Fiche de révision : Variables aléatoires : concepts et calculs essentiels

📋 Plan du Cours

1. Définition et exemples de variables aléatoires réelles
2. Événements associés à une variable aléatoire
3. Loi de probabilité d'une variable aléatoire discrète
4. Calcul de l'espérance mathématique d'une variable aléatoire
5. Exemples d'espérance dans des jeux de hasard et choix stratégique
6. Définition et calcul de la variance et de l'écart-type
7. Algorithme et fonction Python pour calculer espérance, variance et écart-type
8. Formule de König-Huygens pour la variance d'une variable aléatoire

📖 1. Définition et exemples de variables aléatoires réelles

🔑 Notions clés & Définitions

• L’événement {X : L’ensemble des issues d’une expérience aléatoire pour lesquelles la variable aléatoire X prend une valeur donnée.
• Retour à l’exemple de la pièce : Une expérience aléatoire consistant en deux lancers successifs d’une pièce, où la variable aléatoire X compte le nombre de fois que 'face' apparaît, pouvant prendre les valeurs 0, 1 ou 2.
• Exercice : Une situation où, lors d’un lancer de dé, la variable aléatoire X associe à chaque issue un nombre réel correspondant au nombre de points gagnés, par exemple le double du numéro de la face obtenue.
• Variables aléatoires – 1ère : Une fonction définie sur l’ensemble des issues d’une expérience aléatoire qui associe à chaque issue un nombre réel, formant ainsi l’ensemble des valeurs possibles de cette variable.

📝 Points essentiels

• L'ensemble des valeurs prises par une variable aléatoire est l'ensemble des réels associés aux issues.
• Dans l’exemple de deux lancers de pièce, la variable X représente le nombre de fois où 'face' apparaît, prenant les valeurs 0, 1 ou 2.

💡 À retenir

L'ensemble des valeurs prises par une variable aléatoire est l'ensemble des réels associés aux issues.

📖 2. Événements associés à une variable aléatoire

🔑 Notions clés & Définitions

📝 Points essentiels

• Valeur k | x1 | x2 | ... | xn
• L'événement {X = a} correspond à l'ensemble des issues où la variable aléatoire X prend la valeur a.

💡 À retenir

Savoir traduire des événements en termes d'ensembles d'issues liés aux valeurs prises par une variable aléatoire permet de relier les événements probabilistes à leurs résultats concrets.

📖 3. Loi de probabilité d'une variable aléatoire discrète

🔑 Notions clés & Définitions

• Loi de probabilité d'une variable aléatoire : Une fonction qui associe à chaque valeur prise par une variable aléatoire la probabilité que cette variable prenne cette valeur.
• Sous forme d’un tableau : Une présentation de la loi de probabilité listant les valeurs possibles de la variable aléatoire et leurs probabilités respectives dans un tableau.

📝 Points essentiels

• La loi peut être présentée sous forme d’un tableau listant les valeurs et leurs probabilités respectives.
• La somme des probabilités de toutes les valeurs prises par la variable doit être égale à 1.
• Définir la loi de probabilité de X, c’est donner, à chaque valeur xi que peut prendre la variable X, la probabilité que X prenne cette valeur xi i.e.

💡 À retenir

Maîtriser la représentation et la vérification d'une loi de probabilité discrète à travers un tableau clair et complet.

📖 4. Calcul de l'espérance mathématique d'une variable aléatoire

🔑 Notions clés & Définitions

• Variable aléatoire : Une fonction qui associe à chaque issue d'une expérience aléatoire un nombre réel, permettant de quantifier les résultats possibles de cette expérience.

📝 Points essentiels

• L'espérance mathématique E(X) est la somme des produits des valeurs xi par leurs probabilités pi : E(X) = Σ xi pi.
• L'espérance représente la valeur moyenne attendue de la variable aléatoire sur un grand nombre de répétitions de l'expérience.
• Dans un jeu de hasard, l'espérance indique l'espoir de gain moyen par partie, permettant d'évaluer si un jeu est avantageux, désavantageux ou équitable.

💡 À retenir

L'espérance mathématique correspond à la moyenne pondérée des valeurs d'une variable aléatoire selon leurs probabilités, ce qui permet d'évaluer les résultats moyens attendus d'expériences aléatoires répétées.

