CNM-Maths-1-Session 2016 Correction

Correction proposée par El Amdaoui

École Royale de l’[Link]

Problème 1

Partie I: Théorème de Weierstrass

1. (a) On fait appel à la formule du binôme de Newton, on obtient

n
X n
X n−k
Bn,k = Cnk X k (1 − X) =1
k=0 k=0

(b) Il est clair que pour tout x ∈ [0, 1], Bn,k (x) = Cnk xk (1 − x)n−k > 0. D’autre part,
Xn
d’après la question précédente, Bn,k (x) 6 Bn,k (x) = 1
k=0
k−1
2. • On utilise la formule kCnk = nCn−1 pour tout k ∈ [[1, n]], alors
n
X n
X n
X n−k
kBn,k = kBn,k = kCnk X k (1 − X)
k=0 k=1 k=1
Xn
k−1 k n−k
= nCn−1 X (1 − X)
k=1
n−1
X
k n−1−k
= nCn−1 X k+1 (1 − X)
k=0
n−1
= nX (X + (1 − X)) = nX
n
X
• Pour n = 1, on a bien k(k − 1)Bn,k = 0. Si n > 2, on utilise la formule k(−1)Cnk =
k=0
k−2
n(n − 1)Cn−2 pour tout k ∈ [[2, n]], alors
n
X n
X n
X n−k
k(k − 1)Bn,k = k(k − 1)Bn,k = k(k − 1)Cnk X k (1 − X)
k=0 k=2 k=2
Xn
k−2 k n−k
= n(n − 1)Cn−2 X (1 − X)
k=2
n−2
X
k n−2−k
= n(n − 1)Cn−2 X k+2 (1 − X)
k=0
n−2
= n(n − 1)X 2 (X + (1 − X)) = n(n − 1)X 2

Donc
n
X
k(k − 1)Bn,k = n(n − 1)X 2
k=0

Cette égalité est valable aussi pour n = 1

Xn
• Le polynôme k 2 Bn,k est la somme de deux précédents
k=0

n
X
k 2 Bn,k = n(n − 1)X 2 + nX
k=0

3. (a) Soit n ∈ N∗ et k ∈ [[0, n]]. On distingue trois cas

0
• Si k = 0, on a Bn,0 = (1 − X)n , donc Bn,0 = −n(1 − X)n−1 = −nBn−1,0

elamdaoui@[Link] 1 [Link]
CNM-Maths-1-Session 2016 Correction

0
• Si k = n, on a Bn,n = X n , donc Bn,n = nX n−1 = nBn−1,n−1
• Si k 6= 0 et k 6= n, on a
0
Bn,k = kCnk X k−1 (1 − X)n−k − (n − k)Cnk X k (1 − X)n−k−1
k−1 k−1
= nCn−1 X (1 − X)n−k − nCn−1
k
X k (1 − X)n−k−1
= n (Bn−1,k−1 − Bn−1,k )

(b) Soit n ∈ N∗ , on a :
n  
0
X k 0
(Pn (f )) = f Bn,k
n
k=0
n−1  
0 0
X k 0
= f (0) Bn,0 + f (1) Bn,n + f Bn,k
n
k=1
  n−1
k X
= −nf (0)Bn−1,0 + nf (1) Bn−1,n−1 + n (Bn−1,k−1 − Bn−1,k )
f
n
k=1
n−1
X k n−1
X k
= −nf (0)Bn−1,0 + nf (1) Bn−1,n−1 + n f Bn−1,k−1 − n f Bn−1,k
n n
k=1 k=1
n−2
X k + 1 n−1
X k
= −nf (0)Bn−1,0 + nf (1) Bn−1,n−1 + n f Bn−1,k − n f Bn−1,k
n n
k=0 k=1
n−2
X k + 1 n−1
X k
= nf (1) Bn−1,n−1 + n f Bn−1,k − n f Bn−1,k − nf (0)Bn−1,0
n n
k=0 k=1
n−1
X k + 1 n−1
X k
= n f Bn−1,k − n f Bn−1,k
n n
k=0 k=0
n−1
X  k + 1  
k
= n f −f Bn−1,k
n n
k=0

n−1
X    
0 k+1 k
Ainsi l’égalité souhaitée, pour tout x ∈ [0, 1], (Pn (f )) (x) = n f −f Bn−1,k (x)
n n
k=0
k k+1
(c) Si f est croissante sur [0, 1], alors pour tout k ∈ [[0, n − 1]], on a , ∈ [0, 1] et
n n
k k+1
, alors par croissance de f , on a f k+1 − f nk > 0. En outre, d’après la



