Calcul de l’espérance d’une variable discrète : exercice corrigé
Saisissez les valeurs possibles de la variable aléatoire et leurs probabilités pour obtenir instantanément l’espérance, la variance, l’écart-type et un tableau de calcul détaillé.
Entrez vos données puis cliquez sur Calculer l’espérance.
Comprendre le calcul de l’espérance d’une variable discrète avec exercice corrigé
Le calcul de l’espérance d’une variable discrète est l’une des compétences les plus importantes en probabilités. En lycée, en licence, en BTS, en économie, en data science ou dans les concours, on vous demande souvent de déterminer une moyenne théorique à partir d’une loi de probabilité. Cette moyenne théorique, appelée espérance mathématique, permet de résumer le comportement moyen d’un phénomène aléatoire. Si une expérience pouvait être répétée un très grand nombre de fois, l’espérance indiquerait vers quelle valeur la moyenne observée se stabiliserait.
Dans le cas d’une variable aléatoire discrète, la formule est simple en apparence : E(X) = Σ xᵢ pᵢ. Pourtant, dans la pratique, beaucoup d’erreurs apparaissent : oubli d’une valeur, confusion entre fréquence et probabilité, somme des probabilités différente de 1, ou encore mauvais usage des décimales. Cette page a été conçue pour vous aider à travailler la méthode complète avec un exercice corrigé, un calculateur interactif, des explications pédagogiques et des exemples issus de situations concrètes.
Définition de l’espérance d’une variable discrète
Une variable aléatoire discrète prend un nombre fini ou dénombrable de valeurs. À chacune de ces valeurs est associée une probabilité. Si X prend les valeurs x₁, x₂, …, xₙ avec probabilités p₁, p₂, …, pₙ, alors son espérance vaut :
E(X) = x₁p₁ + x₂p₂ + … + xₙpₙ
Cette formule est appelée moyenne pondérée. Chaque valeur est multipliée par sa probabilité d’apparition. Plus une valeur est probable, plus elle influence l’espérance. C’est pourquoi l’espérance est très utilisée en assurance, finance, analyse du risque, contrôle qualité, théorie des jeux et statistiques appliquées.
Conditions à vérifier avant de calculer
- La liste des valeurs de la variable doit être clairement identifiée.
- Chaque probabilité doit être comprise entre 0 et 1.
- La somme des probabilités doit être égale à 1.
- Les couples valeur-probabilité doivent être alignés correctement.
- Les unités doivent rester cohérentes : euros, points, clients, jours, etc.
Méthode pas à pas pour réussir un exercice corrigé
- Identifier la variable aléatoire X. Exemple : X désigne le nombre de réponses justes à un test.
- Dresser le tableau de loi. On liste les valeurs possibles de X et les probabilités correspondantes.
- Vérifier la loi. On contrôle que la somme des probabilités vaut bien 1.
- Multiplier chaque valeur par sa probabilité. On calcule les produits xᵢpᵢ.
- Additionner les produits. On obtient E(X).
- Interpréter le résultat. L’espérance est une moyenne théorique, pas une prédiction exacte pour une seule expérience.
Exercice corrigé classique
Considérons une variable aléatoire X qui représente le nombre d’articles défectueux dans un petit lot contrôlé. Supposons la loi suivante :
| Valeur x | 0 | 1 | 2 | 3 |
|---|---|---|---|---|
| Probabilité P(X=x) | 0,20 | 0,35 | 0,30 | 0,15 |
On vérifie d’abord la validité de la loi : 0,20 + 0,35 + 0,30 + 0,15 = 1. La somme est correcte. On applique ensuite la formule :
E(X) = 0 × 0,20 + 1 × 0,35 + 2 × 0,30 + 3 × 0,15
E(X) = 0 + 0,35 + 0,60 + 0,45 = 1,40
Conclusion : en moyenne théorique, on s’attend à observer 1,4 article défectueux par lot. Bien sûr, un lot ne peut pas contenir exactement 1,4 article défectueux ; ce nombre traduit seulement le niveau moyen attendu si l’expérience est répétée très souvent.
