VARIABLE ALÉATOIRE RÉELLE DISCRÈTE

Exemple de référence pour illustrer les points de cette fiche de cours

On lance deux fois un dé équilibré à 6 faces, numérotées de 1 à 6.
L’univers de l’expérience est l’ensemble de tous les couples d’entiers compris entre 1 et 6, le même entier
pouvant apparaître deux fois dans le couple.
Ω = {(1 ;1),(1 ;2),(1 ;3),(1 ;4),(1 ;5),(1 ;6),(2 ;1), (2 ;2), (2 ;3), …}
L’univers compte 36 issues (couples) différentes.
Le dé étant équilibré, les 36 issues de l’univers sont équiprobables.

1. Définition

Définition
Soit une expérience aléatoire d’univers Ω.
Définir une variable aléatoire réelle (v.a.r.) X sur Ω, c’est associer un réel à chacune des issues de Ω :
X: Ω→ℝ
ω → X(ω)
X est dite « discrète » si elle prend un nombre fini de valeurs.

Exemple
On peut (entre autres) définir la variable aléatoire X qui correspond au gain du joueur selon la règle suivante :
 si le résultat du 2ème lancer est strictement supérieur au résultat du 1er lancer, le joueur gagne 2 euros
 sinon, le joueur doit payer 3 euros.
Ainsi, X associe le réel -3 à l’issue (1 ;1) et +2 à l’issue (1 ;2).

Une v.a.r. n’existe pas « seule », elle est définie sur l’univers d’une expérience aléatoire donnée.
A partir d’une même expérience aléatoire, on peut définir une infinité de v.a.r.

2. Loi de probabilité d’une var discrète

Définition

Soit une expérience aléatoire d’univers Ω

Soit X une v.a.r. discrète définie sur Ω prenant les valeurs x₁, x₂, …, xn (n entier naturel non nul).
Donner la loi de probabilité de X, c’est déterminer la probabilité de chacun des événements (X=xi), où i est
un entier naturel entre 1 et n.
On présente habituellement ces probabilités dans un tableau.

Exemple

xi -3 2 Il y a 6 couples où les deux lancers ont donné le même chiffre.

Il y a 15 couples où le chiffre du 2ème lancer est strictement supérieur à
𝟐𝟏 𝟏𝟓 celui du 1er lancer.
P(X=xi)
𝟑𝟔 𝟑𝟔 Il y a 15 couples où le chiffre du 2ème lancer est strictement inférieur à
celui du 1er lancer.

Terminale Spécialité Variables aléatoires réelles discrètes – p 1/2

3. Espérance d’une var discrète

Définition
Soit une expérience aléatoire d’univers Ω.
Soit X une v.a.r. discrète définie sur Ω prenant les valeurs x₁, x₂, …, xn
avec les probabilités respectives p₁, p₂, …, pn (n entier naturel non nul).
On appelle espérance de X, notée E(X), la moyenne de ses valeurs possibles pondérées par leur probabilité.

Exemple
𝟐𝟏 𝟏𝟓 𝟔𝟑 𝟑𝟎 𝟏𝟏
𝐄(𝐗) = (−𝟑) × +𝟐× = =−
𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟏𝟐

L’espérance d’une v.a.r. est un nombre réel : elle peut être négative, nulle, irrationnelle, …
Interprétation de cette valeur : si on répète l’expérience aléatoire un grand nombre de fois, la moyenne des
valeurs de X constatées sera très proche de E(X).
Exemple
𝟏𝟏
𝐄(𝐗) = − ≈ −𝟎, 𝟗𝟐, donc si un joueur joue un grand nombre de parties, la moyenne statistique de ses gains
𝟏𝟐
et pertes sera très proche de - 0,92 euro.

4. Variance et écart-type d’une var discrète

Définition
Soit une expérience aléatoire d’univers Ω.
Soit X une v.a.r. discrète définie sur Ω prenant les valeurs x₁, x₂, …, xn avec les probabilités respectives p₁,
p₂, …, pn (n entier naturel non nul).
On appelle variance de X, notée V(X), la valeur calculée comme suit :

On appelle écart-type de X, noté σ(X), la valeur égale à la racine carrée de V(X) : 𝛔(𝐗) = √𝐗.

Exemple
𝟐𝟏 𝟐 𝟏𝟓 𝟐
𝑽(𝑿) = × −𝟑 − (−𝟎, 𝟗𝟐) + × 𝟐 − (−𝟎, 𝟗𝟐) ≈ 𝟔, 𝟎𝟖
𝟑𝟔 𝟑𝟔

D’où 𝛔(𝐗) = √𝟔, 𝟎𝟖 ≈ 𝟐, 𝟒𝟕.

La variance et l’écart-type d’une v.a.r. sont des réels positifs par définition.
La variance n’est pas interprétable en elle-même.
Interprétation de l’écart-type : si on répète l’expérience aléatoire un grand nombre de fois, l’écart-type
statistique des valeurs de X constatées sera « proche » de σ(X).
L’écart-type est un indicateur de la dispersion des valeurs par rapport à la moyenne : il donne une idée de la
moyenne des écarts à la moyenne.
Exemple
𝝈(𝑿) ≈ 𝟐, 𝟒𝟕, donc si on répète un grand nombre de fois l’expérience, on constatera que la moyenne des écarts
à la moyenne est très proche de 2,47.

Terminale Spécialité Variables aléatoires réelles discrètes – p 2/2