< n
n n 0
question ??, pour tout x ∈ [0, 1], on a Bn−1,k (x) > 0 et, par suite, (Pn (f )) (x) > 0.
Ceci montre que Pn (f ) est croissante sur [0, 1]
4. On fixe ε > 0
(a) Soit x ∈ [0, 1], par un calcul direct
n  2 n 
k2

X k X
2 k
x− Bn,k (x) = x − 2x + 2 Bn,k (x)
n n n
k=0 k=0
n n n
X xX 1 X 2
= x2 Bn,k (x) − 2 kBn,k (x) + 2 k Bn,k (x)
n n
k=0 k=0 k=0
x 1
= x − 2 .nx + 2 n(n − 1)x2 + nx
2


n n
x(1 − x)
=
n
(b) Par absurde supposons que pour tout α > 0, il existe x, y ∈ [0, 1] tel que |x − y| 6 α
ε 1
et |f (x) − f (y)| > . Pour n ∈ N, il existe xn , yn ∈ [0, 1] tels que |xn − yn | 6 n et
2 2
ε
|f (xn ) − f (yn )| > .
2

elamdaoui@[Link] 2 [Link]
CNM-Maths-1-Session 2016 Correction

[0, 1] est compact donc [0, 1] × [0, 1] est compact d’où on peut extraire de (xn , yn ) une
suite convergente (xϕ(n) , yϕ(n) ) d’où les deux suites (xϕ(n) ) et (yϕ(n) ) convergent. Po-
sons x = lim xϕ(n) et y = lim yϕ(n) . On a xn −yn −−−−−→ 0 donc xϕ(n) −yϕ(n) −−−−−→ 0
n→+∞ n→+∞
d’où x = y. La fonction f est continue sur [0, 1] donc f (xϕ(n) ) − f (yϕ(n) ) → f (x) −
  ε
f (y) = 0. Absurde, car f (xϕ(n) ) − f (yϕ(n) ) > > 0.
2   
 k  ε
(c) i. Par construction de A, pour tout k ∈ A, on a : f (x) − f
 6 , donc
n  2
X    n
f (x) − f k  Bn,k (x) 6 ε εX ε
 X
Bn,k (x) 6 Bn,k (x) =
 n  2 2 2
k∈A k∈A k=0

   2
 k  1 k
ii. Remarquons que si k ∈ B, alors x −  > α, on a alors 1 6 2 x −
 . On
n α n
en déduit :
  
f (x) − f k  Bn,k (x) 6 2M
X  X
Bn,k (x)
 n 
k∈B k∈B
 2
2M X k
6 x− Bn,k (x)
α2 n
k∈B
n  2
2M X k
6 x − Bn,k (x)
α2 n
k=0
2M x(1 − x)
6
α2 n
M
6
2nα2
où la dernière inégalité vient du fait que le maximum de x 7→ x(1 − x) sur [0, 1]
1 1
est atteint en et vaut .
2 4
n
X
(d) Soit x ∈ [0, 1], remarquons d’abord que f (x) = f (x)Bn,k (x), [[0, n]] = A ∪ B et
k=0
A ∩ B = ∅, on obtient alors
 n   n

X k X 
|Pn (f )(x) − f (x)| =  f Bn,k (x) − f (x)Bn,k (x)
 
 n 
k=0 k=0
 n     
X k 
=  f − f (x) Bn,k (x)
 
 n 
k=0
 
X   k   X  k  
=  f − f (x) Bn,k (x) + f − f (x) Bn,k (x)
 
 n n 
k∈A k∈B
       
f k − f (x) Bn,k (x) + f k − f (x) Bn,k (x)
X  X 
6  n   n 
k∈A k∈B
ε M
6 +
2 2nα2
(e) Fixons ε > 0 et soit α le réel strictment positif donné par l’uniforme continuité. On
fixe ensuite n0 suffisamment grand tel que :
M ε
∀n > n0 , 2
6
2nα 2
On a alors, pour n > n0 :

∀x ∈ [0, 1], |f (x) − Pn (f )(x)| 6 ε.

