1 re
Variables aléatoires - espérance - variance Ce quiz comporte 6 questions facile
1 re - Variables aléatoires - espérance - variance1
Soit X X X une variable aléatoire qui ne prend que des valeurs négatives ou nulles.
L'espérance mathématique de X X X est négative ou nulle.
1 re - Variables aléatoires - espérance - variance1
1 re - Variables aléatoires - espérance - variance1
1 re - Variables aléatoires - espérance - variance1
C'est vrai.
En effet, la formule :
E ( X ) = p 1 x 1 + p 2 x 2 + ⋯ + p n x n E(X)= p_1x_1+ p_2x_2 + \cdots +p_nx_n E ( X ) = p 1 x 1 + p 2 x 2 + ⋯ + p n x n
montre que E ( X ) E(X) E ( X ) est négative ou nulle lorsque tous les x i x_i x i sont négatifs ou nuls.
1 re - Variables aléatoires - espérance - variance2
On lance un dé bien équilibré.
Si le « 6 » sort on gagne x x x euros ;
dans les autres cas on perd 1 euro.
Le jeu est équitable (c'est à dire d'espérance nulle) si et seulement si x = 6 x= 6 x = 6
1 re - Variables aléatoires - espérance - variance2
1 re - Variables aléatoires - espérance - variance2
1 re - Variables aléatoires - espérance - variance2
C'est faux.
E ( X ) = − 1 6 + − 1 6 + − 1 6 + − 1 6 + − 1 6 + 1 6 × x E(X) = \frac{ - 1 }{ 6 } + \frac{ - 1 }{ 6 } + \frac{ - 1 }{ 6 } + \frac{ - 1 }{ 6 } + \frac{ - 1 }{ 6 } + \frac{ 1 }{ 6 } \times x E ( X ) = 6 − 1 + 6 − 1 + 6 − 1 + 6 − 1 + 6 − 1 + 6 1 × x
E ( X ) = − 5 + x 6 E(X) = \frac{ - 5+x }{ 6 } E ( X ) = 6 − 5 + x
Donc, l'espérance mathématique est nulle pour x = 5 . x=5. x = 5 .
1 re - Variables aléatoires - espérance - variance3
Soit X X X une variable aléatoire d'espérance μ \mu μ .
Alors, on a nécessairement p ( X < μ ) = p ( X > μ ) . p(X < \mu ) = p(X > \mu ). p ( X < μ ) = p ( X > μ ) .
1 re - Variables aléatoires - espérance - variance3
1 re - Variables aléatoires - espérance - variance3
1 re - Variables aléatoires - espérance - variance3
C'est faux.
Considérons, par exemple, la variable aléatoire dont la loi est donnée par le tableau ci-dessous :
x i x_i x i -1 9
p ( X = x i ) p(X=x_i) p ( X = x i ) 0,9 0,1
Alors :
μ = − 1 × 0 , 9 + 9 × 0 , 1 = 0 \mu = - 1 \times 0,9 +9 \times 0,1= 0 μ = − 1 × 0 , 9 + 9 × 0 , 1 = 0
p ( X < 0 ) = 0 , 9 p(X < 0 ) = 0,9 p ( X < 0 ) = 0 , 9 tandis que p ( X > 0 ) = 0 , 1 . p(X > 0 )= 0,1. p ( X > 0 ) = 0 , 1 .
donc p ( X < μ ) ≠ p ( X > μ ) . p(X < \mu ) \neq p(X > \mu ). p ( X < μ ) ≠ p ( X > μ ) .
1 re - Variables aléatoires - espérance - variance4
Soient p p p un réel appartenant à l'intervalle ] 0 ; 0 , 5 [ \left] 0~;~0,5 \right[ ] 0 ; 0 , 5 [ et X X X une variable aléatoire prenant ses valeurs dans l'ensemble { − 1 ; 0 ; 1 } \left\{ - 1~; 0~; 1 \right\} { − 1 ; 0 ; 1 } telle que :
p ( X = − 1 ) = p ( X = 1 ) = p . p(X= - 1)=p(X=1)=p. p ( X = − 1 ) = p ( X = 1 ) = p .
La variance de X X X est V ( X ) = p 2 2 . V(X) = \frac{ p^2 }{ 2 }. V ( X ) = 2 p 2 .
1 re - Variables aléatoires - espérance - variance4
1 re - Variables aléatoires - espérance - variance4
1 re - Variables aléatoires - espérance - variance4
C'est faux.
L'espérance mathématique de X X X est :
E ( X ) = − 1 × p + 1 × p = 0 . E(X) = - 1 \times p + 1 \times p = 0. E ( X ) = − 1 × p + 1 × p = 0 .
Sa variance est :
V ( X ) = E ( ( X − E ( X ) ) 2 ) V(X) = E \left( \left( X - E(X) \right) ^2 \right) V ( X ) = E ( ( X − E ( X ) ) 2 ) = E ( X 2 ) =E \left( X^2 \right) = E ( X 2 ) = ( − 1 ) 2 × p + 1 2 × p = 2 p . = ( - 1)^2 \times p+1^2 \times p = 2p. = ( − 1 ) 2 × p + 1 2 × p = 2 p .
1 re - Variables aléatoires - espérance - variance5
Soit X X X une variable aléatoire dont la loi est donné par le tableau (incomplet) ci-dessous :
x i x_i x i 1 2 3 4
p ( X = x i ) p(X=x_i) p ( X = x i ) 0,1 0,3 ? 0,1
p ( X = 3 ) = 0 , 3 . p(X=3) = 0,3. p ( X = 3 ) = 0 , 3 .
1 re - Variables aléatoires - espérance - variance5
1 re - Variables aléatoires - espérance - variance5
1 re - Variables aléatoires - espérance - variance5
C'est faux.
La somme de toutes les probabilités doit être égale à 1.
Par conséquent :
p ( X = 3 ) = 0 , 5 . p(X=3) = 0,5. p ( X = 3 ) = 0 , 5 .
1 re - Variables aléatoires - espérance - variance6
Soit X X X une variable aléatoire d'espérance μ \mu μ et d'écart-type σ \sigma σ .
La variable aléatoire − X - X − X a pour espérance − μ - \mu − μ et pour écart-type − σ . - \sigma. − σ .
1 re - Variables aléatoires - espérance - variance6
1 re - Variables aléatoires - espérance - variance6
1 re - Variables aléatoires - espérance - variance6
C'est faux.
L'espérance est bien − μ - \mu − μ .
Par contre, un écart-type est toujours positif ou nul et ne peut donc être égal à − σ . - \sigma. − σ .
Lorsqu'on multiplie une variable aléatoire par un nombre réel λ \lambda λ , son écart-type est multiplié par ∣ λ ∣ \left| \lambda \right| ∣ λ ∣ .
Donc l'écart-type de − X - X − X est ∣ − 1 ∣ σ = σ . | - 1| \sigma = \sigma. ∣ − 1 ∣ σ = σ .