Pourquoi cette notion est-elle si utile ?
L’espérance sert à prendre des décisions rationnelles dans l’incertitude. Une entreprise compare un gain attendu, un assureur estime le coût moyen d’un sinistre, un enseignant interprète une distribution de notes, et un analyste marketing évalue le nombre moyen d’achats par client. Dans chacun de ces cas, l’espérance donne un indicateur synthétique extrêmement puissant.
Comparer moyenne simple et espérance pondérée
Beaucoup d’élèves confondent moyenne arithmétique et espérance. La moyenne simple attribue le même poids à toutes les valeurs, alors que l’espérance tient compte des probabilités. Le tableau ci-dessous illustre cette différence avec une distribution simple.
| Valeurs observables | Probabilités | Contribution à E(X) |
|---|---|---|
| 0 | 0,10 | 0,00 |
| 1 | 0,20 | 0,20 |
| 2 | 0,50 | 1,00 |
| 5 | 0,20 | 1,00 |
| Total | 1,00 | 2,20 |
La moyenne simple des valeurs 0, 1, 2 et 5 serait de 2,00, tandis que l’espérance vaut 2,20, car la valeur 2 est très probable et la valeur 5 conserve un poids significatif. C’est précisément ce mécanisme de pondération qui donne du sens au calcul probabiliste.
Erreur fréquente : oublier la vérification des probabilités
Une des erreurs les plus courantes dans les exercices de loi discrète consiste à lancer les calculs sans vérifier la somme des probabilités. Pourtant, si cette somme n’est pas égale à 1, on ne travaille pas sur une loi valide. Notre calculateur vous permet d’utiliser soit un mode strict, soit un mode de normalisation. Le mode strict est idéal pour s’entraîner aux examens, car il vous oblige à respecter rigoureusement les conditions du cours.
Espérance, variance et écart-type : le trio indispensable
L’espérance résume le centre de la distribution, mais ne dit pas à elle seule si les valeurs sont très dispersées ou non. Pour compléter l’analyse, on calcule souvent la variance et l’écart-type. La variance se calcule par la formule :
V(X) = E(X²) – [E(X)]²
où E(X²) = Σ xᵢ² pᵢ. L’écart-type est ensuite la racine carrée de la variance. Plus l’écart-type est élevé, plus les résultats sont éloignés de l’espérance en moyenne.
Exemple appliqué à des données publiques et statistiques réelles
La logique de l’espérance est utilisée dans l’interprétation de données officielles. Les organismes publics diffusent souvent des distributions, des taux, ou des probabilités empiriques qui peuvent être exploités pour construire une moyenne théorique. Les ressources de référence incluent par exemple les cours de probabilité de Penn State University, les bases statistiques du U.S. Bureau of Labor Statistics et les tableaux démographiques du U.S. Census Bureau.
Voici un exemple pédagogique inspiré de distributions publiées sur la mobilité domicile-travail. Supposons qu’un service RH observe la répartition simplifiée suivante du nombre de jours de télétravail hebdomadaire dans une population active :
| Jours de télétravail par semaine | Probabilité observée | Contribution à l’espérance |
|---|---|---|
| 0 jour | 0,46 | 0,00 |
| 1 jour | 0,18 | 0,18 |
| 2 jours | 0,17 | 0,34 |
| 3 jours | 0,10 | 0,30 |
| 4 jours | 0,05 | 0,20 |
| 5 jours | 0,04 | 0,20 |
| Total | 1,00 | 1,22 |
On obtient donc une espérance de 1,22 jour de télétravail par semaine. Cette lecture ne signifie pas qu’un salarié travaille exactement 1,22 jour à distance, mais que la moyenne théorique sur l’ensemble étudié vaut 1,22.
Interprétation concrète en économie, gestion et sciences sociales
- Assurance : l’espérance d’un coût de sinistre aide à fixer des primes cohérentes.