Ceci prouve bien la convergence uniforme de la suite (Pn (f ))n>0 vers f .

elamdaoui@[Link] 3 [Link]
CNM-Maths-1-Session 2016 Correction

5. L’application f : x ∈ [0, 1]7−→ g  (a + (b − a)x) est continue, par composition, sur [0, 1].
x−a
Posons Qn (g)(x) = Pn (f ) , pour x ∈ [a, b], où (Pn (f )) la suite de polynômes de
b−a
Bernstein associée à f converge uniformément vers f sur [0, 1]. (Qn (g)) est encore une suite
de fonctions polynomiales, et pour tout x ∈ [a, b], on a :
    
 x−a x − a  [0,1]
|Qn (g)(x) − g(x)| = Pn (f ) −f 6 k Pn (f ) − f k∞
b−a b−a 

Donc (Qn (g)) converge uniformément vers g sur [a, b].

Partie II: Une démonstration probabiliste du théorème de Stone Weierstrass

Soit f : [0, 1] −→ R une fonction continue et n ∈ N∗

1. (a) Sn ,→ B(n, x), donc E (Sn ) = nx et V (Sn ) = nx(1 − x), en conséquence, l’espé-
1
rance et la variance de Xn sont respectivement E (Xn ) = E (Xn ) = x et V (Xn ) =
n
1 x(1 − x)
V (Sn ) =
n2 n
(b) Soit δ > 0, l’inégalité de Bienaymé Chebychev nous donne

V (Xn ) x(1 − x) 1
P (|Xn − x| > δ) 6 = 6
δ2 nδ 2 4nδ 2
   
k k
2. (a) On a Xn (Ω) = , k ∈ [[0, n]] et P Xn = = P (Sn = k).
n n
f (Xn ) est bient définier car f est continue sur [0, 1] et X à valeurs dans [0, 1]. Xn (Ω)
est fini ; on peut appliquer le théorème de transfert :
 
X k
Cn (f )(x) = E (Yn ) = f P (Sn = k)
n
k∈Sn (Ω)
n  
X k
= f Cnk xk (1 − x)n−k
n
k=0

ce qui montre que x 7−→ Cn (f )(x) est une fonction polynomiale

 
k 
(b) i. Par construction de β, on a pour tout k ∈ [[0, n]] tel que  − x 6 β on a :

   n

f (x) − f k  ε
 6 , donc
 n  2
 
  
 X    
k k 
   
f (x) − f k  P Xn = k
X  
f (x) − f P Xn =  6

n n  n  n
 
 k
| n −x|6β  | nk −x|6β
 
ε X k
6 P Xn =
2 k n
| n −x|6β
n  
εX k ε
6 P Xn = =
2 n 2
k=0

elamdaoui@[Link] 4 [Link]
CNM-Maths-1-Session 2016 Correction

ii. Remarquons que [|Xn − x| > β] ⊂ [|Xn − x| > β]

 
 
 X    
k k  X    
k  k

f (x) − f P Xn =  6 f (x) − f n  P Xn = n
 
n n 

 k
| n −x|>β  | nk −x|>β
 
X k
6 2M P Xn =
n
| nk −x|>β
6 2M P (|Xn − x| > β)
V (Xn )
6 2M
β2
2M x(1 − x)
6
β2 n
M
6
2nβ 2
où la quatrième inégalité vient de l’inégalité de Bienyamé Tchebychev, vu que
E (Xn ) = x et la dernière inégalité vient du fait que le maximum de x 7→ x(1 − x)
1 1
sur [0, 1] est atteint en et vaut .
2 4
(c) Soit ε > 0 et soit β > 0 obtenu du théorème de Heine. Soit x ∈ [0, 1], alors par
l’inégalité triangulaire et les inégalités des deux dernières questions, on a :
ε M
|Cn (f )(x) − f (x)| 6 +
2 2nβ 2
Avec M = sup |f (t)|. On fixe ensuite n0 suffisamment grand tel que :
t∈[0,1]

M ε
∀n > n0 , 2
6
2nβ 2
On a alors, pour n > n0 :

∀x ∈ [0, 1], |Cn (f )(x) − f (x)| 6 ε.

Ceci prouve bien la convergence uniforme de la suite (Cn (f ))n>1 vers f .

