Calculateur d'espérance

L'espérance, aussi appelée espérance mathématique ou moyenne d'une distribution de probabilité, est l'un des concepts les plus importants en théorie des probabilités et en statistiques. Elle représente la moyenne à long terme du résultat d'une expérience aléatoire si celle-ci était répétée de nombreuses fois dans des conditions identiques. Pour une variable aléatoire discrète X avec des issues x₁, x₂, …, xₙ et des probabilités correspondantes p₁, p₂, …, pₙ, l'espérance est définie par E[X] = Σ xᵢ pᵢ. L'espérance n'est pas nécessairement une valeur que la variable aléatoire peut réellement prendre : c'est une moyenne pondérée de toutes les issues possibles. Par exemple, lancer un dé équilibré à six faces donne une espérance de 3.5, même si 3.5 n'est pas une face du dé. Cette interprétation comme moyenne à long terme est formalisée par la loi des grands nombres, qui affirme que la moyenne empirique converge vers l'espérance à mesure que le nombre d'essais augmente. Ce calculateur calcule aussi la variance Var(X) = E[(X − E[X])²] = E[X²] − (E[X])², qui mesure l'étalement de la distribution autour de sa moyenne. L'écart-type σ = √Var(X) est la racine carrée de la variance et s'exprime dans les mêmes unités que X, ce qui le rend plus facile à interpréter en pratique. L'espérance a d'innombrables applications en science, en économie, en finance et en ingénierie. En théorie de la décision, elle constitue la base de la maximisation de l'utilité espérée : l'idée qu'un agent rationnel choisit l'action au gain espéré le plus élevé. En assurance, les actuaires utilisent l'espérance pour tarifer les contrats : la prime doit couvrir l'indemnisation attendue ainsi que les coûts d'exploitation et la marge bénéficiaire. Dans la conception de jeux, l'espérance permet de déterminer si un jeu est équitable. En théorie de portefeuille, le rendement attendu d'un portefeuille d'investissement est la moyenne pondérée des rendements attendus de ses actifs. Lorsque vous utilisez le calculateur, assurez-vous que toutes les probabilités sont non négatives et que leur somme est exactement 1 (à une petite tolérance près). Si les probabilités ne totalisent pas 1, la distribution n'est pas correctement définie et le calcul de l'espérance n'a pas de sens. Les erreurs courantes consistent à saisir des pourcentages au lieu de probabilités décimales (par exemple 25 au lieu de 0.25) ou à oublier certaines issues possibles.