Statistiques et probabilités · Guide Eqora
Espérance mathématique : moyenne, pas prévision
Pondérez chaque valeur par sa probabilité, puis expliquez ce que la moyenne obtenue permet réellement de comprendre.
Un modèle décrit les besoins d’un atelier de mosaïque : aucune pièce de remplacement avec une probabilité de 0,5, deux pièces avec 0,3 et cinq avec 0,2. L’espérance vaut 1,6 pièce. Pourtant, aucun atelier ne nécessite exactement 1,6 pièce dans ce modèle. Ce n’est pas une erreur : l’espérance mathématique décrit une moyenne pondérée par les probabilités, et non le résultat certain du prochain atelier.
La difficulté se situe souvent avant et après le calcul. Quelle grandeur mesure la variable aléatoire ? Que signifie ensuite la valeur obtenue ? Nous allons construire une loi finie complète, calculer chaque contribution, distinguer moyenne et résultat le plus probable, puis vérifier un autre exemple. Toutes les étapes se font sur papier, sans application ni outil de résolution automatique.
Eqora publie cette explication comme aide à l’apprentissage, sans garantir l’exactitude des résultats ni une note. Vérifiez vous-même l’énoncé, les définitions, les unités et les hypothèses. Les données de l’atelier sont des valeurs exactes inventées pour l’exercice, pas des observations ni un conseil de gestion. Les photos servent d’analogies : le nombre de fragments visibles ne représente pas les probabilités indiquées.
Définir la grandeur avant de calculer l’espérance mathématique
X désigne le nombre de pièces de remplacement nécessaires pour un atelier. La majuscule représente la variable aléatoire tant que le résultat reste inconnu. Une valeur comme x = 2 correspond à une réalisation possible. X ne compte ni toutes les pièces utilisées, ni tous les fragments cassés, ni les participants. Chacune de ces autres grandeurs pourrait suivre une autre loi de probabilité.
Les valeurs possibles sont ici 0, 2 et 5. Elles correspondent à des cas incompatibles : un même atelier ne peut pas avoir simultanément besoin de zéro et de cinq pièces. Elles couvrent également toutes les possibilités du modèle. Si quatre pièces étaient possibles mais absentes de la liste, la loi serait incomplète. Une multiplication parfaitement exécutée pourrait alors résumer la mauvaise situation.
Commencez donc par une phrase qui précise l’expérience et l’unité. L’expérience est un atelier dans les conditions fixées ; l’unité est le nombre de pièces de remplacement par atelier. Une probabilité, en revanche, n’a pas d’unité de pièce : elle fournit le poids d’une valeur possible. Cette séparation permet de repérer les événements qui se chevauchent et les catégories mal définies avant toute opération.
Vérifier une loi de probabilité complète
Chaque probabilité est comprise entre zéro et un. Pour toutes les valeurs possibles réunies, la somme doit être égale à un : 0,5 + 0,3 + 0,2 = 1. Ces nombres correspondent à cinquante, trente et vingt pour cent, et non à des nombres de pièces. Convertissez les pourcentages en nombres décimaux avant de multiplier. Utiliser cinquante au lieu de 0,5 rendrait la contribution cent fois trop grande.
La formule de l’espérance est E(X) = x₁p₁ + x₂p₂ + ⋯ + xₖpₖ. Chaque valeur est multipliée par sa propre probabilité. La ressource pédagogique d’IUTenligne définit ainsi l’espérance d’une variable discrète comme une somme pondérée. Dans notre loi finie, toutes les sommes existent. On ne divise pas ensuite par le nombre de lignes : les probabilités totalisent déjà un, et non le nombre de catégories.
Avec des fréquences observées, distinguez une moyenne d’échantillon d’un modèle censé décrire de futurs essais. Des effectifs peuvent fournir des poids après division par leur total, mais dix ateliers observés ne prouvent pas les probabilités exactes des prochains ateliers. Notre guide pour comprendre les mathématiques plutôt que mémoriser les réponses aide à relier chaque étape à sa signification. Une loi donnée et une loi estimée peuvent utiliser la même formule sans reposer sur les mêmes hypothèses.