Partie III: Application

1. (a) Par linéarité de l’intégrale, pour tout polynôme P ∈ R[X], on a :

Z b
P (x) f (x) dx = 0
a

D’après théorème de Weierstrass, il existe une suite (Pn )n∈N convergeant uniformé-
ment sur [a, b] vers f .
Pour tout n ∈ N et tout x ∈ [a, b], en écrivant
 
2 [a,b] [a,b]
f (x) − f (x)Pn (x) = |f (x) (f (x) − Pn (x))| 6k f k∞ k f − Pn k ∞
 

et il en résulte que la suite (f Pn )n∈N converge uniformément vers f 2 sur [a, b]. D’après
le théorème d’intégration des limites uniformes, il vient alors :
Z b Z b
2
f (x) dx = lim f (x)Pn (x) dx
a n→+∞ a

Donc Z b
2
f (x) dx = 0
a
La fonction f 2 étant continue positive sur le segment [a, b] d’intégrale nulle, donc
f 2 = 0, ainsi la nullité de f

elamdaoui@[Link] 5 [Link]
CNM-Maths-1-Session 2016 Correction

(b) • Convergence : Soit n ∈ N, l’application x 7−→ xn e−(1−i)x est

 continue
 sur
1
[0, +∞[, donc In est impropre en +∞, mais xn e−(1−i)x = ◦ , donc In
+∞ x2
converge.
• Calcul : Les deux fonctions x 7−→ xn+1 et x 7−→ e−(1−i)x sont de classe C 1 sur
[0, +∞[ telles que xn+1 e−(1−i)x −−−−−→ 0, alors par une intégration par parties
x→+∞
Z +∞
In+1 = xn+1 e−(1−i)x dx
0
+∞ 0
e−(1−i)x
Z 
n+1
= x dx
0 −(1 − i)
 −(1−i)x +∞
n + 1 +∞ n −(1−i)x
 Z
n+1 e
= x + x e dx
−(1 − i) 0 1−i 0
n+1
= In
1−i
n! 1
On en déduit que In = I0 , avec I0 = , alors
(1 − i)n 1−i
n! n! (n+1)π
∀n ∈ N, In = = √ n+1 e 4
(1 − i)n+1 2
(c) Soit n ∈ N, remarquons que I4n+3 ∈ R, en conséquence
Z +∞
x4n+3 e−x sin(x) dx = 0
0
√
L’application t 7−→ t est une bijection de classe C 1 de ]0, +∞[ vers lui même, donc
4

par intégration par changement de variable, on obtient

Z +∞
1 +∞ n − √
Z
4
√ 
4n+3 −x
t e t sin
4
x e sin(x) dx = t dt
0 4 0

1 √
4 √
Posons alors φ : x ∈ [0, +∞[ 7−→ e− x sin ( 4 x), une telle fonction répond aux
4
contraintes demandées
2. D’après le théorème de Stone Weierstrass, il existe une suite de polynômes (Qn )n qui
converge uniformément vers g sur I.
Z b
Pour n ∈ N, on définit Pn : x 7−→ Qn (x) − Qn (t) dt. La suite de polynômes (Pn ) vérifie
Z b a

pour tout n ∈ N, Pn (t) dt = 0. D’autre part pour tout x ∈ I, on a

a
Z  Z 
 b   b 
|Pn (x) − g(x)| 6 |Qn (x) − g(x)| +  Qn (t) dt 6k Qn − g k∞ +  Qn (t) dt
   
 a   a 
Z b Z b
cvu
Or Qn −−→ g, donc k Qn − g k∞ −−−−−→ 0 et Qn (t) dt −−−−−→ g(t) dt = 0. Ainsi
I n→+∞ a n→+∞ a
cvu
Pn −−→ g
I
3. ϕ est de classe C 1 sur I, en particulier ϕ0 est continue sur I, d’après le théorème de Stone
0
Weierstrass, il existe une suite de polynômes (Q Z n )n qui converge uniformément vers ϕ sur
x
I. Pour n ∈ N, on définit Pn : x 7−→ ϕ(a) + Qn (t) dt. Comme ϕ est de classe C 1 sur
a Z x
[a, b], alors pour tout x ∈ [a, b], on peut écrire ϕ(x) = ϕ(a) + ϕ0 (t) dt et on a :
a
Z x 
Qn (t) − ϕ (t) dt 6 (b − a) k Qn − ϕ0 k∞
0
 
|Pn (x) − ϕ(x)| = 
a
cvu cvu
Ceci montre Pn −−→ ϕ, et comme Pn0 = Qn , alors on a aussi Pn0 −−→ ϕ0
I I

elamdaoui@[Link] 6 [Link]
CNM-Maths-1-Session 2016 Correction

4. On peut se ramener au cas I = [0, 1], la construction des polynômes de Bernstein donnée
n  
X k
auparavant Pn = ψ Bn,k , montre que ∀t ∈ [0, 1], Pn (t) > 0, car ψ est positive sur
n
k=0
cvu
I, et Pn −−→ ψ
I

