Calcul de la variance à partir de l’espérance
Entrez une série de valeurs et leurs probabilités ou fréquences pour calculer automatiquement l’espérance, le second moment, la variance et l’écart-type. Le graphique met en évidence la contribution de chaque valeur à la dispersion totale.
Résultats
Renseignez les données puis cliquez sur Calculer la variance.
Comprendre le calcul de la variance à partir de l’espérance
Le calcul de la variance à partir de l’espérance est une technique fondamentale en statistique descriptive, en probabilités, en économétrie, en science des données et en contrôle qualité. Lorsqu’on cherche à résumer une distribution, la moyenne seule ne suffit pas. Deux séries peuvent partager la même espérance tout en ayant des comportements complètement différents. La variance mesure précisément cette dispersion autour de l’espérance. Plus elle est élevée, plus les observations sont éloignées de la valeur moyenne. Plus elle est faible, plus la distribution est concentrée.
En pratique, on utilise très souvent la formule issue de l’espérance : Var(X) = E(X²) – [E(X)]². Elle est particulièrement utile lorsque l’on dispose d’une loi discrète, d’une table de probabilités, d’une série pondérée ou de sorties d’un modèle mathématique. Elle évite de recalculer manuellement chaque écart à la moyenne si l’on connaît déjà les moments de la variable aléatoire. Cette approche est standard dans l’enseignement universitaire, la modélisation de risque, le calcul actuariel et les simulations numériques.
Définition de l’espérance et lien direct avec la variance
Pour une variable aléatoire discrète prenant les valeurs xi avec les probabilités pi, l’espérance s’écrit :
E(X) = Σ xi pi
Le second moment autour de zéro s’écrit :
E(X²) = Σ xi² pi
La variance se déduit alors par :
Var(X) = E(X²) – [E(X)]²
Cette identité est obtenue en développant l’espérance du carré de l’écart à la moyenne :
Var(X) = E[(X – E(X))²]
En développant le carré, on obtient :
- (X – E(X))² = X² – 2X E(X) + [E(X)]²
- On prend l’espérance des trois termes
- Comme E(X) est une constante, E(2X E(X)) = 2E(X)E(X)
- On retrouve donc E(X²) – [E(X)]²
Pourquoi cette formule est-elle si utile ?
- Elle simplifie les calculs quand les valeurs et probabilités sont déjà tabulées.
- Elle est idéale pour les lois usuelles comme Bernoulli, binomiale, Poisson ou uniforme discrète.
- Elle permet de vérifier rapidement la cohérence d’un calcul réalisé à partir des écarts à la moyenne.
- Elle est directement exploitable en programmation, en calcul scientifique et en tableur.
Méthode pas à pas pour calculer la variance à partir de l’espérance
Étape 1 : lister les valeurs possibles de la variable
Commencez par identifier chaque valeur possible de la variable aléatoire ou chaque modalité observée. Dans un exercice de probabilités, il peut s’agir du nombre de succès, du gain d’un jeu, du nombre de clients par heure ou du nombre de défauts par pièce. Dans une série statistique pondérée, il peut s’agir de notes, de salaires, de durées ou d’effectifs regroupés.
Étape 2 : associer une probabilité ou une fréquence à chaque valeur
Si vous travaillez avec des probabilités, leur somme doit être égale à 1. Si vous entrez des fréquences ou des effectifs, il faut les normaliser en divisant chaque fréquence par la somme totale. Le calculateur ci-dessus gère cette étape automatiquement. C’est essentiel, car sans pondération correcte, ni l’espérance ni la variance ne sont interprétables.
Étape 3 : calculer l’espérance E(X)
Multipliez chaque valeur par sa probabilité, puis additionnez le tout. Le résultat donne la moyenne théorique de la variable. C’est la valeur autour de laquelle la distribution se centre. Attention : une espérance n’est pas forcément une valeur effectivement observée. Pour un dé équilibré, l’espérance vaut 3,5, alors qu’aucune face n’affiche 3,5.
