MATH-F-207 Corrigé séance 2

Séance 2 : convergence stochastique

Exercice 1 (***)
Soit une suite (Xn ) de variables aléatoires i.i.d. dont la loi commune est la loi Unif(0, θ), où θ est
un réel positif fixé.
1. Pour tout n, déterminer la fonction de répartition de X(n) = max(X1 , . . . , Xn ).
2. Prouver que (n(θ − X(n) )) converge en loi et déterminer sa limite.
P
3. En déduire que (X(n) ) → θ.
P
4. Prouver que (X(n) ) → θ en utilisant plutôt la définition de convergence en probabilité.

Solution : 1. Notons Fn la fonction de répartition de X(n) . Clairement, Fn (x) = P [X(n) ≤ x] = 0

pour x < 0 et Fn (x) = 1 pour x > θ, tandis que pour x ∈ [0, θ], on a
n n
Y Y x xn
Fn (x) = P [X(n) ≤ x] = P [X1 ≤ x, . . . , Xn ≤ x] = P [Xi ≤ x] = = ·
θ θn
i=1 i=1

Donc 

 0 x<0
Fn (x) = xn /θn si x ∈ [0, θ]

1 x > θ.


2. En notant Gn la fonction de répartition de n(θ − X(n) ), on a

x
Gn (x) = P [n(θ − X(n) ) ≤ x] = P [θ − n ≤ X(n) ] = 1 − P [θ − nx > X(n) ]


 0 x<0
x x x n
= 1 − P [θ − n ≥ X(n) ] = 1 − Fn (θ − n ) = 1 − (1 − nθ ) si x ∈ [0, nθ]

1 x > nθ.


En utilisant la règle de L’Hospital, on montre facilement que, pour tout réel x,

(
1 − exp(−x/θ) si x > 0
(Fn (x)) → F (x) :=
0 x ≤ 0.

L
On a donc que n(θ − X(n) ) → Z, où Z suit une loi exponentielle de moyenne θ.

3. Par le lemme de Slutzky, il en découle que

1 L
X(n) = θ − × n(θ − X(n) ) → θ − 0 × Z = θ,
n
P
ce qui implique que (X(n) ) → θ.

4. Soit ε > 0. On doit montrer que P [|X(n) − θ| > ε] → 0 quand n → ∞. Puisque ceci est
trivialement vrai pour ε ≥ θ (pourquoi ?), on peut supposer que ε ∈ ]0, θ[. On a alors

P [|X(n) − θ| > ε] = P [X(n) < θ − ε] + P [X(n) > θ + ε] = P [X(n) < θ − ε] + 0

= P [X(n) ≤ θ − ε] = Fn (θ − ε) = (θ − ε)n /θn = (1 − θε )n → 0

quand n → ∞.

Titulaire: Davy Paindaveine 1 Assistant: Adrian Fischer

MATH-F-207 Corrigé séance 2

Exercice 2 (***)
Soit une suite (Xn ) de variables aléatoires i.i.d. dont la loi commune est la loi Unif(0, θ), où θ est
un réel positif fixé.
1. Pour tout n, posons X̄n := n1 ni=1 Xi . En utilisant la loi forte des grands nombres, montrer
P
p.s.
que (2X̄n ) → θ.
√
2. Donner une suite de variables aléatoires (fondées sur X̄n ) qui converge vers θ.
√
3. Déterminer la limite en loi de n(2X̄n − θ).

Solution : 1. Puisqu’on vérifie facilement que E[X1 ] = θ/2, la loi forte des grands nombres livre
n
1X p.s.
2X̄n = (2Xi ) → E[2X1 ] = 2E[X1 ] = θ.
n
i=1

2. En utilisant la p
stabilité de √la convergence presque sûre par transformation continue, on obtient
p.s.
directement que ( 2X̄n ) → θ.

3. Puisqu’on peut vérifier que Var[X1 ] = θ2 /12, le TCL livre que

√ L 2
n(X̄n − 2θ ) → N (0, 12
θ
)
√ L θ2
(ce qui veut bien entendu dire que n(X̄n − 2θ ) → Z, où Z ∼ N (0, 12 )). Il en découle directement
que
√ √ L 2
n(2X̄n − θ) = 2 × n(X̄n − 2θ ) → N (0, θ3 ).