Problème 2

Partie I: Cas particulier : variables aléatoires discrètes finies

1. Z ,→ B(p), alors etZ est finie, par le théorème du transfert, pour tout t ∈ R,

MZ (t) = P (Z = 0) + et P (Z = 1) = p et − 1 + 1

2. X est finie, alors pour tout t ∈ R la variable etZ est finie, en particulier elle admet une
espérance, par le théorème du transfert, pour tout t ∈ R,
r
X r
X
MX (t) = etxi P (X = xi ) = pi etxi
i=1 i=1
∞
Donc MX est de classe C sur R, comme somme de fonctions de classe C ∞ et pour tout
entier naturel k,
r
(k)
X
MX (t) = xki etxi P (X = xi )
i=1
r
(k)
X
xki P (X = xi ) = E X k


En particulier MX (0) =
i=1
3. (a) La famille ([X = xi ])i∈[[1,r]] est un système complet d’événements, en particu-
r
X
lier pi = 1. En outre pour tous t ∈ R et i ∈ [[1, r]], on a etxi > 0, donc
i=1
r
X
MX (t) = etxi P (X = xi ) > 0. Ainsi ϕX est définie sur R∗ .
i=1
Le développement limité à l’ordre 1 en 0 de MX est donné par
0
MX (t) = MX (0) + tMX (0) + ◦(t) = 1 + tE (X) + ◦(t)

Par composition ϕX (t) = E (X) + ◦(1), donc ϕX est prolongeable par continuité en 0.
(b) Le développement limité à l’ordre 2 en 0 de MX est donné par


0
00
MX (0) 2 2 E X2 2
MX (t) = MX (0) + tMX (0) + t + ◦(t ) = 1 + tE (X) + t + ◦(t2 )
2 2
Par composition
1
ϕX (t) = ln(MX (t))
t !


1 E X2 2 2
= ln 1 + tE (X) + t + ◦(t )
t 2

!2 
E X2 2
 tE (X) + t 
2


1 E X2 2 
2 
= tE (X) + t − + ◦(t )

t 2 2 
 

2
E X 2 − E (X)
= E (X) + t + ◦(t)
2

2
0
E X 2 − E (X) V (X)
Donc ϕX est dérivable en 0 et ϕX (0) = =
2 2

elamdaoui@[Link] 7 [Link]
CNM-Maths-1-Session 2016 Correction

(c) i. Soit u 6 0, d’après la formule de Taylor avec reste intégrale, on a

Z u
1 (u − t)2 t
eu = 1 + u + u2 + e dt
2 0 2
u
(u − t)2 t (u − t)2 t
Z
La fonction t 7−→ e est continue et positive sur [u, 0], donc e dt 6
2 0 2
1
0, soit eu 6 1 + u + u2
2
ii. Soit t > 0, comme ∀i ∈ [[1, r]] on a xi 6 0, alors
t2 2
∀i ∈ [[1, r]] , etxi 6 1 + txi +
x
2 i
Par le théorème du transfert et par positivité de la probabilité
r
X
E etX etxi P (X = xi )


=
i=1
r 
t2
X 
6 1 + txi + x2i P (X = xi )
i=1
2
r r r
X X t2 X 2
6 P (X = xi ) + t xi P (X = xi ) + x P (X = xi )
i=1 i=1
2 i=1 i
2
t
E X2


6 1 + tE (X) +
2
Finalement, la croissance de ln et l’inégalité de convexité : ∀x > −1, ln(1 + x) 6
x, donnent
t
ϕX (t) 6 E (X) + E X 2