Calculer les contributions avant de les additionner
Les contributions sont 0 × 0,5 = 0, 2 × 0,3 = 0,6 et 5 × 0,2 = 1. Leur somme donne E(X) = 1,6 pièce de remplacement par atelier. Le cas zéro reste dans la loi même si son produit vaut zéro. Il représente la moitié de la probabilité totale et explique pourquoi les deux autres valeurs ne doivent pas recevoir automatiquement des poids égaux.
Le raccourci (0 + 2 + 5)/3 = 7/3 ne convient pas à cette loi. Il suppose implicitement que les trois valeurs ont chacune une probabilité d’un tiers. Or zéro reçoit un poids plus important que chacune des autres valeurs. Le raccourci répond donc à une autre question. Écrivez une ligne par valeur, avec sa probabilité et son produit, puis vérifiez les associations avant d’additionner les contributions.
Pour contrôler le calcul autrement, imaginons dix cas comprenant exactement cinq zéros, trois deux et deux cinq. Le besoin total est 5 × 0 + 3 × 2 + 2 × 5 = 16 pièces, soit une moyenne de 16/10 = 1,6. Ce groupe fictif illustre les poids. Il ne signifie pas que tous les groupes réels de dix ateliers auront obligatoirement ces effectifs précis.
Une moyenne décimale n’ajoute pas un résultat possible
La valeur 1,6 résume la loi sans lui ajouter une nouvelle issue. Un atelier isolé demande 0, 2 ou 5 pièces selon notre modèle. En revanche, la moyenne de plusieurs nombres entiers peut être décimale. De même, une taille moyenne de ménage peut se situer entre deux entiers sans qu’un ménage contienne une fraction de personne. Le sens dépend du niveau auquel porte la phrase : un essai ou une moyenne.
Le résultat le plus probable est zéro, car 0,5 est la plus grande probabilité de la loi. Cette valeur est le mode, pas l’espérance. Le maximum est cinq, encore une autre information. Dire « le prochain atelier aura besoin de 1,6 pièce » confond moyenne et réalisation. Dire « le besoin le plus probable est zéro » répond à une question différente de celle du besoin moyen à long terme.
Arrondir 1,6 à deux ne change pas les probabilités. Le nombre arrondi ne devient ni certain ni le plus probable. Une question pratique sur une quantité entière exige ses propres critères : moyenne, mode, maximum ou niveau de couverture ne sont pas interchangeables. Notre exemple sert uniquement à apprendre à distinguer ces notions ; il ne permet pas de décider d’un stock réel à partir d’une seule moyenne.
À long terme ne signifie pas exactement au dixième essai
L’interprétation à long terme suppose des répétitions dans des conditions adéquates. Si les ateliers sont indépendants et suivent tous la même loi finie, la moyenne observée se rapproche de l’espérance à mesure que le nombre d’essais augmente, au sens de la loi des grands nombres. Cela ne garantit ni un total précis au prochain atelier, ni une moyenne exactement égale à 1,6 après un nombre fixé d’ateliers.
Plusieurs zéros successifs n’obligent pas l’atelier suivant à demander cinq pièces pour rattraper un écart. Sous l’hypothèse d’indépendance, les probabilités du prochain atelier restent celles de la loi. La moyenne à long terme ne crée pas une dette que les essais suivants devraient rembourser. Une série courte peut s’écarter de la moyenne sans contredire le modèle ou prouver une erreur dans le calcul.
Si les matériaux, les participants ou les conditions changent, la même loi n’est peut-être plus adaptée. Il faut alors revoir le modèle plutôt que continuer à citer son ancienne moyenne. Dans un exercice, utilisez les hypothèses de l’énoncé et signalez celles qui sont nécessaires à votre interprétation. Dans des données réelles, une probabilité estimée demeure une estimation ; la formule ne transforme pas cette incertitude en certitude.
