Passer au contenu principal
Tangente
Abonnez-Vous

espérance mathématique

Dans un jeu qui rapporte 0 €, 4 € ou 8 € avec des probabilités différentes, l'espérance résume ce que rapporteraient beaucoup de parties : chaque gain est pondéré par sa probabilité, puis les contributions sont additionnées. Elle ne prédit pas le prochain gain ; le calcul détaillé et les définitions discrète et continue viennent ensuite.
Contributions des gains à l'espérance mathématique Les gains de zéro, quatre et huit euros, pondérés par leurs probabilités, contribuent pour zéro, un et deux euros à une espérance de trois euros. Valeur × probabilité = contribution 0 € 4 € 8 € probabilité 1/2 probabilité 1/4 probabilité 1/4 0 € 1 € 2 € E(X) = 3 €
Chaque gain est pondéré par sa probabilité : les contributions de 0 €, 1 € et 2 € s'additionnent en une espérance de 3 €.
Sommaire

Ce que vous allez apprendre

  • Interpréter l'espérance comme une moyenne pondérée et non comme un résultat garanti.
  • Calculer l'espérance d'une variable aléatoire discrète sur un exemple vérifiable.
  • Reconnaître la condition d'existence dans le cas continu et utiliser la linéarité.
  • Distinguer espérance, moyenne observée, probabilité et variance.

En clair

Un jeu donne 0 €, 4 € ou 8 €, mais ces trois gains ne sont pas également probables. Pour résumer ce que rapporteraient beaucoup de parties, on multiplie chaque gain par sa probabilité, puis on additionne les résultats.
Cette moyenne pondérée est l'espérance mathématique. Elle ne prédit pas le gain de la prochaine partie : ici, l'espérance vaut 3 €, alors qu'aucune partie ne rapporte exactement 3 €. Elle indique plutôt le gain moyen vers lequel se dirige la moyenne observée quand le jeu est répété un grand nombre de fois.

Définition

L'espérance mathématique est le premier moment d'une variable aléatoire réelle. Elle associe à cette variable une valeur moyenne théorique, notée E(X), qui pondère chaque résultat possible par sa probabilité. Pour une variable aléatoire discrète X prenant les valeurs x1, x2, …, xn avec les probabilités p1, p2, …, pn, la somme des probabilités vaut 1 et l'espérance est :
E(X)=∑i=1npixi
Pour une variable aléatoire continue X de densité f, l'espérance est l'intégrale de x multiplié par f(x) sur les valeurs possibles : E(X)=∫−∞+∞xf(x) dx. Cette définition exige que l'intégrale converge absolument. L'espérance est linéaire : pour deux réels a et b et deux variables aléatoires X et Y dont les espérances existent, E(aX+bY)=aE(X)+bE(Y). Cette propriété ne suppose pas que X et Y soient indépendantes. Dans la loi des grands nombres, la moyenne observée sur de nombreuses répétitions se rapproche de l'espérance sous les hypothèses du théorème. L'espérance intervient aussi dans le théorème central limite et, plus largement, en statistique mathématique.

Un exemple, pas à pas

Un jeu attribue un gain aléatoire X. Les données sont les suivantes : 0 € avec une probabilité de 1/2, 4 € avec une probabilité de 1/4 et 8 € avec une probabilité de 1/4. La somme des probabilités est bien 1/2 + 1/4 + 1/4 = 1.
1. Multiplier chaque gain par sa probabilité : 0 × 1/2 = 0 €, 4 × 1/4 = 1 € et 8 × 1/4 = 2 €.
2. Additionner les trois contributions : E(X)=0×12+4×14+8×14=3. L'espérance du gain est donc de 3 € par partie.
Le diagramme associé rend visible la contribution de chaque issue : une grande probabilité ne suffit pas si la valeur correspondante est nulle.
3. Contrôler le résultat sur quatre parties représentatives : deux gains de 0 €, un gain de 4 € et un gain de 8 € donnent 12 € au total, soit 12 ÷ 4 = 3 € par partie. Ce contrôle illustre la moyenne attendue ; il ne garantit pas cette répartition sur chaque série de quatre parties.

En pratique

Pour comparer plusieurs jeux répétés, on calcule l'espérance du gain net de chacun dans la même unité. Si le risque ou la possibilité d'une forte perte compte aussi, l'espérance seule ne suffit pas : on examine également la dispersion des gains.
Dans une simulation, on répète l'expérience et on suit la moyenne des valeurs obtenues. Une moyenne qui se stabilise près de l'espérance fournit un contrôle empirique ; pour un calcul exact sur quelques issues connues, la somme pondérée reste préférable.
En statistique, l'espérance décrit la valeur moyenne du modèle probabiliste. La moyenne d'un échantillon, elle, se calcule avec les observations effectivement recueillies et sert à approcher cette valeur théorique lorsque le modèle et les hypothèses le permettent.