2
Une telle inégalité reste valable si t = 0, car ϕX (0) = E (X)
(d) i. Quitte à réordonner les xi , on peut supposer que x1 > x2 > . . . > xr . Supposons
r
X
qu’il existe des réels λ1 , . . . , λr tels que λi fi = 0. Cela signifie que, quelque soit
i=1
r
X r
X
t ∈ R, alors λi fi (t) = 0, autrement dit pour tout t ∈ R : λi etxi = 0. Facto-
i=1 i=1
r
X r
X
t(xi −x1 )
risons par etx1 : etx1 λi e = 0. Mais etx1 6= 0 donc : λi et(xi −x1 ) = 0.
i=1 i=1
Lorsque t → +∞ alors et(xi −x1 ) → 0 (pour tout i > 2, car xi − x1 < 0). Donc
pour i > 2, λi et(xi −x1 ) → 0 et en passant à la limite dans l’égalité ci-dessus on
trouve : λ1 = 0.
Le premier coefficients est donc nul. On repart de la combinaison linéaire qui est
maintenant λ2 f2 + · · · + λr fr = 0 et en appliquant le raisonnement ci-dessus on
prouve par récurrence λ1 = λ2 = · · · = λr = 0. Donc la famille (f1 , · · · , fr ) est
libre.
ii. ⇒) Si X et Y suivent la même loi, alors X (Ω) = Y (Ω) et ∀x ∈ X (Ω) , P (X = x) =
P (Y = x). On tire E (X) = E (Y ) et par le théorème du transfert pour tout
t ∈ R∗ ,
X X
E etX = etx P (X = x) = etx P (Y = x) = E etY

x∈X(Ω) x∈X(Ω)

Donc les fonctions ϕX et ϕY sont égales ;

⇐) Posons X (Ω) = {x1 , · · · , xn } et Y (Ω) = {y1 , · · · , ym } l’ensemble des valeures
prises effectivement par X et Y tels que x1 > · · · > xn et y1 > · · · > ym .
L’hypothèse ϕX = ϕY donne
n
X m
X
∀t ∈ R, etxi P (X = xi ) = etyj P (X = yj )
i=1 j=1

elamdaoui@[Link] 8 [Link]
CNM-Maths-1-Session 2016 Correction

Par unicité de l’écriture n = m, xi = yi et P (X = xi ) = P (Y = yi )

(e) Soit t ∈ R∗ , les deux variables etX et etY sont indépendantes, car X et Y le sont, donc
 
MX+Y (t) = E et(X+Y ) = E etX etY = E etX E etY

Par définition, on a
1 1

1
ln(MX+Y (t)) = ln E etX + ln E etY = ϕX (t) + ϕY (t)



ϕX+Y (t) =
t t t
Pour t = 0, on a ϕ(0) = E (X + Y ) = E (X) + E (Y ) = ϕX (0) + ϕY (0). Bref

ϕX+Y = ϕX + ϕY
s
X
(f) X ,→ B(s, p), alors X = Xi , où X1 , · · · , Xs sont indépendantes et suivent la loi de
i=1
Bernoulli de paramètre p. Pour t ∈ R, les variables etX1 , · · · , etXs sont indépendantes,
donc
s
! s
tX
Y
tXi
Y
s
E etXi = p et − 1 + 1




MX (t) = E e =E e =
i=1 i=1

(g) ⇐) Supposons que X est une variable aléatoire réelle symétrique, alors X (Ω) =
−X (Ω) et pour tout x ∈ X (Ω), on a P (X = x) = P (X = −x).
On montre que ∀t ∈ R, E e−tX = E etX , pour le faire on fixe t ∈ R, par le

théorème du transfert
X
E e−tX e−tx P (X = x)


=
x∈X(Ω)

l’application x 7−→ −x est une bijection de X (Ω) vers lui même, alors
X
E e−tX etx P (X = −x)


=
x∈X(Ω)
X
= etx P (X = x)
x∈X(Ω)

= E etX

Donc pour tout t ∈ R∗ , on a ϕX (−t) = −ϕX (t) et pour t = 0, on a E (X) =

E (−X), cela entraîne E (X) = 0, c’est-à-dire ϕX (0) = 0. On conclut alors ϕX est
impaire.
⇒) Soit t ∈ R∗ , on a
1
ln E e−tX = −ϕX (−t) = ϕX (t)



ϕ−X (t) =
t
D’autre part ϕX (0) = 0, car ϕX est impaire, donc ϕ−X (0) = E (−X) = −E (X) =
0, ceci montre que ϕX = ϕ−X . D’après la question ??, X et −X ont la même loi
4. (a) Soit n ∈ N∗ et t ∈ R∗ . On a E (Sn ) = nm et V (Sn ) = nσ 2 , d’autre part les variables
X1 − m Xn − m
t √ ,··· ,t √ sont finies et mutullement indépendantes, et par un calcul
nσ nσ

elamdaoui@[Link] 9 [Link]
CNM-Maths-1-Session 2016 Correction

direct
n   
X Xi − m
t √
1   tSn∗  1   nσ  
ϕSn∗ (t) = ln E e = ln E e i=1
  
t t  



n
!! n
!
1 Y X −m
t √i 1 Y  Xi −m 
t √
= ln E e nσ = ln E e nσ Par indépendance
t i=1
t i=1
n n
1 X   t X√i nσ
−m  1 X  √−nσ  t √Xnσ
i