Transformer la variable sans confondre les opérations
Supposons qu’une autre grandeur soit définie par Y = 3X + 1. Ses valeurs deviennent 1, 7 et 16, avec les probabilités inchangées 0,5, 0,3 et 0,2. Le calcul direct donne E(Y) = 1 × 0,5 + 7 × 0,3 + 16 × 0,2 = 0,5 + 2,1 + 3,2 = 5,8. Les unités de Y doivent être définies séparément : elles ne sont pas automatiquement celles de X.
La linéarité de l’espérance fournit la même réponse : E(3X + 1) = 3E(X) + 1 = 3 × 1,6 + 1 = 5,8. Une constante n’est ajoutée qu’une fois après la moyenne, car les poids totalisent un. Pour des sommes de variables dont les espérances existent, les espérances s’additionnent également. L’indépendance n’est pas nécessaire à cette propriété, même si elle intervient dans d’autres résultats probabilistes.
Ne généralisez pas cette règle à toute fonction ou à tout produit. Ici, E(X²) = 0² × 0,5 + 2² × 0,3 + 5² × 0,2 = 6,2. En revanche, [E(X)]² = 1,6² = 2,56. Faire la moyenne des carrés n’est pas la même opération que calculer le carré de la moyenne. En cas de doute, transformez chaque valeur possible avant de recalculer ses contributions.
Une même espérance peut cacher des dispersions différentes
Le modèle A donne toujours deux pièces. Le modèle B donne soit zéro, soit quatre, avec une probabilité d’un demi pour chaque valeur. Leurs espérances valent toutes deux deux. A ne varie jamais ; B ne prend jamais la valeur deux. Une moyenne ne décrit donc ni toute la dispersion ni la probabilité de dépasser un seuil. Comparer seulement les espérances peut masquer des différences essentielles entre les issues.
Dans notre modèle d’atelier, la variance vaut E(X²) − [E(X)]² = 6,2 − 2,56 = 3,64, en unités de pièce au carré. L’écart-type est √3,64, soit environ 1,91 pièce. La variance utilise le carré de l’unité ; l’écart-type retrouve l’unité initiale. Ces mesures complètent la moyenne, mais ne prédisent toujours pas le prochain résultat exact et ne remplacent pas la loi de probabilité.
Calculez la variance seulement si la question le demande. Retenez d’abord que l’espérance ne répond pas à toute question de probabilité. Pour un besoin supérieur à une pièce, additionnez les probabilités des valeurs deux et cinq : 0,3 + 0,2 = 0,5. Diviser la moyenne par le seuil, ou lire 1,6 comme une probabilité, ne répondrait pas correctement à cette question concernant un événement.
Reconstruire seul un nouveau modèle
La variable Z compte des pièces de remplacement avec les valeurs possibles 1, 3 et 6 et les probabilités 0,4, 0,4 et 0,2. Avant de calculer, définissez l’unité, vérifiez la somme des probabilités et associez chaque valeur à son poids. L’espérance est 1 × 0,4 + 3 × 0,4 + 6 × 0,2 = 0,4 + 1,2 + 1,2 = 2,8 pièces par essai.
La réponse se situe entre le minimum un et le maximum six. Cette propriété vaut pour toute moyenne finie pondérée par des probabilités, mais elle ne suffit pas à prouver le calcul. Les deux modes sont un et trois, tandis que 2,8 n’est pas une valeur individuelle possible. Quatre uns, quatre trois et deux six forment un groupe fictif de dix cas : vingt-huit pièces donnent bien une moyenne de 2,8.
Expliquez enfin avec vos mots que ces probabilités correspondent à un besoin moyen à long terme de 2,8 pièces par essai, sans prédire le prochain essai. Notre méthode de vérification sans corrigé aide à confronter la réponse aux conditions de départ. Gardez ensemble la loi, les produits, l’unité et l’interprétation. Si l’un de ces éléments change, recommencez le raisonnement au lieu de reprendre une valeur d’un exemple précédent.
