Comment la volatilité modifie la dispersion des résultats

La volatilité décrit l’ampleur de la dispersion possible des résultats autour d’une moyenne modélisée. Elle ne dit pas si cette moyenne est favorable et ne permet pas de prévoir le résultat suivant. Pour comparer des descriptions de volatilité, cherchez quels résultats et quel modèle sont concernés, au lieu de vous fier uniquement à une étiquette comme « élevée » ou « faible ».

Même moyenne, motif différent

Voici un exemple entièrement fictif, en euros, pour rendre le calcul concret au Luxembourg. Supposons cinq tours et considérons chaque valeur comme un retour, non comme une mise ni comme une prévision pour un jeu réel. La séquence A est : 10 €, 10 €, 10 €, 10 € et 10 €. Son total est de 50 € ; 50 € divisés par cinq donnent une moyenne de 10 € par tour. La séquence B est : 0 €, 0 €, 0 €, 0 € et 50 €. Elle totalise aussi 50 €, donc sa moyenne est également de 10 € par tour.

Malgré cette moyenne identique, les séquences sont différentes lorsqu’on les examine tour par tour. Chaque valeur de A est égale à la moyenne. B comporte quatre valeurs inférieures et une valeur nettement supérieure. Dans un calcul simple de variance de population, la variance de A est nulle, car aucune valeur ne s’écarte de 10 €. Pour B, les écarts à la moyenne sont −10 € quatre fois et +40 € une fois. Les écarts au carré donnent 4 × 100 + 1 600 = 2 000 euros carrés ; divisés par cinq, ils donnent une variance de 400 euros carrés. La racine carrée est 20 €, l’écart-type. Ces calculs ne décrivent que ces cinq valeurs inventées. Ils ne décrivent aucun jeu et ne prédisent pas ce qu’une personne recevrait.

Ce qu’une description de volatilité indique — ou non

La moyenne résume un ensemble : son total divisé par le nombre de valeurs. La variation décrit la distance entre les valeurs. Deux ensembles peuvent donc avoir la même moyenne sans présenter la même dispersion, la même fréquence de petits résultats ou la même présence de résultats occasionnellement élevés. La moyenne seule masque ces détails.

La volatilité n’est pas un autre nom pour le RTP ou l’avantage de la maison. La distinction essentielle est la suivante : la volatilité concerne la dispersion des résultats autour d’une moyenne modélisée ; le RTP et l’avantage de la maison désignent d’autres notions. Une étiquette de volatilité ne permet pas, à elle seule, de connaître la moyenne et ne transforme pas une moyenne modélisée en résultat promis. « Élevée » ne signifie pas qu’un résultat important est imminent ; « faible » ne garantit pas que chaque résultat sera proche de la moyenne.

Une suite pratique de vérifications

1. Repérez l’affirmation. Concerne-t-elle un jeu précis, un échantillon ou un modèle général ? C’est important : une description portant sur un ensemble ne doit pas être automatiquement appliquée à un autre.

2. Demandez quelle mesure est utilisée. La description précise-t-elle sa mesure ou sa méthode ? Sans cette information, comparer « élevée » et « faible » a peu de sens.

3. Regardez au-delà de la moyenne. Si une distribution ou un exemple est disponible, observez s’il présente de nombreuses valeurs modestes, quelques valeurs plus élevées ou un autre motif. Cela révèle ce que la moyenne laisse de côté.

4. Vérifiez le périmètre et l’échantillon. Combien de résultats l’illustration couvre-t-elle, et s’agit-il d’un modèle ou d’un ensemble observé ? Une petite séquence fictive ou observée ne permet pas d’établir la forme d’une séquence future.

5. Limitez la conclusion. Servez-vous de la description pour comprendre une variation possible, pas pour prévoir son calendrier ou le prochain résultat attendu. Elle ne justifie pas d’augmenter une mise.

Une confusion fréquente

On confond parfois moyenne identique et expérience identique, ou l’on suppose qu’un résultat élevé doit arriver après plusieurs petits résultats. La première idée néglige la dispersion ; la seconde traite une séquence comme si elle devait se rééquilibrer selon un calendrier. Rien de cela ne découle de l’exemple. La séquence B contient une valeur élevée parce qu’elle a été construite ainsi ; cela ne rend pas une valeur similaire « due » dans une séquence réelle. Cette distinction importe, car une prédiction erronée peut conduire à décider sur la base d’un motif que les informations ne justifient pas.

Rendre la prochaine comparaison utile

Avant de vous appuyer sur une description de volatilité, notez ce qu’elle indique réellement : le modèle ou l’ensemble concerné, la mesure précisée, le cas échéant, et les limites de l’affirmation. Si ces détails manquent, considérez l’étiquette comme incomplète au lieu de combler les lacunes par des suppositions. La prochaine étape utile consiste à comparer des distributions uniquement lorsque leur périmètre et leur base sont clairs ; sinon, retenez simplement que des moyennes égales peuvent cacher des dispersions très différentes.