= ln E e = ln e E e
t i=1 t i=1
n n
1 X  t √−m  1X   Xi 
t√
= ln e nσ + ln E e nσ
t i=1 t i=1
n  
−nm 1 X t
= √ + √ ϕXi √
nσ nσ i=1 nσ
√ √  
−m n n t
= + ϕX √ car ∀i, ϕXi = ϕX
σ σ σ n

(b) Le développement limité à l’ordre 1 en 0 de ϕX donne

   
t t 0 1
ϕX √ = ϕX (0) + √ ϕX (0) + ◦ √
σ n σ n n
 
t V (X) 1
= E (X) + √ +◦ √
σ n 2 n
2
 
t σ 1
= m+ √ +◦ √
σ n 2 n
 
tσ 1
= m+ √ +◦ √
2 n n

puis
√ √   
−m n n tσ 1
ϕSn∗ (t) = + m+ √ +◦ √
σ σ 2 n n
t
= + ◦(1)
2
t
On en déduit lim ϕSn∗ (t) = .
n→+∞ 2

Partie II: Cas des variables aléatoires discrètes réelles infinies

1. (a) On peut écrire b = λa + (1 − λ)c, avec λ ∈ [0, 1], et par convexité de la fonction
exponentielle

ebx = eλax+(1−λ)cx 6 λeax + (1 − λ)ecx 6 eax + ecx

X
(b) • 1 ∈ IX , car E e0X = P (X = x) = 1
x∈X(Ω)

• Soit a, c ∈ IX tel que a 6 c. Montrons que [a, c] ⊂ IX . D’après la question

précédente, pour tout x ∈ R, ebx 6 eax + ecx , donc ebX 6 eaX + ecX , et comme
les deux variables positives admettent des espérances, alors la variable positive
ebX admet une espérance, donc b ∈ IX , ainsi l’inclusion [a, c] ⊂ IX . On déduit IX
est un intervalle de R.

elamdaoui@[Link] 10 [Link]
CNM-Maths-1-Session 2016 Correction

2. Soit t ∈ R, la variable etX admet une espérance si, et seulement, si la série à termes positifs
X λn X (λet )n t
etn e−λ converge. Or la série exponentielle converge de somme eλe , donc
n! n!
n>0 n>0
MY est définie sur R et
t
−λ
∀t ∈ R, MY (t) = eλe

3. (a) Soit k ∈ N, l’application un : t ∈] − α, α[7−→ P (X = xn )etxn est de classe C k et ,

u(k) k txn
n (t) = P (X = xn )xn e

les inégalités etxn 6 e|t||xn | 6 eα|xn | donnent

 
k
un (t) 6 P (X = xn ) |xn | eα|xn |
 (k) 

(b) Soit k ∈ N∗ . La fonction ψk : x ∈ R+ 7−→ k

+∞
t 0 ρ−α
xk e(α−ρ)x est continue,
h positive,h stricte-
k ψk0 (t) + 0 −
ment décroissante sur ρ−α , +∞ et stric-
h
k
i Mk
tement croissante sur 0, ρ−α il existe ψk
  0 0
k
Mk = ψk ρ−α > 0,
Pour k = 0, la fonction ψk : x ∈ R+ 7−→
e(α−ρ)x est décroissante sur R+ , alors M0 = 1.
Bref pour tout t ∈] − α, α[ et tout n ∈ N,
k
α|xn |
|u(k)
n (t)| 6 P (X = xn ) |xn | e = P (X = xn )ψk (|xn |) eρ|xn | 6 Mk P (X = xn )|eρ|xn | .

