Espérance et interprétation de risque

Espérance et risque

Environ 45 minutes

  • Calculer une espérance discrète.
  • Distinguer moyenne et probabilité.
  • Comparer des risques avec un seuil explicite.
Sommaire
  1. 1. Une moyenne pondérée par les probabilités
  2. 2. Espérance d’un nombre de succès
  3. 3. Deux espérances égales ne décrivent pas le même risque
  4. 4. Calculer, interpréter et discuter
  5. S’entraîner

Un coût moyen faible suffit-il pour choisir un dispositif ?

Une valeur moyenne résume une loi de probabilité, mais elle n’en raconte pas toutes les conséquences. Nous allons calculer une espérance, l’interpréter dans des situations de contrôle et de maintenance, puis la comparer à la probabilité de dépasser un seuil. Le but est de produire une conclusion précise, avec les unités et les limites du modèle.

1. Une moyenne pondérée par les probabilités

Une variable aléatoire discrète finie X prend un nombre fini de valeurs x₁, x₂, …, xᵣ. Sa loi associe à chacune une probabilité p₁, p₂, …, pᵣ, toutes positives ou nulles et de somme 1. Les valeurs peuvent être des nombres de défauts, des durées ou des coûts. Elles ne sont pas forcément équiprobables. La moyenne simple des valeurs serait donc généralement inadaptée.

L’espérance de X est E(X) = x₁p₁ + x₂p₂ + … + xᵣpᵣ. Chaque valeur intervient proportionnellement à sa probabilité. Cette formule a la même structure qu’une moyenne de notes affectées de coefficients, mais les coefficients sont ici normalisés : leur somme vaut déjà 1. On ne divise donc pas une seconde fois par le nombre de valeurs.

Lorsque l’expérience est répétée un grand nombre de fois dans les mêmes conditions, avec des répétitions indépendantes, la moyenne observée tend à se rapprocher de l’espérance. Ce rapprochement décrit une tendance globale et comporte des fluctuations. Il ne signifie pas que chaque nouvelle expérience compense les précédentes, ni que l’écart diminue à chaque répétition. Une série de résultats faibles ne force pas le résultat suivant à être élevé.

Un coût élevé peut contribuer fortement à la moyenne malgré une petite probabilité ; les hauteurs décrivent les probabilités, pas les coûts.

Exemple résolu

Pour un dispositif, le coût X d’une intervention vaut 0 € avec la probabilité 0,85, 40 € avec la probabilité 0,10 et 200 € avec la probabilité 0,05. Calcule et interprète E(X).

  1. Étape 1 : On vérifie la loi : 0,85 + 0,10 + 0,05 = 1. Les trois coûts forment bien tous les cas du modèle.
  2. Étape 2 : On pondère chaque coût : E(X) = 0 × 0,85 + 40 × 0,10 + 200 × 0,05.
  3. Étape 3 : Les contributions sont 0 €, 4 € et 10 €, donc E(X) = 14 €.

Résultat : Le coût moyen théorique est 14 € par intervention. Aucune intervention particulière ne coûte 14 € dans ce modèle : les seules valeurs possibles sont 0, 40 et 200 €. Sur de nombreuses interventions comparables, 14 € sert de repère de moyenne.

Piège à éviter : Calculer (0 + 40 + 200)/3 = 80 € supposerait à tort que les trois coûts ont la même probabilité.

À toi d'essayer

Une opération nécessite 5 minutes avec la probabilité 0,6, 20 minutes avec la probabilité 0,3 et 50 minutes avec la probabilité 0,1. Calcule sa durée moyenne théorique et explique pourquoi elle ne prédit pas la durée de la prochaine opération.

Voir la réponse

E(X) = 5 × 0,6 + 20 × 0,3 + 50 × 0,1 = 3 + 6 + 5 = 14 minutes. La prochaine opération dure 5, 20 ou 50 minutes dans le modèle. L’espérance de 14 minutes décrit une moyenne sur de nombreuses opérations, pas une durée certaine pour la suivante.

2. Espérance d’un nombre de succès

Si X suit une loi binomiale B(n, p), son espérance vaut np. Le nombre n d’épreuves est fixé, la probabilité p du succès reste constante et les épreuves sont indépendantes. Le résultat peut être décimal, même lorsque X est un nombre entier. Par exemple, 0,6 défaut par série est une moyenne théorique parfaitement possible ; cela ne décrit pas une fraction de défaut dans une série concrète.