📖 5. Exemples d'espérance dans des jeux de hasard et choix stratégique

🔑 Notions clés & Définitions

L'espérance, en tant que concept fondamental en probabilité, correspond à la moyenne pondérée des gains possibles dans un jeu de hasard, en tenant compte de leurs probabilités respectives. Elle permet de quantifier le gain moyen attendu si le jeu était répété un grand nombre de fois. La formule générale de l'espérance d'une variable aléatoire discrète $X$, prenant des valeurs $x_i$ avec des probabilités $p_i$, s'écrit :
$E(X) = \sum_{i} x_i \times p_i$
Elle sert à évaluer si un jeu est avantageux ou désavantageux en comparant cette moyenne à zéro.

📝 Points essentiels

• L'espérance permet de calculer le gain moyen attendu selon différentes règles de jeu. Par exemple, dans un jeu où la variable aléatoire $X$ représente le gain, on calcule $E(X)$ en multipliant chaque gain potentiel par sa probabilité, puis en additionnant ces produits. Si cette espérance est positive ($E(X) > 0$), le jeu est considéré comme avantageux, car le gain moyen attendu est en faveur du joueur. À l'inverse, si l'espérance est négative ($E(X) < 0$), le jeu est désavantageux. Lorsqu'elle est nulle ($E(X) = 0$), le jeu est dit équitable, sans avantage ni désavantage pour le joueur.

• Un exemple illustratif montre qu'entre deux règles de jeu avec des espérances différentes, il est conseillé de choisir celle dont l'espérance est la plus grande, car cela maximise le gain moyen attendu. La méthode de calcul de l'espérance peut se faire à l'aide d'une formule simple ou d'un algorithme, comme dans le cas où l'on dispose d'une liste de valeurs $V$ et de probabilités $P$, avec un calcul itératif :

• $E \leftarrow 0$

• $\text{Pour } i \text{ allant de } 0 \text{ à } n-1, \quad E \leftarrow E + V[i] \times P[i]$

• Ce processus permet d'obtenir rapidement la moyenne attendue.

• De plus, la variance d'une variable aléatoire, qui mesure la dispersion des gains autour de l'espérance, se calcule à partir de la formule :

• $V(X) = \sum_{i=1}^n (x_i - m)^2 p_i$

• où $m = E(X)$. Elle peut aussi s'exprimer en termes de moments :

• $V(X) = \left[\sum_{i=1}^n x_i^2 p_i \right] - m^2$

• Ce calcul montre que la variance dépend à la fois des valeurs possibles et de leur distribution de probabilité, mais l'espérance reste la mesure centrale pour analyser la rentabilité d'un jeu.

💡 À retenir

L'espérance est un outil essentiel pour analyser et comparer des jeux de hasard, permettant de déterminer rapidement si un jeu est avantageux ou non. En choisissant la règle de jeu avec la plus grande espérance, on optimise ses chances de maximiser le gain moyen attendu.

📖 6. Définition et calcul de la variance et de l'écart-type

🔑 Notions clés & Définitions

• Variance : V(X) est une mesure de la dispersion des valeurs possibles d'une variable aléatoire X autour de son espérance. Elle est définie comme la moyenne des carrés des écarts entre chaque valeur de X et l'espérance E(X), pondérée par leurs probabilités respectives. La formule précise est : V(X) = E[(X - E(X))²].

• Écart-type : σ(X) correspond à la racine carrée de la variance. Il fournit une mesure de dispersion exprimée dans les mêmes unités que la variable X, facilitant ainsi la lecture et l'interprétation de la dispersion.

• Dispersion des valeurs autour de l'espérance : La variance et l'écart-type quantifient la manière dont les valeurs de la variable aléatoire s'écartent de leur moyenne. Une variance ou un écart-type faibles indique une faible dispersion, c’est-à-dire que les valeurs sont concentrées autour de l’espérance.

📝 Points essentiels

• La variance V(X) mesure la dispersion des valeurs de X autour de son espérance : V(X) = E[(X - E(X))²]. Elle se calcule en faisant la moyenne des carrés des écarts entre chaque valeur de la variable et l’espérance, en tenant compte des probabilités associées à chaque valeur. Par exemple, si X prend des valeurs x₁, x₂, ..., xₙ avec des probabilités p₁, p₂, ..., pₙ, la variance s’écrit :

• V(X) = (x₁ - m)² p₁ + (x₂ - m)² p₂ + ... + (xₙ - m)² pₙ, où m = E(X).