Étape 4 : calculer E(X²)
Élevez chaque valeur au carré, multipliez par la probabilité correspondante, puis additionnez. Cette étape amplifie mécaniquement l’effet des valeurs extrêmes, ce qui explique pourquoi la variance est sensible aux observations éloignées de la moyenne.
Étape 5 : appliquer la formule de variance
Soustrayez le carré de l’espérance au second moment : Var(X) = E(X²) – [E(X)]². Si vous souhaitez ensuite revenir à une unité comparable à la variable de départ, prenez la racine carrée pour obtenir l’écart-type.
Exemple complet de calcul
Prenons une variable aléatoire discrète X qui prend les valeurs 1, 2, 3, 4, 5 avec les probabilités 0,1 ; 0,2 ; 0,4 ; 0,2 ; 0,1. Cette loi est centrée sur 3.
- E(X) = 1×0,1 + 2×0,2 + 3×0,4 + 4×0,2 + 5×0,1 = 3
- E(X²) = 1²×0,1 + 2²×0,2 + 3²×0,4 + 4²×0,2 + 5²×0,1 = 10,2
- Var(X) = 10,2 – 3² = 10,2 – 9 = 1,2
- σ = √1,2 ≈ 1,095
Cet exemple montre très bien que l’espérance de 3 ne suffit pas à décrire la distribution. La variance de 1,2 indique une dispersion modérée autour de cette moyenne.
Tableau comparatif de variances pour des distributions classiques
Le tableau suivant rassemble des valeurs exactes ou standardisées fréquemment utilisées en statistique et en théorie des probabilités. Ces résultats sont des références classiques dans l’enseignement et l’analyse quantitative.
| Distribution | Paramètres | Espérance E(X) | Variance Var(X) | Commentaire pratique |
|---|---|---|---|---|
| Bernoulli | p = 0,50 | 0,50 | 0,25 | Cas binaire maximum de dispersion pour une variable 0/1. |
| Binomiale | n = 10, p = 0,50 | 5 | 2,5 | Modèle fréquent pour compter des succès indépendants. |
| Poisson | λ = 4 | 4 | 4 | La moyenne et la variance sont identiques. |
| Dé équilibré | 1 à 6 | 3,5 | 35/12 ≈ 2,917 | Exemple pédagogique emblématique en probabilité discrète. |
| Somme de deux dés | 2 à 12 | 7 | 35/6 ≈ 5,833 | Variance doublée par indépendance des deux lancers. |
Comment interpréter la variance en contexte réel
Une variance élevée signifie que les valeurs sont très dispersées autour de la moyenne. Cela peut traduire une forte hétérogénéité des comportements, une grande volatilité financière, une qualité de production instable ou une forte incertitude dans un processus. À l’inverse, une variance faible indique une concentration plus serrée des observations, ce qui est souvent recherché en industrie, en contrôle statistique des procédés et dans les systèmes de mesure.
Toutefois, la variance s’exprime dans l’unité au carré. Si la variable est en euros, la variance est en euros carrés. Si la variable est en secondes, la variance est en secondes carrées. C’est pourquoi, en pratique, on complète presque toujours l’analyse avec l’écart-type, plus intuitif car il revient à l’unité de départ.
Exemple de comparaison entre deux séries ayant la même espérance
Deux distributions peuvent partager la même moyenne mais ne pas présenter la même stabilité. Le tableau suivant illustre ce point avec deux séries théoriques simples.
| Série | Valeurs possibles | Probabilités | Espérance | Variance | Lecture |
|---|---|---|---|---|---|
| Série A | 4, 5, 6 | 0,25 ; 0,50 ; 0,25 | 5 | 0,5 | Données regroupées autour du centre. |
| Série B | 1, 5, 9 | 0,25 ; 0,50 ; 0,25 | 5 | 8 | Même moyenne, mais dispersion beaucoup plus forte. |
Erreurs fréquentes dans le calcul de la variance
- Oublier de normaliser les fréquences : si la somme n’est pas 1, les probabilités sont incorrectes.
