Calcul de l’espérance loi binomiale et théorème de transfert
Calculez rapidement l’espérance d’une variable aléatoire binomiale X ~ B(n, p), puis appliquez le théorème de transfert à une transformation affine Y = aX + b. Le calculateur affiche aussi la variance, l’écart-type et une visualisation de la loi.
Rappel : si X suit une loi binomiale B(n, p), alors E(X) = np. Pour une transformation affine Y = aX + b, on a E(Y) = aE(X) + b = anp + b.
Résultats
Entrez vos paramètres puis cliquez sur Calculer.
Comprendre le calcul de l’espérance d’une loi binomiale avec le théorème de transfert
Le calcul de l’espérance en loi binomiale est un grand classique des probabilités, mais il devient encore plus utile lorsque l’on mobilise le théorème de transfert pour passer d’une variable aléatoire initiale à une variable transformée. En pratique, ce cadre apparaît partout : nombre de clients qui répondent à une campagne, nombre de pièces défectueuses dans un lot, nombre de patients qui réagissent positivement à un traitement, ou encore nombre de bonnes réponses dans un questionnaire à choix multiples. Dans tous ces cas, la variable de départ est souvent binomiale, puis l’on cherche une grandeur dérivée comme un coût total, une recette, un bonus, une pénalité ou une conversion monétaire. C’est précisément là que le théorème de transfert devient central.
Si l’on note X une variable aléatoire de loi binomiale de paramètres n et p, on écrit généralement X ~ B(n, p). Cette notation signifie que X compte le nombre de succès obtenus lors de n essais indépendants, chacun ayant la même probabilité p de succès. L’espérance mathématique de X, c’est-à-dire sa moyenne théorique à long terme, vaut alors :
Cette formule est simple, élégante et extrêmement puissante. Elle dit que si vous répétez un grand nombre de fois une expérience binomiale, la moyenne observée du nombre de succès se rapprochera de np. Si vous lancez 10 essais avec une probabilité de succès de 0,3, vous devez vous attendre en moyenne à 3 succès. Si vous réalisez 200 contrôles avec une probabilité de conformité de 0,96, le nombre moyen de produits conformes attendu est 192.
Le théorème de transfert : principe général
Le théorème de transfert permet de calculer l’espérance d’une fonction d’une variable aléatoire. Dans son idée la plus pratique au niveau lycée, BTS, BUT ou licence introductive, on l’utilise souvent pour une transformation affine :
Dans ce cas, l’espérance se transfère très facilement :
Si X suit une loi binomiale B(n, p), on obtient immédiatement :
Cette relation est la base du calculateur proposé ci-dessus. Elle permet de passer d’un nombre moyen de succès à une grandeur transformée. Par exemple, si chaque succès rapporte 12 euros et qu’il existe un coût fixe de 150 euros, alors le gain aléatoire peut être modélisé par Y = 12X – 150. L’espérance devient E(Y) = 12np – 150. Vous obtenez donc un indicateur direct de rentabilité moyenne.
Pourquoi la loi binomiale apparaît-elle si souvent ?
La loi binomiale repose sur trois conditions clés :
- un nombre fixe d’essais n ;
- deux issues possibles à chaque essai : succès ou échec ;
- une probabilité de succès constante p, avec indépendance entre les essais.
Ces hypothèses sont satisfaites dans de nombreuses situations concrètes. Dans le domaine médical, on peut modéliser le nombre de patients répondant favorablement à un traitement. En marketing, on étudie le nombre de clics positifs sur une campagne e-mail. En industrie, on mesure le nombre de pièces défectueuses ou conformes dans un échantillon. En éducation, on suit le nombre de bonnes réponses dans un test.
Lorsqu’un exercice demande le calcul de l’espérance loi binomiale théorème de transfert, il veut généralement vérifier deux compétences : reconnaître une loi binomiale, puis transformer correctement l’espérance vers une nouvelle variable. C’est moins une question de formule isolée qu’une démarche structurée.
Méthode pas à pas pour résoudre un exercice
- Identifier la variable aléatoire X : nombre de succès, de réussites, de réponses favorables, etc.
- Vérifier qu’il s’agit bien d’une loi binomiale : nombre d’essais fixe, indépendance, probabilité constante.
- Repérer les paramètres n et p.
- Calculer l’espérance de base avec E(X) = np.
- Écrire la variable transformée Y si nécessaire, souvent de la forme Y = aX + b.
- Appliquer le théorème de transfert : E(Y) = aE(X) + b.
- Interpréter le résultat dans le contexte réel de l’énoncé.
Cette méthode a l’avantage d’être stable et réutilisable. Une fois le schéma compris, les exercices deviennent beaucoup plus rapides à traiter et les erreurs diminuent fortement.
Exemple concret détaillé
Supposons qu’une entreprise contacte 50 prospects. Pour chaque prospect, la probabilité de conclure une vente est de 0,18. On note X le nombre de ventes obtenues. Alors X suit une loi binomiale B(50, 0,18). L’espérance vaut :
En moyenne, l’entreprise peut donc s’attendre à 9 ventes. Si chaque vente génère une marge de 80 euros et qu’une campagne coûte 300 euros de manière fixe, le bénéfice aléatoire Y peut s’écrire :
Par transfert :
L’espérance du bénéfice est donc de 420 euros. Ce nombre ne garantit pas que chaque campagne rapportera exactement 420 euros, mais il donne la moyenne théorique sur un grand nombre de campagnes identiques.