Exemple résolu

Vingt composants sont testés indépendamment. Chacun présente un défaut avec une probabilité de 0,03. X compte les composants défectueux. Calcule E(X), puis la probabilité qu’au moins un composant soit défectueux.

  1. Étape 1 : Les conditions données conduisent à X suivant B(20, 0,03). L’espérance vaut 20 × 0,03 = 0,6.
  2. Étape 2 : Pour la probabilité demandée, on utilise l’événement contraire : P(X ≥ 1) = 1 − P(X = 0) = 1 − 0,97²⁰.
  3. Étape 3 : Le calcul donne environ 0,4562. Cette probabilité se traduit par environ 45,62 % des séries dans le modèle.

Résultat : On attend une moyenne théorique de 0,6 composant défectueux par série, tandis que la probabilité d’une série contenant au moins un défaut est environ 45,62 %. Ce sont deux indicateurs différents.

Piège à éviter : Transformer l’espérance 0,6 en une probabilité de 60 % confond nombre moyen de défauts et fréquence des séries touchées.

À probabilité constante, doubler le nombre d’épreuves double le nombre moyen de succès.

L’unité aide à repérer cette confusion. Une espérance d’un nombre de composants s’exprime en composants ; une probabilité n’a pas d’unité. Si l’on change la taille de la série, np change proportionnellement à n, tandis que 1 − (1 − p)ⁿ augmente sans dépasser 1. Ces comportements sont différents. Pour un très grand n, le nombre moyen peut dépasser largement 1, ce qui est impossible pour une probabilité.

À toi d'essayer

Trente pièces indépendantes ont chacune une probabilité de défaut 0,08. Un élève affirme : « Il y aura exactement 2,4 pièces défectueuses. » Corrige cette phrase et indique les valeurs que peut prendre le nombre de défauts.

Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.

3. Deux espérances égales ne décrivent pas le même risque

Comparer seulement les espérances peut masquer une différence essentielle. Le risque doit être défini par une question concrète : dépasser un coût, dépasser une durée, manquer de pièces disponibles, ou rencontrer un défaut. Une fois le seuil choisi, on additionne les probabilités des valeurs qui le franchissent. Le seuil et le sens de l’inégalité font partie de la définition ; ils ne se déduisent pas automatiquement de la moyenne.

Exemple résolu

Deux dispositifs ont des coûts aléatoires par utilisation. Pour A, le coût vaut toujours 10 €. Pour B, il vaut 0 € avec la probabilité 0,9 et 100 € avec la probabilité 0,1. Compare leurs espérances puis leurs probabilités de coûter au moins 50 €.

  1. Étape 1 : Le coût de A est constant, donc son espérance vaut 10 €.
  2. Étape 2 : Pour B, l’espérance vaut 0 × 0,9 + 100 × 0,1 = 10 €. Les deux moyennes théoriques sont égales.
  3. Étape 3 : A ne peut pas coûter au moins 50 €, donc la probabilité est 0. B dépasse ce seuil dans son cas à 100 €, avec la probabilité 0,1.

Résultat : Les espérances sont identiques, mais la probabilité de dépasser ou d’atteindre 50 € vaut 0 pour A et 10 % pour B. Un critère fondé uniquement sur le coût moyen ne les distingue pas.

Piège à éviter : Déclarer les deux dispositifs équivalents en toute situation parce que leurs espérances sont égales oublie les conséquences des événements peu fréquents.

Le mot risque ne signifie donc pas seulement « grande moyenne ». Un événement très rare mais grave peut être déterminant pour une décision technique. À l’inverse, un résultat fréquent mais peu coûteux peut contribuer à la moyenne sans être critique. On peut présenter côte à côte le coût moyen, la probabilité de franchir un seuil pertinent et la valeur maximale possible. Ces trois informations éclairent des aspects différents du même modèle.

Les chiffres dépendent aussi des hypothèses. Si les probabilités proviennent d’une petite série d’essais, leur précision est limitée. Si un même défaut d’alimentation touche plusieurs dispositifs à la fois, l’indépendance des essais n’est plus réaliste. Calculer correctement une espérance à partir d’hypothèses fragiles ne rend pas ces hypothèses certaines. Une conclusion utile nomme donc les conditions où le résultat est valable.