Exercice 3 (***)
Soient une suite (Xn ) de variables aléatoires définies sur un espace probabilisé (Ω, A, P) et un réel c.
Supposons que Var[Xn ] < ∞ pour tout n.
L
1. Prouver que si (E[Xn ]) → c et (Var[Xn ]) → 0, alors (Xn ) →2 c.
2. Utiliser ce résultat pour montrer que, dans le cadre de la partie 1 de l’exercice 2, on a aussi
L
que (2X̄n ) →2 θ.

Solution : 1. Puisque Var[Z] = E[Z 2 ] − (E[Z])2 , on obtient que

E[(Xn − c)2 ] = Var[Xn − c] + (E[(Xn − c)])2 = Var[Xn ] + (E[Xn ] − c)2 → 0,

L
ce qui montre que (Xn ) →2 c.

2. En utilisant le fait que E[Xi ] = θ/2 et Var[Xi ] = θ2 /12 pour tout i, on obtient
 n  n
1X 2X 2 θ
E[2X̄n ] = E 2 × Xi = E[Xi ] = × n × = θ
n n n 2
i=1 i=1

et
n n
θ2
 
1X 4 X 4 θ
Var[2X̄n ] = Var 2 × Xi = 2 Var[Xi ] = 2 × n × = → 0.
n n n 12 3n
i=1 i=1
L
La partie 1 de l’exercice livre donc que (2X̄n ) →2 θ.

Titulaire: Davy Paindaveine 2 Assistant: Adrian Fischer

MATH-F-207 Corrigé séance 2

Exercice 4 (**)
Soit une suite (Xn ) de variables aléatoires définies sur un espace probabilisé (Ω, A, P) et telle que,
pour tout n, la variable aléatoire Xn admet la densité définie par

1 − cos(nx) si x ∈ ]0, 1[

fn (x) =
0 sinon.

1. Montrer que (Xn ) converge en loi et déterminer sa limite.

2. Est-ce que la suite des fonctions de densité converge (ponctuellement) ?

Solution : 1. La fonction de répartition Fn associée à la densité fn vérifie Fn (x) = 0 pour

tout x ≤ 0, Fn (x) = 1 pour tout x ≥ 1, et

sin(ny) x
Z x Z x  
sin(nx)
Fn (x) = fn (y) dy = (1 − cos(ny)) dy = y − =x−
0 0 n 0 n

pour tout x ∈ ]0, 1[. Clairement, (Fn (x)) → F (x) pour tout x, où

 0
 x≤0
F (x) := x si x ∈ ]0, 1[

0 x ≥ 1.


Autrement dit, la distribution limite est la loi uniforme sur ]0, 1[.

2. Soit x ∈ ]0, 1[. Il est facile de montrer (exercice) qu’il existe une sous-suite (cos(nk x)) de la
suite (cos(nx)) dont tous les termes sont plus grands que 21 et une autre sous-suite dont tous les
termes sont plus petits que − 12 . Ceci implique que (cos(nx)) ne converge pas (pourquoi ?), donc
que (1 − cos(nx)) ne converge pas non plus. Il n’y a donc pas un seul x ∈ ]0, 1[ tel que (fn (x))
converge !

Exercice 5 (**)
Soit une suite (Xn ) de variables aléatoires définies sur un espace probabilisé (Ω, A, P) et telle que,
pour tout n, la variable aléatoire Xn admet la densité définie par

n2 x exp(−n2 x2 /2) si x > 0


fn (x) =
0 sinon.

1. Vérifier que fn est bien une densité.

2. Montrer que (Xn ) converge en loi et déterminer sa limite.
3. La convergence tient-elle également en probabilité ?

Solution : 1. Puisque fn (x) ≥ 0 pour tout x et que

Z ∞ Z ∞  ∞
2 2 2 2 2
fn (x) dx = n x exp(−n x /2) dx = − exp(−n x /2) = 1,
−∞ 0 0

il s’agit bien d’une densité.

2. La fonction de répartition Fn associée à fn vérifie Fn (x) = 0 pour tout x ≤ 0 et

Z x Z x  x
Fn (x) = fn (y) dy = 2 2 2
n y exp(−n y /2) dy = − exp(−n y /2) = 1 − exp(−n2 x2 /2)
2 2
−∞ 0 0

Titulaire: Davy Paindaveine 3 Assistant: Adrian Fischer

MATH-F-207 Corrigé séance 2

pour tout x > 0. Donc on a que (Fn (x)) → F (x) pour tout x, où

1 si x > 0
F (x) =
0 sinon.

