À quoi sert ce chapitre
En première, tu as étudié une variable aléatoire à la fois. Beaucoup de situations en font intervenir plusieurs : la somme de deux dés, le gain total après plusieurs tours d'une loterie, le nombre de succès dans une série d'épreuves.
Chercher la loi complète d'une somme est long, et tu n'en as presque jamais besoin : son espérance et sa variance se calculent à partir de celles de chaque terme. Toute l'idée du chapitre : décomposer une variable compliquée en somme de variables simples. Ces règles donnent d'un coup les formules de la loi binomiale, et expliquent pourquoi la moyenne de plusieurs mesures est plus fiable qu'une seule.
Somme de deux variables aléatoires
Définition
Soit et deux variables aléatoires définies sur le même univers (la même expérience aléatoire). La variable associe à chaque issue la somme des valeurs prises par et par ; pour un réel , la variable associe la valeur de multipliée par .
Exemple : deux dés
On lance deux dés équilibrés à six faces. On note le résultat du premier dé, celui du second et . Si le premier dé donne 2 et le second 5, alors , et .
La variable prend les valeurs entières de 2 à 12. Pour sa loi, il faut compter les issues parmi les 36 couples : , car . Tu vas trouver son espérance et sa variance sans écrire cette loi.
Linéarité de l'espérance
La propriété
Pour toutes variables aléatoires et définies sur le même univers et tout réel :
Le point essentiel : aucune condition n'est exigée. La propriété est vraie pour des variables aléatoires quelconques, qu'elles soient indépendantes ou non. Elle est admise.
En combinant les deux relations, on obtient par exemple et .
Exemple 1 : la somme de deux dés
Pour un dé équilibré :
Le second dé suit la même loi, donc . Par linéarité :
Exemple 2 : un tirage sans remise
Une urne contient trois boules numérotées 1, 2 et 3. On tire deux boules successivement, sans remise. On note le numéro de la première boule et celui de la seconde.
Les six tirages , , , , , sont équiprobables : la seconde boule porte chaque numéro avec la probabilité , comme la première. Ainsi :
Les deux tirages ne sont pas indépendants, puisque la seconde boule dépend de la première. Pourtant la linéarité s'applique : .
Vérification : vaut 3, 4 ou 5, chaque valeur avec la probabilité , et .
Variance d'une somme et variables indépendantes
Variables aléatoires indépendantes
Les variables indépendantes apparaissent ici dans une succession d'épreuves indépendantes : lancers successifs, tirages avec remise. Si ne dépend que d'une épreuve et d'une autre, elles sont indépendantes. L'indépendance fait partie du modèle : l'énoncé la donne, tu n'as pas à la démontrer.
Les deux relations
Si et sont indépendantes, alors :
C'est l'additivité de la variance, admise. Pour toute variable aléatoire et tout réel :
Cette seconde relation ne demande aucune condition. Comme l'écart type est , on en déduit .
Attention
ce sont les variances qui s'ajoutent, pas les écarts types. Pour l'écart type d'une somme, tu calcules d'abord la variance, puis tu prends la racine carrée.
Exemple 1 : variance de la somme de deux dés
Pour un dé, . On calcule la variance avec la définition, moyenne des carrés des écarts à l'espérance :
Les deux lancers sont indépendants, donc :
Exemple 2 : ne pas confondre et
On compare deux jeux. Dans le premier, on lance un dé et on gagne le double du résultat : le gain est . Dans le second, on lance deux dés et on gagne leur somme : le gain est .
Les espérances sont égales : et . Mais les variances diffèrent :
Le premier jeu est plus dispersé : doubler un résultat amplifie les valeurs extrêmes, alors qu'avec deux dés un petit résultat peut être compensé par un grand.
Exemple 3 : sans indépendance, l'additivité peut être fausse
Reprends l'urne du tirage sans remise. On a . Or prend les valeurs 3, 4, 5 avec la probabilité chacune, donc , ce qui n'est pas .