(c) • Pour tout n ∈ N, la fonction un est de classe C ∞ sur ]−α, α[

• Soit k ∈ N, on a pour tout n ∈ N, eρ|xn | 6 eρxn + e−ρxn et −ρ, ρ ∈ ]−α, , [ α,
X
donc la série à termes positifs P (X = xn )|eρ|xn | converge et, par suite, la série
n>0
X
u(k)
n converge normalement sur tout segment [−a, a] inclus dans ]−α, α[
n>0
+∞
X
Donc, par le théorème de dérivation terme à terme, MX = un est de classe C ∞ sur ]−α, α[,
n=0
et
+∞
(k)
X
∀t ∈ ]−α, α[ , ∀k ∈ N, MX (t) = xkn etxn P (X = xn )
n=0
X
En particulier pour tout k ∈ N la série xkn P (X = xn ) est absolument convergente, donc X
n>0
admet un moment d’ordre k. Ainsi
(k)
MX (0) = E X k


∀k ∈ N,
t
−λ
4. Dans ce cas MY : t 7−→ eλe qui est de classe C ∞ et pour tout t ∈ R
t
MY0 (t) = λet eλe −λ

MY0 (0) = λ
t t
MY00 (t) = λ2 et eλe −λ
+ λe2t eλe −λ

MY00 (0) = λ2 + λ

Alors E (Y ) = MY0 (0) = λ et par la formule de Huygens kœnig

2
V (X) = E X 2 − E (X) = MY00 (0) − MY0 (0) = λ

elamdaoui@[Link] 11 [Link]
CNM-Maths-1-Session 2016 Correction

Partie III: Cas des variables aléatoires à densité

1. Soit t ∈ IX ∩ IY , les deux variables etX et etY sont indépendantes, car X et Y le sont.
Comme etX et etY admettent des espérances alors, par indépendance, et(X+Y ) = etX etY
admet une espérance et
 
MX+Y (t) = E et(X+Y ) = E etX etY = E etX E etY = MX (t)MY (t)

Remarque : Les deux applications ne sont pas forcément égales mais elles coïncident sur
IX ∩ IY
X |st|k
2. (a) Soit t ∈ R, la série à termes positifs converge de somme es|t| , donc pour tout
k!
k>0
k
|st| k!
k ∈ N∗ , 6 es|t| ou encore |tk | 6 k es|t| .
k! s
(b) Soit k ∈ N∗ , d’après la question précédente
k! s|t| k!
|tk | 6 e 6 k est + e−st


∀t ∈ R, k
s s
Soit
k! sXk
e + e−sX


|X| 6
sk
Les deux variables positives esX et e−sX admettent des espérances car −s, s ∈ ]a, b[,
k
alors par comparaison, la variable |X| admet une espérance.


k
 k!
Remarque : On a aussi l’inégalité E |X| 6 k (MX (s) + MX (−s)) qui sera uti-
s
lisée à la question suivante

(c) Soit −∞ = a0 < a1 < · · · < ar = +∞ tels que pour tout i ∈ [[0, r − 1]] la fonction f
est continue sur ]ai , ai+1 [. On va appliquer le théorème de convergence dominée sur
chaque intervalle ]ai , ai+1 [.
Fixons t ∈ ]−s, s[
t k xk
• Pour tout k ∈ K, l’application fk : x 7−→ f (x) est continue sur ]ai , ai+1 [ et
  k!
k
intégrable car E |X| est finie
X
• La série fk converge simplement sur ]ai , ai+1 [ de somme x 7−→ etx f (x) qui est
k>0
continue sur ]ai , ai+1 [
• Pour tout k ∈ N, on a
Z ai+1 Z ai+1
 k k 
t x 
|fk (x| dx =  k! f (x) dx
 
ai ai
k
|t|  k 
6 E |X|
k!
k
|t| k!
6 (MX (s) + MX (−s))
k! sk
k
|t|
6 (MX (s) + MX (−s)) k
s
k
|t|
et la série géométrique du terme général k converge. Bref la série du terme
Z ai+1 s
général |fk (x| dx converge
ai

elamdaoui@[Link] 12 [Link]
CNM-Maths-1-Session 2016 Correction

Donc d’après le théorème de la convergence dominée, on peut intégrer terme à terme,

soit
Z ai+1 Z +∞ k k
ai+1 X
t x
etx f (x) dx = f (x) dx
ai ai k!
k=0
+∞ k Z ai+1
X t
= xk f (x) dx
k! ai
k=0

Ceci vrai pour tout i ∈ [[0, r − 1]], alors on conclut par la relation de Chasles que, pour
+∞
X
tk
tout t ∈] − s, s[, MX (t) = E Xk
k!
k=0

Remarque : On ne peut pas appliquer le théorème d’intégration terme à terme sur

R, car f n’est pas forcément continue par morceaux sur R

(d) MX est développable en série entier en 0, alors elle est de classe C ∞ sur ]−s, s[ et
(k)

MX (0) E Xk
∀k ∈ N, =
k! k!

elamdaoui@[Link] 13 [Link]