Autrement dit, la limite en loi est une variable aléatoire dégénérée en 0.

3. Oui, car pour chanque ε > 0 on a

P(|Xn | > ε) = 1 − P(Xn ≤ ε) = 1 − Fn (ε) → 0.

pour n → ∞.

Exercice 6 (*)
Dans le cadre de l’exercice 1, on a vu que (n(θ − X(n) )) convergeait en loi. On s’intéresse ici
(n)
à X(1) = X(1) = min(X1 , . . . , Xn ). Existe-t-il des suites réelles (an ) et (bn ) telles que

(n)
(bn (X(1) − an ))

converge en loi vers une loi non triviale (pas une constante) ? Détermine la loi limite.
(n)
Solution : Déterminons d’abord la fonction de répartition Fn de X(1) . Clairement, Fn (x) = 0
pour tout x < 0 et Fn (x) = 1 pour tout x > θ. Pour x ∈ [0, θ], on a
(n) (n)
Fn (x) = P [X(1) ≤ x] = 1 − P [X(1) > x] = 1 − P [X1 > x, . . . , Xn > x]
n
Y n
Y n
Y
=1− P [Xi > x] = 1 − (1 − P [Xi ≤ x]) = 1 − (1 − xθ ) = 1 − (1 − xθ )n ,
i=1 i=1 i=1

ce qui livre donc 


 0 x<0
x n
Fn (x) = 1 − (1 − θ) si x ∈ [0, θ]

1 x > θ.


En procédant comme à la partie 2 de l’exercice 1, on obtient donc que

(
0 x≤0
Fn (x/n) →
1 − exp(−x/θ) x > 0
(n)
pour tout x, ce qui montre que n(X(1) − 0) tend en loi vers Z, où Z est la loi exponentielle
de moyenne θ (la fonction définie par Gn (x) = Fn (x/n) est en effet la fonction de répartition
(n)
de n(X(1) − 0)).

Exercice 7 (***)
Considérons une population dans laquelle chaque naissance donne lieu à un garçon avec probabi-
lité 1/2 et à une fille avec probabilité 1/2, et dans laquelle chaque couple a des enfants jusqu’à
donner naissance à un garçon.
1. Soit X le nombre d’enfants qu’a un couple donné dans cette population (il s’agit bien entendu
d’une variable aléatoire). Quelle est la loi de X ? Que vaut E[X] ?
2. Supposons qu’il y ait n couples susceptibles d’avoir des enfants dans la populations et no-
tons X1 , . . . , Xn les nombres d’enfants respectifs. Exprimer Yn , la proportion de garçons issus
de ces n couples, en fonction de X1 , . . . , Xn .

Titulaire: Davy Paindaveine 4 Assistant: Adrian Fischer

MATH-F-207 Corrigé séance 2

3. En supposant que les Xi sont mutuellement indépendantes, étudier la limite de (Yn ) presque
sûre quand n → ∞.

Solution : 1. Les valeurs possibles de X sont les naturels non nuls et les probabilités correspon-
dantes sont P [X = k] = ( 12 )k . On obtient donc
∞ ∞ ∞
X X k 1X k 1
E[X] = kP [X = k] = k
= k−1
= ×4=2
2 2 2 2
k=1 k=1 k=1

(pour rappel,
P∞ on peut calculer cette dernière série en dérivant terme à terme la relation bien
k
connue k=0 x = 1/(1 − x), pour |x| < 1).

2. Les n couples ont ensemble ni=1 Xi enfants, dont exactement n sont des garçons, ce qui livre
P

n
Yn = Pn ·
i=1 Xi

3. Par la loi forte des grands nombres, on a que

n
1 1X p.s.
= Xi → E[X1 ] = 2,
Yn n
i=1

ce qui, par transformation continue, livre

p.s. 1
Yn → ·
2
On conclut donc que le comportement atypique décrit ci-dessus ne modifie pas asymptotiquement
la proportion de chaque sexe dans la population( !)

Titulaire: Davy Paindaveine 5 Assistant: Adrian Fischer