Chapitre 12

Probabilités : variables aléatoires

En 1654, Blaise Pascal (1623-1662) entretient avec Pierre de Fermat (1601-1665) des
correspondances sur le thème des jeux de hasard et d'espérance de gain qui les mènent
à exposer une théorie nouvelle : les calculs de probabilités. Ils s’intéressent à la
résolution de problèmes de dénombrement comme par exemple celui du Chevalier de
Méré : « Comment distribuer équitablement la mise à un jeu de hasard interrompu avant
la fin ? »

I. Variable aléatoire et loi de probabilité

1. Variable aléatoire
Exemple
Soit l'expérience aléatoire : « On lance un dé à six faces et on regarde le résultat. »
L'ensemble de toutes les issues possibles  = {1; 2; 3; 4; 5; 6} s'appelle l'univers des possibles.
On considère l'événement A « On obtient un résultat pair ».
𝐴 = {2; 4; 6}
On considère l'événement élémentaire E « On obtient un 3 ».
𝐸 = {3}

Définitions
Chaque résultat d'une expérience aléatoire s'appelle une issue.
L'univers des possibles est l'ensemble des issues d'une expérience aléatoire.
Un événement est un sous-ensemble de l'univers des possibles.
Un événement élémentaire est un événement contenant une seule issue.
Exemple
Dans l'expérience précédente, on considère le jeu suivant :
 Si le résultat est pair, on gagne 2€.
 Si le résultat est 1, on gagne 3€.
 Si le résultat est 3 ou 5, on perd 4€.
On a défini ainsi une variable aléatoire X sur  = {1; 2; 3; 4; 5; 6} qui peut prendre les valeurs 2, 3 ou -4.
Ainsi
𝑋(1) = 3
𝑋(2) = 2
𝑋(3) = −4
𝑋(4) = 2
𝑋(5) = −4
𝑋(6) = 2

Définition
Une variable aléatoire X est une fonction définie sur un univers  et à valeur dans ℝ.

2. Loi de probabilité
Exemple
On considère la variable aléatoire X définie dans l'exemple précédent. Chaque issue du lancer de dé est
1
équiprobable et égale à
6
1 1 1 1
La probabilité que la variable aléatoire prenne la valeur 2 est égale à 6 + 6 + 6 = 2
On note
1
𝑃(𝑋 = 2) =
2
De même

1
 1
𝑃(𝑋 = 3) =
6
1 1 1
𝑃(𝑋 = −4) = + =
6 6 3
On peut résumer les résultats dans un tableau.
𝒙𝒊 −4 2 3
1 1 1
𝑷(𝑿 = 𝒙𝒊 )
3 2 6
Ce tableau résume la loi de probabilité de la variable aléatoire X.

Définition
Soit une variable aléatoire X définie sur un univers  et prenant les valeurs 𝑥1 , 𝑥2 , ..., 𝑥𝑛
La loi de probabilité de X associe à toute valeur 𝑥𝑖 la probabilité 𝑃(𝑋 = 𝑥𝑖 ).

Remarques
 𝑃(𝑋 = 𝑥𝑖 ) peut se noter 𝒑𝒊
 𝒑𝟏 + 𝒑𝟐 + ⋯ + 𝒑𝒏 = 𝟏

Exemple
1 1 1
Dans l'exemple traité plus haut, 𝑝1 + 𝑝2 + 𝑝3 = 3 + 2 + 6 = 1

Méthode
Déterminer une loi de probabilité
Vidéo [Link]
Soit l'expérience aléatoire : « On tire une carte dans un jeu de 32 cartes ».
On considère le jeu suivant :
 Si on tire un cœur, on gagne 2€.
 Si on tire un roi, on gagne 5€.
 Si on tire une autre carte, on perd 1€.
On appelle X la variable aléatoire qui à une carte tirée associe un gain ou une perte.
Déterminer la loi de probabilité de X.
Solution
La variable aléatoire X peut prendre les valeurs 2, 5, −1 mais aussi 7.
En effet, si on tire le roi de cœur, on gagne 5(𝑟𝑜𝑖) + 2(𝑐œ𝑢𝑟) = 7€.
 Si la carte tirée est un cœur (autre que le roi de cœur), 𝑋 = 2.
7
𝑃(𝑋 = 2) =
32
 Si la carte tirée est un roi (autre que le roi de cœur), 𝑋 = 5.
3
𝑃(𝑋 = 5) =
32
 Si la carte tirée est le roi de cœur, 𝑋 = 7.
1
𝑃(𝑋 = 7) =
32
 Si la carte tirée n'est ni un cœur, ni un roi, 𝑋 = −1.
21
𝑃(𝑋 = −1) =
32
La loi de probabilité de X est :
𝑥𝑖 -1 2 5 7
21 7 3 1
𝑃(𝑋 = 𝑥𝑖 )
32 32 32 32
On constate que
21 7 3 1
𝑝1 + 𝑝2 + 𝑝3 + 𝑝4 = + + + =1
32 32 32 32

