Leçon 18 Exercices corrigés

(Une étoile * désignera une question de difficulté supérieure.)

Exercice 1. Reprendre l’Exercice 1, Leçon 17, en incluant la convergence

en probabilité dans la discussion.

Exercice 2. Soit Xn , n ∈ N, une suite de variables aléatoires de même loi

uniforme U(0, 1) sur [0, 1] ; démontrer que
1
a) nXn → 0 en probabilité ;
Xn
b) n → 0 presque sûrement ;
1
c) n2 Xn → 0 presque sûrement.
On suppose en outre les variables Xn , n ∈ N, mutuellement indépendantes.
Établir que
1
d) nXn ne converge pas presque sûrement.

Indications. Les raisonnements développés pour l’Exercice 1, en particulier

le critère issu du lemme de Borel-Cantelli, s’appliquent de la même façon. (Pour
b), il suffit d’observer que, presque sûrement, |Xnn | ≤ n1 car les Xn sont uniformes
sur [0, 1].)

Exercice 3. Soient Xn , Yn , n ∈ N, des suites de variables aléatoires réelles,

ainsi que des variables aléatoires réelles X et Y , définies sur un espace proba-
bilisé (Ω, A, P).
a) Si les suites Xn , n ∈ N, et Yn , n ∈ N, convergent dans Lp , p ≥ 1, vers des
variables aléatoires X et Y respectivement, démontrer que la suite Xn + Yn ,
n ∈ N, converge dans Lp vers X + Y .
La suite de l’exercice a pour but de démontrer que la propriété de stabilité
précédente est encore vérifiée pour la convergence en probabilité.

1
b) Si U et V sont des variables aléatoires et t ∈ R, démontrer que

P(U + V ≥ 2t) ≤ P(U ≥ t) + P(V ≥ t).

c) Si les suites Xn , n ∈ N, et Yn , n ∈ N, convergent en probabilité vers X et Y

respectivement, démontrer que la suite Xn + Yn , n ∈ N, converge en probabilité
vers X + Y .
d*) Dans le cadre de la question précédente, démontrer que la suite Xn Yn ,
n ∈ N, converge en probabilité vers XY .

Corrigé. a) Par hypothèse, kXn − Xkp = (E(|Xn − X|p ))1/p → 0 quand

n → ∞, et de même pour Yn , Y . D’après l’inégalité triangulaire pour la norme
k · kp ,

(Xn + Yn ) − (X + Y ) p
= (Xn − X) + (Yn − Y ) p
≤ kXn − Xkp + kYn − Y kp
et la conclusion s’ensuit. (Le raisonnement peut être étendu à tout p > 0.)
b) Si U + V ≥ 2t, nécessairement soit U ≥ t, soit V ≥ t, autrement dit

{U + V ≥ 2t} ⊂ {U ≥ t} ∪ {V ≥ t}.

L’inégalité annoncée s’ensuit par sous-additivité d’une mesure. c) Soit ε > 0 ;

d’après le point précédent, pour tout n ∈ N,
0 ≤ P |(Xn + Yn ) − (X + Y )| ≥ 2ε)
= P |Xn − X| + |Yn − Y | ≥ 2ε)



≤ P |Xn − X| ≥ ε + P |Yn − Y | ≥ ε .
L’affirmation s’ensuit par définition de la convergence en probabilité. (Il est
possible également d’utiliser la distance D de la leçon pour répondre à cette
question.) d*) Il s’agit de montrer que pour tout ε > 0 fixé,


lim P |Xn Yn − XY | ≥ 2ε = 0,
n→∞

2
autrement dit, que pour tout η > 0, il existe n0 (= n0 (η, ε)) tel que pour tout
n ≥ n0 ,

P |Xn Yn − XY | ≥ 2ε ≤ 5η.
(Les constantes 2 et 5 sont choisies pour que la présentation tombe bien.)
D’après l’inégalité triangulaire, pour chaque entier n,
|Xn Yn − XY | = |Xn Yn − Xn Y + Xn Y − XY |
≤ |Xn | |Yn − X| + |Y | |Xn − X|.
Ainsi, en vertu de la question b),




P |Xn Yn − XY | ≥ 2ε ≤ P |Xn | |Yn − Y | ≥ ε + P |Y | |Xn − X| ≥ ε .

