UNIVERSITE CADI AYYAD Facult´e PolyDisciplinaire de Safi
TD de probabilit´es Convergence des v.a
D´epartement Maths–Info.
Fili`ere SMA(S6) (A.U : 19-20)
Exercice 1. SoitN une variable al´eatoire `a valeurs dansNet (Xn)n≥1 une suite de variables al´eatoires r´eelles ind´ependantes int´egrables de mˆeme loi. On suppose que la suite (Xn)n≥1
est ind´ependante de la variableN. On pose
Z =
0 si N = 0,
N
P
i=1
Xi si N ≥1.
1. Montrer que Z est une variable al´eatoire.
2. Calculer E(Z) en fonction deE(N) et E(X1).
3. On suppose que les variables Xi sont de mˆeme loi de Bernoulli de param`etre p∈]0,1[
(P{Xi = 1}=p) et N suit la loi de Poisson de param`etreλ >0.
D´eterminer la loi deZ. Solution 1. 1. Soitt∈R
n Z ≤t
o
= n
Z ≤to \ Ω =
n
Z ≤to \+∞[
n=0
n N =n
o
=
+∞
[
n=0
n
Z ≤to \ n N =n
o
=
+∞
[
n=1
nXn
i=1
Xi ≤to
| {z }
∈A
\ nN =no
| {z }
∈A
[ n 0≤to
| {z }
=(∅ou Ω)∈A
\ nN = 0o
| {z }
∈A
!
∈ A
Par suite, pour tout t∈R, n
Z ≤to
∈ A(comme intersection et r´eunion d´enombrable des parties mesurables). Donc Z est une v.a.
2. Rappelons que
1 = 1Ω= 1n
S+∞
n=1{N=n}
o=
+∞
X
n=1
1{N=n}.
UNIVERSITE CADI AYYAD Facult´e PolyDisciplinaire de Safi
TD de probabilit´es Convergence des v.a
D´epartement Maths–Info.
Fili`ere SMA(S6) (A.U : 19-20)
E(Z) =E(Z1Ω)
=
+∞
X
n=0
E
Z1{N=n}
=
+∞
X
n=1
E Xn
i=1
Xi1{N=n}
=
+∞
X
n=1 n
X
i=1
E(Xi)E(1N=n) (par ind´ependance)
=
+∞
X
n=1 n
X
i=1
E(Xi)P(N =n)
=
+∞
X
n=1 n
X
i=1
E(X1)P(N =n) (les v.a ont mˆeme lois)
=E(X1)
+∞
X
n=1
nP(N =n)
=E(X1)
+∞
X
n=0
nP(N =n)
=E(X1)E(N).
3. Soitk∈N. Si k= 0, alors P(Z = 0) =P(N = 0) =e−λ. Si k∈N∗ P(Z =k) =P((Z =k)∩Ω)
=
+∞
X
n=1
P
(
n
X
i=1
Xi=k)∩ {N =n}
=
+∞
X
n=1
P
(
n
X
i=1
Xi=k) P
N =n
=
+∞
X
n=1
P
Y =k
P
N =n
(Y =
n
X
i=1
Xi ∼ B(n, p))
=
+∞
X
n=k
Cnkpk(1−p)n−kλne−λ n!
= e−λ(λp)k k!
+∞
X
n=k
(λ(1−p))n−k
(n−k)! (k∈ {0,1,· · · , n}}
= e−λ(λp)k k! eλ(1−p)
= e−λp(λp)k k!
Par suiteP((Z =k)) = e−λp(λp)k
k! ,∀k∈N. DoncZsuit une loi de Poisson de param`etre λp.
Remarque : On peut calculer la loi deZ en utilisant la fonction caract´eristique. Dans ce cas
ϕZ(t) =eλp(eit−1)
UNIVERSITE CADI AYYAD Facult´e PolyDisciplinaire de Safi
TD de probabilit´es Convergence des v.a
D´epartement Maths–Info.
Fili`ere SMA(S6) (A.U : 19-20)
ϕZ(t) = E(eitZ1Ω)
= P(N = 0) +
+∞
X
n=1
E
eitPnk=1Xk1{N=n}
= P(N = 0) +
+∞
X
n=1
E
eitX1
n
P{N =n}
= P(N = 0) +
+∞
X
n=1
p+eit(1−p) n
λne−λ n!
= e−λ+e−λ
+∞
X
n=1
λ(1−p+eitp) n
n!
= e−λ
+∞
X
n=0
λ(1−p+eitp) n
n!
