA σB
= 4σA σB
= ρA,B = 0, 1.

4.6 Un autre exercice

Soient une variable aléatoire X définie par :

Proba 0, 1 0, 2 0, 4 0, 2 0, 1
A 0, 6 0, 4 0, 3 0, 2 −1

et une autre variable aléatoire Y = 0, 06 + 0, 2X.

A. Calculer les espérances de X et Y , leurs écart-types σX et σY , et leur

corrélation ρ.

B. Pour quelle valeur de t la variance de tX + (1 − t)Y est-elle nulle ?

Solutions :
A. E(X) = 0, 1 × 0, 6 + 0, 2 × 0, 4 + 0, 4 × 0, 3 + 0, 2 × 0, 2 + 0, 1 × (−1) = 0, 2.
E(Y ) = E(0, 06 + 0, 2X) = 0, 06 + 0, 2E(X) = 0, 1.
p
V (X) = 0, 1 × (0, 6 − 0, 2)2 + 0, 2 × (0, 4 − 0, 2)2 + 0, 4 × (0, 3 − 0, 2)2 + 0, 2 × (0, 2 −
0, 2)2 + 0, 1 × (−1 − 0, 2)2 = 0, 172, d’où σX = V (X) ≈ 0, 415.
σY = σ(0, 06 + 0, 2X) = σ(0, 2X) = 0, 2σX ≈ 0, 083.
Cov(X, Y ) = Cov(X, 0, 06+0, 02Y ) = Cov(X, 0, 06)+0, 02Cov(X, X) = 0+0, 02V (X) =
2
2 Cov(X,Y ) 0,02σX
0, 02σX , donc ρ = σX σY
= σX 0,02σX
= 1.

13
 B. V (tX + (1 − t)Y = t2 V (X) + (1 − t)2 V (Y ) + 2t(1 − t)Cov(X, Y ) = t2 σX
2
+ (1 −
2 2 2 2 2 2 2
2t + t )σY + (2t − 2t )ρσX σY = t (σX + σY − 2ρσX σY ) + t(−2σY + 2ρσX σY ) + σY2 .
On cherche t telle que cette expression soit nulle, c’est une équation du second degré.
∆ = (−2σY2 + 2ρσX σY )2 − 4(σX 2
+ σY2 − 2ρσX σY )σY2 = 4σY4 + 4ρ2 σX 2 2
σY − 8ρσX σY3 −
2 2 4 3 2 2 2
4σX σY − 4σY + 8ρσX σY = 4σX σY (ρ − 1). Or ρ = 1, donc ∆ = 0. Il y a donc une
2
2σY −2ρσX σY ) 0,22 σX
2 2
−0,2σX 0,04−0,2
unique solution t = 2 +σ 2 −2ρσ σ )
2(σX
= 2 +0,22 σ 2 −2×0,2σ 2
σX
= 1+0,04−0,4
= −0, 25.
Y X Y X X

14