• L’écart-type σ(X) est la racine carrée de la variance : σ(X) = √V(X). Il donne une mesure de dispersion dans les mêmes unités que la variable elle-même, ce qui facilite la compréhension de l’étendue des valeurs possibles.

• Une variance ou un écart-type faible indique une faible dispersion des valeurs autour de l’espérance, ce qui signifie que la variable aléatoire est concentrée près de sa moyenne. À l’inverse, une variance ou un écart-type élevé montre une grande dispersion, avec des valeurs plus dispersées autour de l’espérance.

💡 À retenir

La variance et l’écart-type sont des mesures quantitatives essentielles pour appréhender la dispersion des valeurs d’une variable aléatoire. La variance quantifie cette dispersion en unités carrées, tandis que l’écart-type en donne une lecture plus intuitive dans les mêmes unités que la variable.

📖 7. Algorithme et fonction Python pour calculer espérance, variance et écart-type

🔑 Notions clés & Définitions

• Vérification : Processus consistant à s'assurer que la somme des probabilités associées à toutes les valeurs d'une variable aléatoire est égale à 1, confirmant ainsi la validité de la loi de probabilité.
• Fonction Python : Bloc de code en langage Python conçu pour effectuer des calculs spécifiques, ici utilisé pour déterminer successivement l'espérance, la variance et l'écart-type d'une variable aléatoire à partir de listes de valeurs et de probabilités.

📝 Points essentiels

• L'algorithme calcule l'espérance en sommant les produits des valeurs par leurs probabilités.
• La fonction Python complète calcule successivement l'espérance, la variance puis l'écart-type à partir de listes de valeurs et probabilités.
• La fonction renvoie un triplet [E, Var, σ] permettant une analyse complète de la variable aléatoire.

💡 À retenir

Savoir implémenter en Python un calcul automatisé des paramètres clés d'une variable aléatoire facilite les analyses statistiques.

📖 8. Formule de König-Huygens pour la variance d'une variable aléatoire

🔑 Notions clés & Définitions

• Formule de König-Huygens : Relation mathématique qui exprime la variance d'une variable aléatoire comme la différence entre l'espérance du carré des valeurs et le carré de l'espérance des valeurs, soit V(X) = E(X²) - (E(X))².

📝 Points essentiels

• La variance peut se calculer par la formule V(X) = E(X²) - (E(X))².
• E(X²) est la somme des produits des carrés des valeurs par leurs probabilités.

💡 À retenir

Utiliser la formule de König-Huygens permet de calculer efficacement la variance en combinant l'espérance et l'espérance du carré des valeurs.

📊 Tableaux de Synthèse

Comparaison des mesures de dispersion

⚠️ Pièges & Confusions Fréquentes

1. Confusion entre variance et écart-type, qui sont liés mais ont des unités différentes.
2. Erreur dans la somme des probabilités, qui doit toujours être égale à 1.
3. Confusion entre l'espérance et la moyenne empirique, qui sont différentes en contexte théorique et pratique.
4. Oublier de vérifier que la somme des probabilités est correcte avant de calculer.
5. Utiliser la formule V(X) = E(X²) - (E(X))² sans calculer E(X²) peut conduire à des erreurs.
6. Confondre la variance avec la moyenne des valeurs absolues des écarts.
7. Erreur dans le calcul de l'espérance en utilisant des valeurs incorrectes ou mal associées aux probabilités.

✅ Checklist Examen

1. Vérifier que la somme des probabilités est égale à 1.
2. Calculer l'espérance en utilisant la formule Σ xi pi.
3. Calculer la variance avec V(X) = E(X²) - (E(X))².
4. Calculer l'écart-type comme racine carrée de la variance.
5. Utiliser la formule de König-Huygens pour vérifier la variance.
6. S'assurer que toutes les valeurs et probabilités sont correctes et cohérentes.
7. Comparer l'espérance avec les gains ou pertes pour évaluer l'avantage d'un jeu.
8. Utiliser un script Python pour automatiser les calculs si nécessaire.
9. Interpréter la dispersion à partir de la variance et de l'écart-type.
10. Vérifier la cohérence des résultats avec des exemples concrets.
11. Utiliser la formule E(X) = Σ xi pi pour le calcul de l'espérance.
12. Utiliser la formule V(X) = Σ (xi - E(X))² pi pour la variance.