= e−λeλ(1−p+eitp)
= eλp(eit−1)
Donc Z suit une loi de Poisson de param`etre λp.
Exercice 2. Soit (Xn)n∈N∗ une suite de variables al´eatoires r´eelles ind´ependantes de mˆeme loi µet N une variable al´eatoire `a valeurs dans N∗ ind´ependante de la suite (Xn)n∈N∗. Soit f :R→R+ une fonction mesurable. Montrer que
E XN
k=1
f(Xk)
=E(N) Z
R
f(x)dµ(x).
Solution 2. 1.
E(
N
X
k=1
f(Xk)) =E(
N
X
k=1
f(Xk)1Ω)
=
+∞
X
n=1
E XN
k=1
f(Xk)1{N=n}
=
+∞
X
n=1 n
X
k=1
E(f(Xk))P(N =n) (par ind´ependance puisquef est mesurable)
=
+∞
X
n=1 n
X
k=1
E(f(X1))P(N =n) (les v.a ont mˆeme lois)
=E(f(X1))
+∞
X
n=1
nP(N =n)
=E(f(X1))
+∞
X
n=0
nP(N =n)
=E(f(X1))E(N)
=E(N) Z
R
f(x)dµ(x) (par le th´eor`eme de transfert).
UNIVERSITE CADI AYYAD Facult´e PolyDisciplinaire de Safi
TD de probabilit´es Convergence des v.a
D´epartement Maths–Info.
Fili`ere SMA(S6) (A.U : 19-20)
Exercice 3. Soient (Xn)n≥1, une suite de variables al´eatoires ind´ependantes identiquement distribu´ees suivant la loi de Bernoulli de param`etre 12. On poseSn=
n
X
k=1
Xk. Soitr >0.
1. Donner la limite presque sˆure, en probabilit´e et en loi de la suite (Snn)n∈N∗. 2. Soit f : [0,1]→Rune fonction continue. D´eduire que
n→+∞lim
n
X
k=0
Cnk1 2
n
fk n
=f(1 2).
3. Montrer que pour tout r´eel λ >0, P
hSn n ≥ 1
2+ri
≤P h
eλSn≥enλ(12+r)i
≤
chλ 2
e−λr n
.
4. Montrer que pour tout r´eel λ >0, P
hSn
n ≤ 1 2−r
i
≤P h
e−λSn≥e−nλ(12−r) i
≤
ch λ
2
e−λr n
.
5. En d´eduire, en utilisant l’in´egalit´ech(x)≤ex
2 2 , que P
h
Sn n −1
2 ≥ri
≤2e−2nr2.
Solution 3. 1. On a, pour tout n ≥ 1, P(Xn = 1) = 12 = P(Xn = 0), alors E|X1| = 0× 12 + 1× 12 = 12 < +∞, les v.a. (Xn)n∈N∗ sont ind´ependantes de mˆeme loi, alors d’apr`es la loi forte des grands nombres
Sn
n
−→p.s.
n→+∞E(X1) =1 2,
et donc la convergence aura lieu en probabilit´e (on peut appliquer aussi la loi faible des grands nombres) et en loi (on peut aussi utiliser la fonction caract´eristique)
∀t∈R, ϕSn n
(t) = E(eitSnn )
=
n
X
n=0
eitkn P(Sn=k) =
n
X
k=0
eitkn Cnk(1 2)k(1
2)n−k
=
n
X
k=0
Cnk(eitn1 2)k(1
2)n−k
= (eitn1 2 +1
2)n
= ( 1 2n)
eitn + 1
n
= 1
2n
1 +it n +o(t
n) + 1 n
=
1 + it 2n+o(t
n) n
= enln(1+2nit+o(nt))
= en(2nit+o(nt)) −→eit2
n→+∞=E(eit12) =ϕ1 2(t).
UNIVERSITE CADI AYYAD Facult´e PolyDisciplinaire de Safi
TD de probabilit´es Convergence des v.a
D´epartement Maths–Info.
Fili`ere SMA(S6) (A.U : 19-20)
Donc Sn
n
−→loi n→+∞
1 2,
2. Puisque Snn converge en loi vers 12, alors, par d´efinition de la convergence en loi, pour toute fonction continue born´eeg,
n→+∞lim E h
gSn n
i
=E(g(1
2)) =g(1 2)
En particulier, pourg=f puisque la fonctionf est continue sur un compact [0,1], donc born´ee etSn suit une loi binomialeB(n,12) il viendra
n→+∞lim E(f(Sn
n ) = lim
n→+∞
n
X
k=0
fk n
P(Sn=k) = lim
n→+∞
n
X
k=0
Cnk1 2
n
fk n
=f(1 2).