À ne pas confondre

Espérance et moyenne arithmétique. L'espérance est calculée à partir d'une loi de probabilité ; la moyenne arithmétique utilise des observations réalisées. Pour les gains 0 €, 4 € et 8 € assortis de leurs probabilités, on calcule une espérance. Après vingt parties réellement jouées, on calcule une moyenne observée.
Espérance et probabilité. Une probabilité est comprise entre 0 et 1 et mesure la chance d'un événement. Une espérance a l'unité de la variable et peut sortir de la liste des valeurs possibles : le jeu a une espérance de 3 €, mais la probabilité de gagner exactement 3 € est nulle.
Espérance et variance. L'espérance situe le niveau moyen ; la variance mesure la dispersion autour de ce niveau. Deux jeux peuvent donc avoir la même espérance tout en présentant des gains très différemment dispersés.

Limites et pièges

Une valeur attendue n'est pas nécessairement une valeur possible. Dans le jeu étudié, E(X) = 3 €, alors que les seuls gains sont 0 €, 4 € et 8 €. Il faut interpréter 3 € comme une moyenne à long terme, pas comme une prédiction individuelle.
L'espérance peut ne pas exister. Pour une variable continue, l'intégrale de |x|f(x) doit être finie. Si elle diverge, additionner formellement des contributions positives et négatives peut produire une valeur trompeuse ; il faut alors conclure que l'espérance n'est pas définie au sens usuel.
La linéarité ne s'étend pas à toute transformation. L'identité E(aX + bY) = aE(X) + bE(Y) est valide lorsque les espérances concernées existent. En revanche, une fonction non linéaire g ne vérifie généralement pas E(g(X)) = g(E(X)) ; il faut calculer l'espérance à partir des valeurs de g(X).
Une espérance identique ne décrit pas un risque identique. Le niveau moyen ne dit pas à lui seul comment les valeurs se répartissent. Si les écarts possibles influencent la décision, il faut compléter l'espérance par une mesure de dispersion, telle que la variance.

Pour aller plus loin

variable aléatoire — Pour préciser comment des résultats numériques et leurs probabilités forment l'objet auquel on applique l'espérance.
variance d'une variable aléatoire — Pour compléter la valeur moyenne par une mesure des écarts autour de cette valeur.
La première loi des grands nombres — Pour approfondir le rapprochement entre moyenne observée et espérance lors de répétitions nombreuses.
Calcul des probabilités : — Pour replacer les pondérations utilisées dans le calcul de l'espérance dans le cadre général des probabilités.
Continuez avec Tangente

Explorez les mathématiques autrement

Retrouvez nos magazines, podcasts et jeux pour explorer les mathématiques autrement.

Découvrir les offres

Articles qui en parlent

Le Pari de Pascal : quand la probabilité rencontre la foi
Maths et philosophie

Le Pari de Pascal : quand la probabilité rencontre la foi

Explication du célèbre raisonnement de Blaise Pascal sur le pari de la foi, appliquant la théorie des probabilités à la question de l'existence de Dieu.

BENOIT RITTAUD8 juin 2026
La première loi des grands nombres
Savoirs

La première loi des grands nombres

La répétition, un grand nombre de fois, d’une expérience aléatoire à deux issues possibles conduit à des probabilités difficilement prévisibles directement, encore moins calculables explicitement. Le théorème de Moivre-Laplace réussit pourtant à en donner une excellente approximation.

DANIEL JUSTENS21 nov. 2023
Calcul des probabilités :
Maths pour tous

Calcul des probabilités :

On associe rarement Poincaré au calcul des probabilités. Et pourtant ! Ses écrits et son enseignement nous renseignent sur ses travaux et réflexions en la matière. S'il n'a pas révolutionné la théorie des probabilités, il a eu le mérite de poser les bonnes questions.

MARC THIERRY24 août 2021
Quand l'espérance mathématique se fait paradoxale
Jeux et Défis

Quand l'espérance mathématique se fait paradoxale

Indispensable pour prendre des décisions rationnelles, l'espérance de gain est d'utilisation délicate. De nombreux paradoxes découlent d'une mauvaise interprétation de ce qu'elle représente. Les casinos et les indélicats qui vous incitent à parier vos deniers l'ont bien compris...

PHILIPPE BOULANGER16 mai 2018
Gabriel Cramer, itinéraire d'un mathématicien genevois du XVIIIe siècle
Histoire et Culture

Gabriel Cramer, itinéraire d'un mathématicien genevois du XVIIIe siècle

Découvrez le parcours de Gabriel Cramer, de sa formation à Genève à son Grand Tour européen auprès des plus grands mathématiciens de son époque.

Thierry Joffredo13 févr. 2026