Espérance, variance et dispersion
Pour bien interpréter une espérance, il faut aussi garder un œil sur la dispersion. En loi binomiale, la variance de X vaut :
et l’écart-type vaut :
Si Y = aX + b, alors :
La constante b déplace la moyenne mais n’affecte pas la dispersion. Le coefficient a, en revanche, amplifie ou réduit la variabilité. Cette remarque est très importante en gestion du risque : deux décisions peuvent avoir la même espérance mais pas du tout la même volatilité.
Tableau comparatif de scénarios binomiaux réalistes
Le tableau suivant illustre plusieurs contextes où la loi binomiale et le théorème de transfert se rencontrent naturellement. Les valeurs de n et p sont réalistes au regard de situations courantes en statistique appliquée, marketing et contrôle qualité.
| Contexte | Paramètres | Espérance de X | Transformation Y | Espérance de Y |
|---|---|---|---|---|
| Campagne e-mail commerciale | n = 100, p = 0,12 | 12 réponses positives | Y = 35X – 180 | 240 euros |
| Contrôle qualité de composants | n = 200, p = 0,97 | 194 conformes | Y = 1,5X | 291 points qualité |
| Essai clinique simplifié | n = 40, p = 0,65 | 26 répondants | Y = 120X – 1000 | 2120 euros de gain sanitaire valorisé |
| QCM de 20 questions | n = 20, p = 0,75 | 15 bonnes réponses | Y = 2X + 5 | 35 points |
Le tableau met en évidence une propriété essentielle : on ne recalcule pas toute la distribution de Y pour obtenir son espérance si la transformation est affine. Le théorème de transfert fournit un raccourci rigoureux, fiable et immédiatement exploitable.
Données de référence utiles pour l’interprétation
Dans de nombreux environnements académiques ou professionnels, les taux de réussite, de conformité ou de réponse sont proches de certaines valeurs repères. Le tableau ci-dessous propose des ordres de grandeur fréquemment rencontrés. Il ne s’agit pas de lois universelles, mais de points de comparaison utiles pour interpréter n et p dans des cas pratiques.
| Situation observée | Taux plausible p | Interprétation | Conséquence sur E(X) pour n = 100 |
|---|---|---|---|
| Ouverture d’e-mails marketing ciblés | 0,15 à 0,25 | Réponse modérée, dépend fortement du ciblage | 15 à 25 succès attendus |
| Conformité de production mature | 0,95 à 0,99 | Process industriel stabilisé | 95 à 99 conformes attendus |
| Réponse positive à une intervention pédagogique | 0,60 à 0,80 | Forte probabilité de réussite moyenne | 60 à 80 succès attendus |
| Conversion commerciale froide | 0,02 à 0,08 | Taux faible en prospection non qualifiée | 2 à 8 succès attendus |
Erreurs fréquentes à éviter
- Confondre l’espérance avec une valeur forcément observable. Une moyenne théorique peut être non entière, même si X prend des valeurs entières.
- Oublier de vérifier que p appartient à l’intervalle [0, 1].
- Utiliser E(X) = p au lieu de E(X) = np.
- Mal appliquer le transfert en écrivant E(aX + b) = aX + b. Il faut remplacer X par E(X).
- Négliger le contexte d’interprétation. Une espérance doit toujours être exprimée dans les unités du problème : euros, personnes, ventes, points, etc.
Pourquoi le théorème de transfert est précieux en pratique
Dans les applications réelles, la grandeur d’intérêt n’est pas toujours le nombre brut de succès. Un décideur veut souvent connaître un bénéfice moyen, un coût moyen, un score moyen, un temps moyen économisé ou une perte moyenne évitée. Très souvent, ces quantités peuvent s’écrire sous forme affine en fonction du nombre de succès. Le théorème de transfert évite alors des calculs lourds et fournit immédiatement une réponse exploitable.
Par exemple, une entreprise peut associer à chaque contrat signé un revenu net moyen de 50 euros et supporter un coût fixe de campagne de 700 euros. Si le nombre de contrats suit une loi binomiale, l’espérance du résultat financier s’obtient en quelques secondes. Dans la santé, on peut valoriser chaque patient amélioré selon un gain standardisé. Dans l’éducation, chaque bonne réponse peut rapporter un certain nombre de points, avec une bonification fixe. Dans tous ces cas, la logique est identique.
Lecture intuitive de E(X) = np
Une manière intuitive de comprendre la formule consiste à voir une loi binomiale comme la somme de n variables de Bernoulli indépendantes. Chaque essai vaut 1 en cas de succès et 0 sinon. L’espérance d’un essai est p. En additionnant n essais, on obtient donc une espérance totale égale à np. Cette lecture aide beaucoup à mémoriser la formule et à la retrouver sans effort en examen.
Sources d’autorité pour approfondir
Pour compléter votre étude, vous pouvez consulter des ressources académiques et institutionnelles de grande qualité :
- University of California, Berkeley – Department of Statistics
- U.S. Census Bureau
- Penn State University – Online Statistics Education
Ces sources ne traitent pas toujours le même exercice scolaire mot pour mot, mais elles constituent d’excellentes références pour les notions de probabilité, d’espérance, de modèles binomiaux et de méthodes statistiques appliquées.
Conclusion
Le calcul de l’espérance en loi binomiale est un point d’entrée fondamental vers la modélisation probabiliste. La formule E(X) = np donne le nombre moyen de succès attendu, tandis que le théorème de transfert permet de convertir immédiatement cette information dans une variable plus concrète, comme un coût, un gain ou un score. Retenir cette chaîne logique est la clé : reconnaître la binomiale, identifier n et p, calculer np, puis appliquer E(aX + b) = anp + b.
Avec le calculateur ci-dessus, vous pouvez tester différents scénarios, visualiser la répartition des probabilités et interpréter les résultats dans un cadre professionnel ou académique. C’est une façon efficace de passer de la formule abstraite à la décision éclairée.