Donc
n→+∞lim
n
X
k=0
Cnk1 2
n
fk n
=f(1 2).
3. On a, ∀λ >0 n
ω∈Ω : Sn(ω) n ≥ 1
2+r o
⊂n
ω∈Ω : eλSn(ω)≥enλ(12+r) o
, et donc
P hSn
n ≥ 1 2 +r
i
≤P h
eλSn ≥enλ(12+r) i
.
En utilisant l’in´egalit´e de Markov et l’ind´ependance des v.a., on obtient
P hSn
n ≥ 12 +ri
≤ E(eλSn) enλ(12+r)
=
E(eλX1)n
enλ(12+r)
= 1
2+12eλn
eλ(12+r) =
1 +eλn
2nenλ(12+r)
= enλ2
e−λ2 +eλ2 n
2nenλ(12+r) =
e−λ2 +eλ2 n
2nenλr
=
ch
λ 2
e−λr
n
4. De la mˆeme mani`ere, on trouve que pour tout r´eel λ >0, P
hSn n ≤ 1
2−ri
≤P h
e−λSn≥e−nλ(12−r)i
≤
chλ 2
e−λr n
.
5. En utilisant l’in´egalit´e ch(x)≤ex
2
2 , on a pour toutλ >0 P
h
Sn
n −12 ≥r
i
=P hSn
n ≥ 12 +r i
+P hSn
n ≤ 12 −r i
≤
ch
λ 2
e−λr
n
+
ch
λ 2
e−λr
n
= 2
ch
λ 2
e−λr
n
≤2
eλ
2 8 e−λr
n
.
UNIVERSITE CADI AYYAD Facult´e PolyDisciplinaire de Safi
TD de probabilit´es Convergence des v.a
D´epartement Maths–Info.
Fili`ere SMA(S6) (A.U : 19-20)
On pose la fonction ψ parψ(λ) =eλ
2
8 −λr. On a ψ0(λ) = (λ
4 −r)ψ(λ)
Donc ψ0(λ) = 0 implique que λ = 4r et la fonction atteint son minimum en λ = 4r.
D’o`u
P h
Sn
n −1 2 ≥r
i
≤2 min
λ>0
ψ(λ)
n
= 2
ψ(4r) n
= 2e−2nr2.
Exercice 4. Soit (Xn)n∈N∗ une suite de variables al´eatoires r´eelles ind´ependantes de mˆeme loi exponentielle de param`etre 1.
1. Montrer que la suite (Xnn)n∈N∗ converge en probabilit´e vers 0.
2. Montrer que la suite (Xn2n)n∈N∗ converge dansL1 vers 0.
3. Montrer que la suite (1 n
n
X
k=1
Xk)n∈N∗ converge presque sˆurement vers une limite que l’on d´eterminera.
4. Soit l’´ev´enementAn={ω:Xn(ω)<2 ln(n)}.
(a) On note par A l’ensemble tel que : ω∈A´equivalent `a ω appartient `a tous lesAk sauf peut-ˆetre un nombre fini”. ´Ecrire Aavec des symboles T
etS . (b) Montrer que P(A) = 1.
Solution 4. 1. Soitε >0, on a
P(|Xnn|> ε) =P(Xnn > ε) =P(Xn> nε)
=
+∞
Z
nε
e−xdx
=e−nε −→0
n→+∞. Donc la suite (Xnn)n∈N∗ converge en probabilit´e vers 0.
2. On a, par une int´egration par parties E
Xn
n2
=E
Xn
n2
= 1 n2E
Xn
= 1 n2
+∞
Z
−∞
xe−x1{x>0}dx= 1 n2
+∞
Z
0
xe−xdx= 1
n2 ×1 −→0
n→+∞.
Donc la suite (Xn2n)n∈N∗ converge dansL1 vers 0.
Remarque : En g´en´eral, pour une v.a. X qui suit une loi exponentielle de param`etre λ,E(X) = λ1.
UNIVERSITE CADI AYYAD Facult´e PolyDisciplinaire de Safi
TD de probabilit´es Convergence des v.a
D´epartement Maths–Info.