Application à la loi binomiale
Décomposer en variables de Bernoulli
On répète fois, de façon indépendante, une épreuve de Bernoulli de probabilité de succès . La variable qui compte le nombre de succès suit la loi binomiale .
Pour chaque entier de 1 à , on note la variable qui vaut 1 si la -ième épreuve est un succès et 0 sinon. Chaque suit la loi de Bernoulli de paramètre , et compter les succès revient à additionner ces variables :
Démonstration des formules
Pour une variable de Bernoulli :
Par linéarité de l'espérance :
Les épreuves sont indépendantes, donc les variables le sont, et les variances s'ajoutent :
Enfin .
Exemple
Une variable suit la loi . Alors :
Échantillon d'une loi de probabilité
Définition
Un échantillon de taille d'une loi de probabilité est une liste de variables aléatoires indépendantes qui suivent toutes cette loi. C'est le modèle d'une même expérience répétée fois dans les mêmes conditions.
On note l'espérance, la variance et l'écart type communs à toutes les variables . On définit :
- la somme ;
- la moyenne .
Les formules
Pour la somme, la linéarité et l'additivité donnent :
Pour la moyenne, on écrit et on applique et avec :
À retenir
la moyenne a la même espérance qu'une seule variable, mais son écart type diminue quand augmente. Plus l'échantillon est grand, plus la moyenne se concentre autour de .
Exemple : 100 lancers d'un dé
On lance 100 fois un dé équilibré. Les résultats forment un échantillon de taille 100 avec et , donc .
Pour la somme des 100 résultats :
Pour la moyenne des 100 résultats :
Un seul lancer s'écarte typiquement de de ; la moyenne de 100 lancers, de seulement.
Les pièges
- Additionner les écarts types. n'est pas . Pour deux dés, alors que . On additionne les variances, puis on prend la racine.
- Oublier le carré dans . , pas . Le carré vient du fait que la variance est une moyenne de carrés d'écarts.
- Confondre et . avec et indépendantes de même loi a pour variance ; a pour variance .
- Soustraire les variances. Pour et indépendantes, . Une variance ne se soustrait jamais.
- Utiliser l'additivité de la variance sans indépendance. La linéarité de l'espérance est toujours vraie ; l'additivité de la variance exige l'indépendance. Avant d'ajouter des variances, cite toujours cette hypothèse.
- Se tromper sur la moyenne. et : on divise la variance par , mais l'écart type par seulement.
- Confondre variance et écart type de la loi binomiale. est la variance ; l'écart type est sa racine carrée.
Ce qu'il faut retenir
- et : sans aucune condition, indépendance ou pas.
- seulement si et sont indépendantes ; toujours.
- : on ajoute des variances, jamais des écarts types.
- Loi binomiale , par décomposition en variables de Bernoulli : , , .
- Pour une variable de Bernoulli de paramètre : et .
- Échantillon de taille d'espérance , de variance : , , .
- Moyenne : , , — la moyenne se concentre quand grandit.
À l'épreuve
Les sujets de 2024 et de 2025 comptent quatre exercices sur 20 points ; la forme de 2027 n'est pas confirmée ici. Justifie chaque réponse : un résultat sans justification ne montre pas ta démarche.
Ce chapitre peut apparaître dans un exercice de probabilités, après une loi binomiale ou un arbre. Des consignes de ce genre peuvent se présenter : « déterminer la loi de », « calculer et », « montrer que où suit une loi de Bernoulli », « en déduire l'espérance et la variance », « on considère un échantillon de taille : exprimer et en fonction de », « interpréter ce résultat ».
Nomme la propriété utilisée et, pour la variance, cite l'indépendance avant d'ajouter : une variance ajoutée sans cette mention n'est pas justifiée, même si le résultat est juste. Écris la décomposition explicitement, prends l'écart type comme racine de la variance, et donne une interprétation en français quand elle est demandée.