Calcul espérance et variance de X
Calculez rapidement l’espérance mathématique, la variance et l’écart-type d’une variable aléatoire discrète X à partir de ses valeurs possibles et de leurs probabilités.
Pour une variable discrète X :
E(X) = Σ xᵢpᵢ
Var(X) = Σ pᵢ(xᵢ – E(X))² = E(X²) – [E(X)]²
Le total des probabilités doit être égal à 1.
Entrez les valeurs séparées par des virgules.
Le nombre de probabilités doit correspondre au nombre de valeurs.
Résultats
Saisissez vos données puis cliquez sur Calculer.
Comprendre le calcul de l’espérance et de la variance de X
Le calcul de l’espérance et de la variance de X constitue l’un des fondements de la statistique, de la théorie des probabilités, de la finance quantitative, du contrôle qualité et de la science des données. Dès qu’une grandeur aléatoire peut prendre plusieurs valeurs avec des probabilités différentes, deux questions reviennent immédiatement : quelle valeur moyenne peut-on attendre et dans quelle mesure les résultats sont-ils dispersés autour de cette moyenne ? L’espérance répond à la première question. La variance répond à la seconde.
En pratique, ces deux indicateurs sont utilisés partout : pour estimer un gain moyen sur un jeu, pour mesurer le risque d’un portefeuille, pour prévoir un niveau moyen de demande, pour contrôler la stabilité d’un procédé industriel ou encore pour comparer la régularité de deux distributions qui ont pourtant la même moyenne. Savoir calculer correctement E(X) et Var(X) permet donc de prendre de meilleures décisions.
Définition de l’espérance mathématique
Pour une variable aléatoire discrète X prenant les valeurs x₁, x₂, …, xₙ avec les probabilités p₁, p₂, …, pₙ, l’espérance mathématique est la moyenne pondérée des valeurs possibles :
Autrement dit, chaque valeur n’a pas le même poids : elle contribue à la moyenne proportionnellement à sa probabilité d’apparition. Si un résultat a une probabilité très élevée, il influence davantage l’espérance qu’un résultat rare. L’espérance ne correspond pas toujours à une valeur réellement observable dans une seule expérience. Par exemple, l’espérance d’un dé équilibré est 3,5, alors qu’aucune face ne porte 3,5. Il s’agit d’une moyenne théorique à long terme.
Définition de la variance
La variance mesure la dispersion des résultats autour de l’espérance. Plus la variance est grande, plus les valeurs possibles sont éloignées de la moyenne ou plus elles s’en écartent fréquemment. Sa formule est :
Comme le terme est au carré, les écarts négatifs ne s’annulent pas avec les écarts positifs. La variance est donc toujours positive ou nulle. Une autre formule, souvent plus rapide à utiliser, est :
L’écart-type est simplement la racine carrée de la variance. Il s’exprime dans la même unité que X, ce qui le rend souvent plus intuitif à interpréter.
Pourquoi ces calculs sont-ils si importants ?
- En finance : l’espérance sert à estimer le rendement moyen attendu, la variance le niveau de risque.
- En assurance : elle aide à prévoir le coût moyen des sinistres et leur volatilité.
- En logistique : elle permet de dimensionner les stocks selon la demande moyenne et son incertitude.
- En industrie : elle mesure la stabilité d’un processus de production.
- En data science : elle résume la tendance centrale et la dispersion d’une variable avant modélisation.
Méthode pas à pas pour faire le calcul
- Listez toutes les valeurs possibles de X. Exemple : 0, 1, 2, 3.
- Attribuez à chaque valeur sa probabilité. Exemple : 0,2 ; 0,5 ; 0,2 ; 0,1.
- Vérifiez que la somme des probabilités vaut 1.
- Calculez l’espérance en faisant la somme des produits xᵢpᵢ.
- Calculez E(X²) en faisant la somme des produits xᵢ²pᵢ.
- Déduisez la variance grâce à E(X²) – [E(X)]².
- Prenez la racine carrée si vous voulez l’écart-type.
Exemple simple
Supposons que X soit le nombre de ventes réalisées dans une heure avec la loi suivante : 0 vente avec probabilité 0,10 ; 1 vente avec probabilité 0,20 ; 2 ventes avec probabilité 0,40 ; 3 ventes avec probabilité 0,20 ; 4 ventes avec probabilité 0,10.
On calcule d’abord l’espérance :
On calcule ensuite E(X²) :
La variance vaut donc :
L’écart-type est √1,2 ≈ 1,095. Cela signifie qu’en moyenne on attend 2 ventes par heure, avec une variabilité modérée autour de cette valeur.
Interprétation concrète des résultats
Une erreur fréquente consiste à considérer l’espérance comme un résultat garanti. Ce n’est pas le cas. L’espérance représente une moyenne théorique à long terme. Si vous répétez un grand nombre de fois une expérience aléatoire dans les mêmes conditions, la moyenne empirique tendra vers l’espérance. En revanche, sur un petit nombre d’essais, les écarts peuvent être marqués.
La variance complète cette lecture. Deux variables peuvent avoir la même espérance mais des comportements totalement différents. Prenons deux jeux avec un gain moyen de 10 euros :
- Jeu A : presque toujours entre 9 et 11 euros.
- Jeu B : parfois 0 euro, parfois 20 euros.