Fili`ere SMA(S6) (A.U : 19-20)
3. On aE|X1|= 1<+∞et (Xn)n∈N∗une suite de variables al´eatoires r´eelles ind´ependantes de mˆeme loi, alors d’apr`es la loi forte des grands nombres
1 n
n
X
k=1
Xk −→p.s.
n→+∞E(X1) = 1 4. (a) On a
A= [
n≥0
\
k≥n
Ak= limAn. (b) On a
+∞
X
n=0
P(Acn) =
+∞
X
n=0
P({Xn>2 ln(n)})
=
+∞
X
n=0 +∞
Z
2 ln(n)
e−x1{x>0}}dx
=
+∞
X
n=0 +∞
Z
2 ln(n)
e−xdx
=
+∞
X
n=0
e−2 ln(n)
=
+∞
X
n=0
1
n2 <+∞, alors d’apr`es le lemme de Borel-Cantelli
P(limAcn) = 0.
Par cons´equent
P(A) =P(limAn) = 1−P h
limAnci
= 1−P
limAcn
= 1.
Exercice 5. Soit (Xn)n≥1 une suite de variables al´eatoires ind´ependantes identiquement distribu´ees suivant la loi normale N(0,1).
1. Soit a∈R. Donner la loi deY =aX1 et calculer sa fonction caract´eristiqueϕY. 2. On note, pour tout n∈N∗,Sn=
n
X
k=1
Xk. (a) Quelle est la loi de Sn.
(b) Calculer l’esp´erance de Yn=eSn−n2.
(c) D´eterminer la limite presque sˆure, lorsque ntend vers +∞, de Sn
n . (d) En d´eduire la limite presque sˆure, lorsque ntend vers +∞, de Yn.
UNIVERSITE CADI AYYAD Facult´e PolyDisciplinaire de Safi
TD de probabilit´es Convergence des v.a
D´epartement Maths–Info.
Fili`ere SMA(S6) (A.U : 19-20)
Solution 5. 1. Soitf ∈Cb+(R), on a par le th´eor`eme de transfert
E(f(Y) =E(f(aX) =
+∞
Z
−∞
f(ax) 1
√ 2πe−x
2 2 dx=
+∞
Z
−∞
f(x) 1
√ 2πe−x
2 2a2 dx
a ,
et donc la loi de Y est donn´ee par dPY(x) = 1
√2πae−x
2
2a2dx. Ce qui donne que Y suit une loi normale,Y ∼ N(0, a2),(V ar(aX) =a2V ar(X) =a2).
2. (a) La loi Sn : soit t∈R
ϕSn(t) =E
eit(X1+···+Xn)
=
n
Y
k=1
E
eitXk
=
E h
eitX1 in
=e−nt
2 2 =e−(
√n)2t2
2 .
Donc Sn∼ N(0, n).
(b) On a, par ind´ependance
E(Yn) =E(eSn−n2) =e−n2E(eSn) =e−n2
n
Y
k=1
E
eX1
=e−n2
E(eX1)n
,
or
E(eX1) =
+∞
Z
−∞
ex 1
√2πe−x
2
2 dx=e12
+∞
Z
−∞
√1
2πe−12(x−1)2dx=e12
+∞
Z
−∞
√1
2πe−12x2dx=e12, alors
E(Yn) =e−n2en2 = 1.
(c) On a E|X1| = 0 < +∞ et (Xn)n∈N∗ une suite de variables al´eatoires r´eelles ind´ependantes de mˆeme loi, alors d’apr`es la loi forte des grands nombres
Sn n
−→p.s.
n→+∞E(X1) = 0.
(d) On a
ln(Yn) =Sn−n
2 =nSn n − 1
2 p.s.
n→+∞−→ −∞, et donc
Yn −→p.s.
n→+∞0.
Exercice 6. Soit (Xn)n∈N∗ une suite de variables al´eatoires r´eelles ind´ependantes de loi de Poisson de param`etre 1.
UNIVERSITE CADI AYYAD Facult´e PolyDisciplinaire de Safi
TD de probabilit´es Convergence des v.a
D´epartement Maths–Info.
Fili`ere SMA(S6) (A.U : 19-20)
1. On poseSn=
n
X
k=1
Xk. D´eterminer la loi deSn, puis donner la limite presque sˆure et en probabilit´e de la la suite (Snn)n∈N∗ .
2. On poseYn= Sn−n
√n . Montrer que (Yn)n∈N∗ converge en loi vers une variable al´eatoire Y dont on donnera la loi.
3. Soit f :R−→Rune fonction continue born´ee. Montrer que
n→+∞lim e−n
∞
X
k=0
f(k−n
√n )nk k! = 1
√2π
+∞
Z
−∞
f(x)e−x
2 2 dx.
Solution 6. 1. Soitt∈R, on a
ϕX1(t) = E(eitX1) = Z
R
eitxdPX1(x)
=
+∞
X
k=0
eitkP(X1=k) =e−1
+∞
X
k=0
eitk k!