- Finance : le rendement espéré d’un actif repose sur une moyenne pondérée de scénarios.
- Marketing : la valeur client attendue peut être approchée à partir d’achats probabilisés.
- Logistique : le nombre moyen de retours produits aide à dimensionner les ressources.
- Éducation : l’analyse d’une distribution de scores permet d’estimer la performance moyenne attendue.
Comment rédiger une correction parfaite à l’examen
Une bonne rédaction ne se limite pas à donner un résultat numérique. Pour obtenir tous les points, il faut généralement :
- Nommer clairement la variable aléatoire.
- Présenter la loi sous forme de tableau si nécessaire.
- Vérifier la somme des probabilités.
- Écrire la formule complète de l’espérance.
- Remplacer avec les valeurs numériques sans sauter d’étape.
- Conclure avec une phrase d’interprétation dans le contexte.
Exemple de formulation soignée : La variable X désigne le nombre de clients se présentant au guichet en une tranche horaire. Comme ΣP(X=x)=1, la loi est valide. On calcule E(X)=0×0,12+1×0,25+2×0,33+3×0,20+4×0,10=1,91. Ainsi, le nombre moyen théorique de clients par tranche horaire est de 1,91.
Pièges et astuces de calcul
- Ne confondez jamais xᵢpᵢ avec xᵢ + pᵢ.
- Si des pourcentages sont donnés, convertissez-les en probabilités décimales.
- Ne mélangez pas virgule décimale et séparateur de liste dans vos brouillons.
- Conservez quelques décimales pendant les étapes intermédiaires pour éviter les erreurs d’arrondi.
- Pensez à l’interprétation finale : l’espérance est une moyenne de long terme.
Que faire si la somme des probabilités n’est pas égale à 1 ?
Dans un exercice scolaire, si les probabilités ne somment pas à 1, deux cas sont possibles. Soit l’énoncé est incomplet et il faut retrouver une probabilité manquante ; soit les données ont été mal relevées. En pratique professionnelle, on peut parfois normaliser les probabilités pour restaurer une distribution correcte. C’est utile dans certains traitements de données, mais lors d’un devoir il vaut mieux expliciter le problème plutôt que corriger silencieusement les valeurs.
Exercice rapide d’entraînement
Soit X le nombre de ventes réalisées dans une journée par un vendeur débutant. On donne :
- P(X=0)=0,15
- P(X=1)=0,25
- P(X=2)=0,30
- P(X=3)=0,20
- P(X=4)=0,10
La somme des probabilités vaut 1. L’espérance est :
E(X)=0×0,15 + 1×0,25 + 2×0,30 + 3×0,20 + 4×0,10 = 1,85
On en déduit qu’en moyenne théorique, le vendeur réalise 1,85 vente par jour. Si vous entrez ces valeurs dans le calculateur ci-dessus, vous visualiserez immédiatement la distribution sous forme de graphique, ce qui facilite beaucoup l’interprétation.
Pourquoi utiliser un graphique en complément ?
Le graphique aide à repérer les masses de probabilité. Une barre très haute indique une valeur très probable. Lorsque les probabilités sont concentrées autour de l’espérance, la distribution est plutôt stable. Lorsqu’elles sont étalées ou asymétriques, l’espérance reste informative, mais doit être interprétée avec prudence. C’est exactement pourquoi la combinaison tableau + espérance + variance + graphique est si efficace dans un exercice corrigé.
Résumé à retenir
Pour maîtriser le calcul de l’espérance d’une variable discrète, retenez cette structure simple : identifier les valeurs, vérifier les probabilités, calculer les produits xᵢpᵢ, additionner, puis interpréter. Si vous répétez cette méthode sur plusieurs exercices corrigés, vous développerez rapidement des automatismes fiables. Le calculateur présent sur cette page vous permet justement de valider vos réponses, de comprendre vos erreurs et de visualiser la loi de probabilité en quelques secondes.