Les deux jeux ont la même espérance, mais le second a une variance bien plus élevée. Pour un investisseur, un assureur ou un responsable de production, cette distinction est essentielle, car la dispersion représente le risque, l’instabilité ou l’incertitude opérationnelle.
Comparaison des distributions usuelles
| Distribution | Paramètres | Espérance | Variance | Exemple d’usage |
|---|---|---|---|---|
| Bernoulli | p | p | p(1-p) | Succès ou échec d’un test |
| Binomiale | n, p | np | np(1-p) | Nombre de succès sur n essais |
| Poisson | λ | λ | λ | Arrivées par unité de temps |
| Uniforme discrète | a à b | (a+b)/2 | ((b-a+1)²-1)/12 | Tirage d’un entier équiprobable |
| Normale | μ, σ² | μ | σ² | Mesure continue autour d’une moyenne |
Exemples chiffrés utiles pour réviser
Voici quelques références numériques fréquemment utilisées dans les cours et examens :
| Situation | Valeurs | Probabilités | Espérance | Variance |
|---|---|---|---|---|
| Pièce équilibrée avec X = nombre de faces sur 1 lancer | 0, 1 | 0,5 ; 0,5 | 0,5 | 0,25 |
| Dé équilibré | 1 à 6 | 1/6 chacune | 3,5 | 35/12 ≈ 2,917 |
| Binomiale n=10, p=0,30 | 0 à 10 | selon la loi binomiale | 3 | 2,1 |
| Poisson λ=4 | 0,1,2,… | selon la loi de Poisson | 4 | 4 |
Erreurs fréquentes à éviter
- Oublier de vérifier la somme des probabilités. Si elle n’est pas égale à 1, le calcul est faux, sauf si vous normalisez volontairement des fréquences.
- Confondre moyenne simple et moyenne pondérée. L’espérance n’est pas la moyenne brute des valeurs possibles.
- Confondre variance et écart-type. La variance est en unités au carré, l’écart-type est dans l’unité originale.
- Utiliser de mauvais arrondis. En particulier dans les exercices à plusieurs étapes, mieux vaut garder plusieurs décimales intermédiaires.
- Mal saisir les décimales. Certains environnements utilisent le point, d’autres la virgule. Ce calculateur gère les deux modes.
Applications réelles de l’espérance et de la variance
Dans les données publiques, ces notions sont omniprésentes. Les instituts statistiques, les organismes de santé et les agences fédérales travaillent constamment avec des distributions de résultats. Par exemple, lorsqu’un organisme estime le nombre moyen d’événements par jour, il calcule une espérance. Lorsqu’il évalue la variabilité d’un phénomène selon les régions, les périodes ou les populations, il s’appuie sur la variance et l’écart-type.
Le National Institute of Standards and Technology propose des ressources de référence sur la probabilité, la variance et l’analyse de la variabilité. De même, plusieurs universités publient des supports pédagogiques détaillés sur les moments d’une distribution et leur interprétation. Pour approfondir, vous pouvez consulter les sources suivantes :
- NIST Engineering Statistics Handbook
- Penn State University – Probability Theory
- U.S. Census Bureau – Average Household Size
Espérance versus variance : que faut-il regarder en priorité ?
Tout dépend du contexte. Si votre objectif est la performance moyenne, l’espérance est centrale. Si votre objectif est la stabilité, la variance devient prioritaire. Dans de nombreux métiers, il faut les lire ensemble. Un rendement élevé avec une variance trop forte peut être moins intéressant qu’un rendement un peu plus faible mais beaucoup plus stable. C’est exactement le raisonnement utilisé en gestion du risque.
Quand utiliser ce calculateur ?
Ce calculateur est particulièrement utile si vous avez déjà une distribution discrète tabulée. C’est le cas lorsque :
- vous disposez d’un tableau de probabilités fourni dans un exercice ;
- vous transformez des fréquences observées en probabilités ;
- vous voulez vérifier manuellement un corrigé ;
- vous avez besoin d’un graphique clair pour visualiser la loi de X ;
- vous souhaitez comparer plusieurs scénarios en modifiant rapidement les poids probabilistes.
Bonnes pratiques d’analyse
- Commencez toujours par représenter la distribution dans un tableau ou un graphique.
- Vérifiez que les probabilités sont cohérentes et non négatives.
- Calculez l’espérance pour connaître le niveau moyen attendu.
- Calculez la variance et l’écart-type pour juger de la stabilité.
- Interprétez ensuite les résultats selon le contexte métier, scientifique ou académique.
Conclusion
Le calcul de l’espérance et de la variance de X est une compétence de base mais aussi un véritable outil d’aide à la décision. L’espérance donne le centre de gravité probabiliste d’une variable aléatoire. La variance mesure son niveau de dispersion et donc son risque ou son incertitude. En utilisant un tableau de valeurs et de probabilités, vous pouvez déterminer ces indicateurs avec précision, puis visualiser la distribution pour mieux comprendre sa structure.
Avec le calculateur ci-dessus, vous pouvez saisir vos propres données, normaliser si nécessaire vos probabilités, obtenir les formules numériques détaillées et afficher instantanément un graphique de la distribution. C’est une solution pratique pour les étudiants, enseignants, analystes et professionnels qui veulent aller vite sans sacrifier la rigueur mathématique.