- Confondre moyenne empirique et espérance théorique : l’une provient d’un échantillon, l’autre d’une loi.
- Mal utiliser la formule : il faut bien calculer E(X²), puis soustraire [E(X)]².
- Négliger les valeurs extrêmes : elles pèsent fortement à cause du carré.
- Interpréter la variance sans l’écart-type : la variance seule est parfois peu intuitive.
Variance théorique et variance d’échantillon : ne pas les confondre
Dans un cours de probabilités, on travaille souvent avec une variable aléatoire et sa loi théorique. Dans ce cas, la variance se calcule avec les probabilités exactes. En statistique inférentielle, on observe au contraire un échantillon et l’on cherche à estimer la variance de la population. On utilise alors des formules légèrement différentes, notamment la correction de Bessel pour l’estimation non biaisée de la variance d’échantillon.
Cette distinction est essentielle. Le calculateur présenté ici se concentre sur le cas pondéré à partir de probabilités ou de fréquences fournies, ce qui convient très bien aux exercices de loi discrète, aux distributions de gains, aux analyses de risques simples et aux tableaux de répartition.
Applications concrètes du calcul de variance à partir de l’espérance
Finance
La variance sert à quantifier le risque de rendement. Deux portefeuilles ayant la même rentabilité moyenne attendue ne présentent pas nécessairement le même niveau d’incertitude. La variance et l’écart-type permettent de comparer leur volatilité.
Industrie et qualité
Dans un procédé de fabrication, une variance faible signifie souvent que la production est maîtrisée. Si la moyenne des diamètres ou des masses est correcte mais que la variance augmente, les défauts peuvent se multiplier.
Éducation et évaluation
Une moyenne de notes peut masquer des profils très différents. Une classe homogène et une classe très dispersée peuvent avoir la même moyenne. La variance permet d’évaluer cette hétérogénéité.
Data science
La variance intervient dans la standardisation des variables, l’analyse en composantes principales, la détection d’anomalies et la sélection de caractéristiques. C’est un outil central dans la préparation des données.
Ressources académiques et institutionnelles fiables
Pour approfondir la notion de variance, vous pouvez consulter des ressources de référence publiées par des institutions reconnues :
- NIST Engineering Statistics Handbook, ressource officielle du National Institute of Standards and Technology.
- Penn State University – Probability Theory and Statistics, cours universitaire détaillé sur l’espérance et la variance.
- UC Berkeley Statistics, portail académique d’un département majeur en statistique.
Bonnes pratiques pour obtenir un calcul juste
- Vérifiez que toutes les valeurs numériques sont correctement saisies.
- Assurez-vous que le nombre de probabilités correspond au nombre de valeurs.
- Contrôlez que les probabilités sont positives et que leur somme vaut 1, ou utilisez des fréquences.
- Comparez le résultat obtenu avec la formule directe et la formule développée si vous faites un exercice.
- Interprétez toujours la variance à la lumière du contexte métier et de l’unité étudiée.
Conclusion
Savoir effectuer un calcul de la variance à partir de l’espérance est indispensable pour comprendre la dispersion d’une distribution. La formule Var(X) = E(X²) – [E(X)]² est élégante, rapide et extrêmement puissante. Elle permet de passer d’une simple description du centre de la distribution à une mesure fiable de son étalement. Que vous soyez étudiant, enseignant, analyste de données, ingénieur qualité ou professionnel de la finance, maîtriser cette relation vous aidera à mieux lire les phénomènes aléatoires et à comparer rigoureusement des situations apparemment similaires.
Utilisez le calculateur ci-dessus pour automatiser les opérations, visualiser les contributions à la variance et vérifier vos exercices. C’est un excellent moyen de gagner du temps tout en conservant une lecture mathématique rigoureuse du résultat.