On considère une expérience aléatoire associée à un univers Ω fini sur lequel on a défini une loi de probabilité P.
- Comme Ω est fini, l'ensemble des valeurs prises par X est fini. On parle de variable aléatoire discrète.
- Pour une même expérience aléatoire, on peut définir plusieurs variables aléatoires.
- On nomme en général les variables aléatoires avec une lettre majuscule, par exemple X, Y , Z ou S.
Un jeu consiste à lancer deux pièces de monnaie équilibrées différentes. On note F quand on obtient Face et P quand on obtient Pile.
Les quatre issues de l'expérience forme l'univers : Ω = {FF ; FP ; PF ; PP}.
On fixe la règle du jeu suivante :On note X la variable aléatoire représentant le gain algébrique du joueur en €.
- à chaque Pile obtenu, on gagne 3€ ;
- à chaque Face obtenu, on perd 1€.
Donc la variable aléatoire X prend les valeurs -2, 2 et 6.
issues de Ω FF FP PF PP valeurs de X 6 2 2 -2
On peut définir de la même manière les événements : {X > a}, {X ≤ a} et {X < a}.
Avec l'exemple précédent :
- {X = 6} = {FF} ;
- {X = 2} = {FP ; PF} ;
- {X ≤ 2} = {FP ; PF ; PP}.
On représente en général une loi de probabilité sous forme d'un tableau :
X = xi x1 x2 ... xn P(X = xi) p1 p2 ... pn
Avec l'exemple précédent :
D'où la loi de probabilité de X :
- P(X = -2) = P({PP}) = \(\cfrac{1}{4}\)
- P(X = 2) = P({FP ; PF}) = \(\cfrac{1}{2}\)
- P(X = 6) = P({FF}) = \(\cfrac{1}{4}\)
X = xi -2 2 6 P(X = xi) \(\cfrac{1}{4}\) \(\cfrac{1}{2}\) \(\cfrac{1}{4}\)
Avec l'exemple précédent, on a bien \(\cfrac{1}{4}+\cfrac{1}{2}+\cfrac{1}{4}=1\).
X = xi | x1 | x2 | ... | xn |
---|---|---|---|---|
P(X = xi) | p1 | p2 | ... | pn |
L'espérance s'interprète comme la valeur moyenne prise par la variable aléatoire X lorsqu'on répète un grand nombre de fois l'expérience.
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).
Avec l'exemple précédent :
On calcule \(E(X), V(X)\) et \(\sigma (X)\) :
X = xi -2 2 6 P(X = xi) \(\cfrac{1}{4}\) \(\cfrac{1}{2}\) \(\cfrac{1}{4}\)
- \(E(X)=\cfrac{1}{4}\times (-2)+\cfrac{1}{2}\times 2+\cfrac{1}{4}\times 6=2\) ;
- \(V(X)=\cfrac{1}{4}\times (-2-2)^2+\cfrac{1}{2}\times (2-2)^2+\cfrac{1}{4}\times (6-2)^2=8\) ;
- \(\sigma (X)=\sqrt{8}=2\sqrt{2}\).
Si a et b sont deux réels, on peut définir sur Ω une nouvelle variable aléatoire Y=aX + b, dont les images sont yi = axi + b pour tout entier i de 1 à n.
Avec l'exemple précédent :
On considère la variabla aléatoire Y = 2X-3
On calcule \(E(X), V(X)\) et \(\sigma (X)\) :
Y = yi -7 1 9 P(Y = yi) \(\cfrac{1}{4}\) \(\cfrac{1}{2}\) \(\cfrac{1}{4}\)
- \(E(X)=2\times 2-3=1\) ;
- \(V(X)=2^2\times 8=32\) ;
- \(\sigma (X)=2\times 2\sqrt{2}=4\sqrt{2}\).