VARIABLES ALEATOIRES – Cours T GE Soit une expérience aléatoire et un univers fini . On appelle variable aléatoire toute application de dans R. Cette application (fonction) est en général notée X. Exemple : On lance 3 fois de suite une pièce de monnaie et on note, dans l’ordre, les piles et faces obtenus. PPP, PPF, PFP, PFF, FPP, FPF, FFP, FFF. Soit X la variable aléatoire : le nombre de piles obtenus lors des 3 lancers. X peut prendre les valeurs 0, 1, 2 ou 3 Loi de probabilité : C’est le tableau, qui à chaque valeur xi de X fait correspondre la probabilité pi de l’événement (X = xi). X pi 0 1 2 3 Error! Error! Error! Error! 4 On vérifie que p i 1 i 1. On appelle fonction de répartition de X, l’application notée F, de R dans 0 ; 1 qui à tout réel x associe la probabilité de l’événement X x . Reprenons notre exemple : y Représentation de la fonction F de répartition : F( x ) P(X x ) . C’est une fonction en escaliers. 1 7/8 j 1/2 1/8 0 i 1 2 3 x Valeurs caractéristiques d’une variable aléatoire : n - Espérance mathématique : E (X ) x i p i . C’est une caractéristique de position : le barycentre - des nombres xi affectés des coefficients pi. Dans notre exemple, 1 3 3 1 3 E(X) 0 1 2 3 , soit E ( X ) . Cette valeur était attendue, car si on répète 8 8 8 8 2 l’expérience un grand nombre de fois, on obtiendra « en moyenne » la moitié de piles sur 3 lancers. 2 2 Variance de X : V(X) EX E(X) ou encore V(X) EX 2 E(X) , ce qui s’écrit encore i 1 n n V(X) x i E(X) .p i ou bien V(X) x i2 .p i E(X) i 1 2 i 1 2 - Ecart type : (X) V(X) Ce sont des caractéristiques de dispersion. Plus ces valeurs sont grandes, plus les valeurs de X sont dispersées autour de E(X). 4 1 3 3 1 Dans notre exemple, E(X 2 ) x i2 .p i 0 2 12 2 2 3 2 3 8 8 8 8 i 1 ( X ) 2 3 3 V(X) 3 et 4 2 3 . 2 Deux personnes A et B jouent 3 fois de suite à pile ou face de la façon suivante : Si le nombre de faces est 1 ou 3 : B donne 2 € à A Si le nombre de faces est 2 : A donne 4 € à B Si le nombre de faces est 0 : le jeu est nul Soit Y la variable aléatoire suivante : le gain de A (négatif en cas de perte). Donnons la loi de probabilité de Y et calculons son espérance et sa variance. Y pi -4 0 2 Error! Error! Error! 3 1 1 1 E(Y) 4 0 2 . L’espérance est négative : A est perdant (en « moyenne » sur un 8 8 2 2 grand nombre de parties). Dans le cas où l’espérance est nulle, le jeu est dit équitable. p.224 n°16, 17, 19, 21, 22, 24, 25, 27, 32, 37.