2
II. Espérance, variance, écart-type
Définitions
Soit une variable aléatoire X définie sur un univers  et prenant les valeurs 𝑥1 , x2, ..., xn.
La loi de probabilité de X associe à toute valeur xi la probabilité 𝑝𝑖 = 𝑃(𝑋 = 𝑥𝑖 ).
 L'espérance mathématique de la loi de probabilité de X est :
𝑛

𝐸(𝑋) = 𝑝1 𝑥1 + 𝑝2 𝑥2 + ⋯ + 𝑝𝑛 𝑥𝑛 = ∑ 𝑝𝑖 𝑥𝑖
𝑖=1
 La variance de la loi de probabilité de X est :
𝑛

𝑉(𝑋) = 𝑝1 ( 𝑥1 − 𝐸(𝑥)) + 𝑝2 ( 𝑥2 − 𝐸(𝑥)) + ⋯ + 𝑝𝑛 ( 𝑥𝑛 − 𝐸(𝑥)) = ∑ 𝑝𝑖 ( 𝑥𝑖 − 𝐸(𝑥))2

2 2 2

𝑖=1
 L'écart-type de la loi de probabilité de X est :
𝜎(𝑋) = √𝑉(𝑋)
Méthode
Calculer l'espérance, la variance et l'écart-type d'une loi de probabilité
Vidéo [Link]
Vidéo [Link]
Dans le jeu de la « Méthode » du paragraphe précédent, calculer l'espérance, la variance et l'écart-type de la loi
de probabilité de X et interpréter les résultats pour l'espérance et l'écart-type.
21 7 3 1 15
𝐸(𝑋) = × (−1) + ×2+ ×5+ ×7=
32 32 32 32 32
21 15 2 7 15 2 3 15 2 1 15 2
𝑉(𝑋) = × (−1 − ) + × (2 − ) + × (5 − ) + × (7 − ) ≈ 5,1865
32 32 32 32 32 32 32 32
𝜎(𝑋) ≈ √5,1865 ≈ 2,28
15
L'espérance est égale à 32 ≈ 0,5 signifie qu'en jouant, on peut espérer gagner environ 0,50€.
L'écart-type est environ égal à 2,28 signifie qu'avec une espérance proche de 0,50 le risque de perdre de l'argent
est important.
Remarques
 L'espérance est la moyenne de la série des 𝑥𝑖 pondérés par les probabilités 𝑝𝑖 .
En effet :
𝑝1 𝑥1 + 𝑝2 𝑥2 + ⋯ + 𝑝𝑛 𝑥𝑛 𝑝1 𝑥1 + 𝑝2 𝑥2 + ⋯ + 𝑝𝑛 𝑥𝑛
𝐸(𝑋) = 𝑝1 𝑥1 + 𝑝2 𝑥2 + ⋯ + 𝑝𝑛 𝑥𝑛 = =
1 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛
En répétant un grand nombre de fois l'expérience, la loi des grands nombres nous permet d'affirmer que les
fréquences se rapprochent des probabilités théoriques.
La moyenne des résultats se rapprochent donc de l'espérance de la loi de probabilité.
L'espérance est donc la moyenne que l'on peut espérer si l'on répète l'expérience un grand nombre de
fois.
 La variance (respectivement l'écart-type) est la variance (respectivement l'écart-type) de la série des 𝑥𝑖
pondérés par les probabilités 𝑝𝑖 .
L'écart-type est donc une caractéristique de dispersion "espérée" pour la loi de probabilité de la variable
aléatoire.

Propriétés
Soit une variable aléatoire X définie sur un univers .
Soit a et b deux nombres réels.
𝐸(𝑎𝑋 + 𝑏) = 𝑎𝐸(𝑋) + 𝑏 𝑉(𝑎𝑋 + 𝑏) = 𝑎2 𝑉(𝑋)
Démonstrations
𝑛 𝑛 𝑛

𝐸(𝑎𝑋 + 𝑏) = ∑ 𝑝𝑖 (𝑎𝑥𝑖 + 𝑏) = 𝑎 ∑ 𝑝𝑖 𝑥𝑖 + 𝑏 ∑ 𝑝𝑖 = 𝑎𝐸(𝑋) + 𝑏

𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛
2
𝑉(𝑎𝑋 + 𝑏) = ∑ 𝑝𝑖 (𝑎𝑥𝑖 + 𝑏 − (𝑎𝐸(𝑋) + 𝑏)) = ∑ 𝑝𝑖 (𝑎𝑥𝑖 − 𝑎𝐸(𝑋))2
𝑖=1 𝑖=1