= =e−1
+∞
X
k=0
eitk
k! =e−1eeit =e(eit−1). Soit t∈R, on a par ind´ependance
∀t∈R, ϕSn(t) = E(eitSn) =E
eitPni=1Xi
= E
eitX1· · ·eitXn
=
n
Y
i=1
E
eitXi
=
n
Y
i=1
E
eitX1
=
n
Y
i=1
ϕX1(t) = (ϕX1(t))n
= en(eit−1).
Donc Sn suit une loi de Poisson P(n) de param`etre n. On a E(X1) = 1 < +∞ et (Xn)n∈N∗ une suite de variables al´eatoires r´eelles ind´ependantes de mˆeme loi, alors d’apr`es la loi forte des grands nombres
Sn
n
−→p.s.
n→+∞E(X1) = 1, donc aussi
Sn
n
−→P
n→+∞E(X1) = 1.
UNIVERSITE CADI AYYAD Facult´e PolyDisciplinaire de Safi
TD de probabilit´es Convergence des v.a
D´epartement Maths–Info.
Fili`ere SMA(S6) (A.U : 19-20)
2. On aE(X12) = 2<+∞et (Xn)n∈N∗une suite de variables al´eatoires r´eelles ind´ependantes de mˆeme loi, alors d’apr`es le th´eor`eme central limite
Yn= Sn−n
√n
−→loi n→+∞Y, o`uY est une v.a. qui suit la loi normale N(0, V ar(X1) = 1)
3. Soit f :R−→Rune fonction continue born´ee, d’apr`es la question pr´ec´edente
n→+∞lim E(f(Sn−n
√n ) =E(f(Y)) = 1
√2π
+∞
Z
−∞
f(x)e−x
2 2 dx.
Comme Sn suit une loi de Poisson P(n) de param`etre n, alors par le th´eor`eme de transfert
E(f(Sn−n
√n ) =
∞
X
k=0
f(k−n
√n )P(Sn=k) =e−n
∞
X
k=0
f(k−n
√n )nk k!. D’o`u
n→+∞lim e−n
∞
X
k=0
f(k−n
√n )nk k! = 1
√2π
+∞
Z
−∞
f(x)e−x
2 2 dx.
Exercice 7. (Formule de Stirling)
1. SoitZune variable al´eatoire r´eelle de carr´e int´egrable sur un espace probabilis´e (Ω,F,P).
Montrer que pour tout a >0, on a : (a) E|Z−min(Z, a)| ≤E[Z1{Z≥a}].
(b) E|Z−min(Z, a)| ≤(E[Z]2)12(P[Z ≥a])12.
Soit (Xn)n∈N∗une suite de variables al´eatoires r´eelles sur un espace probabilis´e (Ω,F,P).
On suppose maintenant que (Xn)n∈N∗ sont ind´ependantes et de mˆeme loi de Poisson P(1). On pose Sn=
n
X
k=1
Xk etYn= Sn−n
√n . 2. Calculer la loi de Sn,E(Sn) et V ar(Sn).
3. Montrer que (Yn)n∈N∗ converge en loi vers une variable al´eatoire Y dont on donnera la loi.
Soit x∈R.On poseh(x) = max(−x,0).
4. (a) Montrer queh(Yn)n∈N∗converge en loi vers une variable al´eatoire qu’on d´eterminera.
(b) En d´eduire que
n→+∞lim E[min(h(Yn), a)−min(h(Y), a)] = 0.
5. (a) Calculer E(Yn)2. En d´eduire que pour tout a >0, on a P[h(Yn)≥a]≤ 1 a2.
UNIVERSITE CADI AYYAD Facult´e PolyDisciplinaire de Safi
TD de probabilit´es Convergence des v.a
D´epartement Maths–Info.
Fili`ere SMA(S6) (A.U : 19-20)
(b) En d´eduire que pour tout a >0, E|h(Yn)−min(h(Yn), a)| ≤ 1 a. 6. Soit a >0 fix´e. Montrer queP[h(Y)≥a]≤ 1
a2. En d´eduire que E|min(h(Y), a)−h(Y)| ≤ 1
a. 7. En d´eduire, de ce qui pr´ec`ede, que lim
n→+∞E(h(Yn)) =E(h(Y)).
8. Calculer E(h(Yn)) etE(h(Y)) pour tout n≥1.
9. En d´eduire la formule de Stirling :
n→+∞lim
e−nnn√ n
n! = 1
√2π, i.e.n! ∼
+∞
√
2πe−nnn√ n.