À toi d'essayer

Sans prévention, un incident coûte 500 € avec une probabilité de 0,04 et ne coûte rien sinon. Une prévention coûte 8 € à chaque utilisation ; elle laisse une probabilité résiduelle q d’incident, toujours facturé 500 € en plus. Quelle valeur maximale de q permet un coût moyen avec prévention inférieur ou égal au coût moyen sans prévention ?

Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.

4. Calculer, interpréter et discuter

Au bac : interpréter une espérance

  1. Définis la variable, ses valeurs et leurs unités. Vérifie les probabilités avant toute moyenne : elles sont positives ou nulles et leur somme vaut 1.
  2. Écris les produits valeur × probabilité, puis leur somme. Pour une loi binomiale justifiée, utilise directement np.
  3. Interprète avec « moyenne théorique sur de nombreuses répétitions comparables ». Évite les formulations de certitude sur un essai.
  4. Si la question compare des risques, précise le seuil retenu et calcule sa probabilité ; sépare ce résultat de l’espérance.
Attention :

Erreurs fréquentes : oublier un coût fixe ; diviser la somme pondérée par le nombre de cas ; arrondir une espérance de comptage à un entier sans raison ; confondre espérance, maximum et valeur la plus probable. Une moyenne peut ne correspondre à aucune valeur effectivement prise.

Un contrôle simple consiste à encadrer l’espérance par la plus petite et la plus grande valeur possible. Avec des coûts allant de 0 à 200 €, une espérance de 240 € révèle une erreur. Pour vérifier un coût fixe, calcule directement les coûts totaux dans chaque scénario avant de pondérer. Cette méthode évite de compter deux fois la prévention ou de l’oublier dans les scénarios sans incident.

Lorsque toutes les valeurs d’une variable sont multipliées par un même nombre a, leur espérance est multipliée par a. Lorsqu’on ajoute un coût fixe b à chaque issue, l’espérance augmente de b puisque les probabilités totalisent 1. Ainsi E(aX + b) = aE(X) + b se comprend directement en développant la somme pondérée. Pour un coût total, vérifie toujours que le terme fixe est réellement payé dans chaque cas.

Vocabulaire

Espérance :
Moyenne des valeurs pondérée par leurs probabilités.
Seuil de risque :
Limite choisie pour définir un événement défavorable précis.
Coût fixe :
Montant ajouté dans chaque scénario, qu’un incident ait lieu ou non.
Fluctuation :
Variation des résultats observés d’une série d’essais à une autre.

Bilan

SituationRelation ou précaution
Loi finieAdditionner les produits valeur × probabilité.
Loi binomialeE(X) = np.
Coût fixe bIl ajoute b à l’espérance.
Risque de seuilAdditionner les probabilités des valeurs qui atteignent ou dépassent le seuil.

S’entraîner

Poursuis sur le hub d’exercices d’AlloSTI, accessible à l’adresse https://www.allosti.fr/exercices. Choisis une activité correspondant à cette notion et explique tes réponses avant de consulter une correction.

À retenir

  • Pour une loi finie, E(X) est la somme des valeurs multipliées par leurs probabilités.
  • L’espérance de B(n, p) vaut np et peut être non entière.
  • Une espérance est comprise entre les valeurs extrêmes de la variable.
  • Deux variables de même espérance peuvent présenter des risques de seuil différents.

Fiche de révision

Écris d’abord les scénarios

chaque valeur totale doit inclure tous les coûts applicables à ce scénario.

Multiplie ensuite chaque valeur par sa probabilité ; un résultat de 14 € peut résumer des coûts possibles de 0 €, 40 € et 200 €.

Une moyenne théorique devient un repère pour des répétitions nombreuses, jamais une garantie sur un cas individuel.

Pour comparer deux dispositifs, présente séparément la moyenne et la probabilité d’un événement défavorable clairement défini.

Et maintenant ?

Tu as lu le cours. L’étape suivante tient en une action.

S’entraîner sur ce chapitreUn exercice dans l’espace Exercices

Prolonge l’expérience !

Continue à explorer ce chapitre à travers de nouvelles activités, des défis et des expériences interactives. Avec Premium, l’apprentissage continue !

Ici, tu débloques aussi 2 corrections détaillées.

Parent ? Suivez les progrès de votre enfant.

S’entraîner sur cette notion

Tous les cours de Terminale STI2D — Mathématiques technologiques
Scientia