3
 𝑛

𝑉(𝑎𝑋 + 𝑏) = 𝑎 ∑ 𝑝𝑖 (𝑥𝑖 − 𝐸(𝑋))2 = 𝑎2 𝑉(𝑋)

2

𝑖=1

Méthode
Simplifier les calculs d'espérance et de variance à l'aide d'une variable aléatoire de transition
Vidéo [Link]
Une entreprise qui fabrique des roulements à billes fait une étude sur une gamme de billes produites. Le diamètre
théorique doit être égal à 1,3 cm mais cette mesure peut être légèrement erronée. L'expérience consiste à tirer
au hasard une bille d'un lot de la production et à mesurer son diamètre. On considère la variable aléatoire X qui,
à une bille choisie au hasard, associe son diamètre.
La loi de probabilité de X est résumée dans le tableau suivant :
𝑥𝑖 1,298 1,299 1,3 1,301 1,302
𝑃(𝑋 = 𝑥𝑖 ) 0,2 0,1 0,2 0,4 0,1
Calculer l'espérance et l'écart-type de la loi de probabilité de X.
Pour simplifier les calculs, on définit la variable aléatoire Y = 1000X – 1300.
La loi de probabilité de Y est alors :
𝑦𝑖 −2 −1 0 1 2
𝑃(𝑌 = 𝑦𝑖 ) 0,2 0,1 0,2 0,4 0,1
Calculons l'espérance et la variance de la loi de probabilité de Y.
𝐸(𝑌) = −2 × 0,2 + (−1) × 0,1 + 1 × 0,4 + 2 × 0,1 = 0,1
𝑉(𝑌) = 0,2 × (−2 − 0,1)2 + 0,1 × (−1 − 0,1)2 + 0,2 × (0 − 0,1)2 + 0,4 × (1 − 0,1)2 + 0,1 × (2 − 0,1)2 = 1,69
On en déduit l'espérance et la variance de la loi de probabilité de X :
𝐸(𝑌) = 𝐸(1 000𝑋– 1 300) = 1 000 𝐸(𝑋) − 1 300
Donc
𝐸(𝑌) + 1 300 0,1 + 1 300
𝐸(𝑋) = = = 𝟏, 𝟑𝟎𝟎𝟏
1 000 1 000
De la même façon,
𝑉(𝑌) = 𝑉(1 000𝑋 − 1 300) = 1 0002 𝑉(𝑋)
Donc
𝑉(𝑌) 1,69
𝑉(𝑋) = 2
=
1 000 1 0002
Et donc
1,69 1,3
𝜎(𝑋) = √𝑉(𝑋) = √ 2
= = 𝟎, 𝟎𝟎𝟏𝟑
1 000 1 000

Propriété
Soit une variable aléatoire X définie sur un univers .
𝑽𝒂𝒓(𝑿) = 𝑬(𝑿𝟐 ) − 𝑬𝟐 (𝑿)
Preuve
𝑛
2 2
𝑉𝑎𝑟(𝑋) = ∑ 𝑃(𝑋 = 𝑥𝑖 ) ∙ (𝑥𝑖 − 𝐸(𝑥)) = 𝐸 ((𝑋 − 𝐸(𝑋)) ) = 𝐸(𝑋 2 − 2𝑋𝐸(𝑋) + 𝐸 2 (𝑋))
𝑖=1
𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − 2𝐸(𝑋)𝐸(𝑋) + 𝐸 2 (𝑋) = 𝐸(𝑋 2 ) − 𝐸 2 (𝑋)

Exemple
La variable X est définie par la loi suivante :
𝑋 0 1 2
𝑃(𝑋) 1 1 1
2 4 4
Donc la variable 𝑋 2 est définie par la loi suivante :
𝑋2 0 1 4
𝑃(𝑋 2 ) 1 1 1
2 4 4

4
 1 1 1 3
𝐸(𝑋) = ×0+ ×1+ ×2=
2 4 4 4
2)
1 1 1 5
𝐸(𝑋 = × 0 + × 1 + × 4 =
2 4 4 4
2 2
5 3 2 20 9 11
𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 ) − 𝐸 (𝑋) = − ( ) = − =
4 4 16 16 16
Remarque
𝑃(𝑋 = 0) = 𝑃(𝑋 2 = 0)
𝑃(𝑋 = 1) = 𝑃(𝑋 2 = 1)
𝑃(𝑋 = 2) = 𝑃(𝑋 2 = 4)

5