Le deuxième terme dans le membre de droite de l’inégalité précédente se traite

aisément : choisir t > 0 assez grand pour que P(|Y | > t) ≤ η (car
limt→−∞ FY (t) = 0 et limt→+∞ FY (t) = 1) ; puis, en décomposant,


P |Y | |Xn − X| ≥ ε



= P |Y | |Xn − X| ≥ ε, |Y | ≤ t + P |Y | |Xn − X| ≥ ε, |Y | > t



≤ P t |Xn − X| ≥ ε + P |Y | > t


≤ P t |Xn − X| ≥ ε + η.
Comme la suite Xn , n ∈ N, converge en probabilité vers X, il existe n1
(= n1 (η, ε)) tel que si n ≥ n1 ,
 ε
P |Xn − X| ≥ ≤ η.
t
Ainsi P(|Y | |Xn − X| ≥ ε) ≤ 2η si n ≥ n1 . Pour le terme P(|Xn | |Yn − Y | ≥ ε),
le raisonnement est identique sous réserve d’une majoration P(|Xn | > 2t) ≤ 2η
uniforme en n (assez grand). Pour cela, utiliser la convergence en probabilité
de Xn , n ∈ N, vers X. En effet, choisir t > 0 tel que P(|X| > t) ≤ η, puis,




P |Xn | > 2t = P |Xn | > 2t, |X| ≤ t + P |Xn | ≥ 2t, |X| > t



≤ P |Xn − X| ≥ t + P |X| > t
3
où il a été utilisé que |Xn − X| ≥ |Xn | − |X|. Comme P(|Xn − X| ≥ t) → 0,
il s’ensuit que P(|Xn | > 2t) ≤ 2η pour n ≥ n2 (n2 = n2 (η)). En rassemblant
toutes les estimées, la conclusion s’ensuit pour n ≥ max(n1 , n2 ).

Exercice 4. Soit une suite Xn , n ∈ N, de variables aléatoires convergeant

en probabilité vers une variable aléatoire X.
a) Construire par récurrence une suite strictement croissante d’entiers nk , k ∈ N,
telle que, pour tout k ≥ 1,

P |Xnk − X| ≥ k1 ≤ 21k .

P
b) Démontrer que pour tout ε > 0, k≥1 P(|Xnk − X| ≥ ε) < ∞. En conclure
que la suite Xnk , k ∈ N, converge vers X presque sûrement.

Corrigé. a) L’entier nk étant construit, définir par récurrence

n o
1 1


nk+1 = inf n ≥ nk + 1 ; P |Xn − X| ≥ k+1 ≤ 2k+1 .

Ce choix est rendu possible par le fait que P(|Xn − X| ≥ ε) → 0 pour tout
ε > 0. b) Soit ε > 0 fixé ; il existe un entier k0 ≥ 1 tel que k10 ≤ ε. Alors, pour
tout k ≥ k0 ,

P |Xnk − X| ≥ ε ≤ P |Xnk − X| ≥ k1 ≤ 21k

P
par définition de nk . La série k≥1 P(|Xnk − X| ≥ ε) est donc convergente.
L’application du premier critère de Borel-Cantelli conclut l’exercice.

Exercice 5. Pour toute variable aléatoire Z ≥ 0, démontrer que pour tout

t > 0,
1
P(Z ≥ t) ≤ E Z 1{Z≥t} .


t
Soit à présent X une variable aléatoire réelle de carré intégrable.

4
a) Démontrer que
lim E X 2 1{|X|≥t} = 0.


t→∞
Déduire de la question préliminaire que pour tout ε > 0,
√

lim n P |X| ≥ ε n = 0.
n→∞

b) Soient Xn , n ≥ 1, de même loi que X. En utilisant le question précédente,

que peut-on dire de la convergence de la suite de variables aléatoires Yn =
√1 max(X1 , . . . , Xn ), n ≥ 1, lorsque n → ∞ ?
n

Corrigé. Si Y = Z 1{Z≥t} , P(Z ≥ t) = P(Y ≥ t), de sorte que la pre-

mière affirmation découle de l’application de l’inégalité de Markov à la variable
aléatoire Y . a) Il suffit d’appliquer le théorème de convergence monotone ou le
théorème de convergence dominée. La question préliminaire appliquée à Z = X 2
et t = ε2 n pour tout n ≥ 1 montre que
√

n P |X| ≥ ε n = n P X 2 ≥ ε2 n ≤ E X 2 1{X 2 ≥ε2 n} .

L’affirmation découle alors du point précédent. b) D’après l’inégalité sur les

réunions (sous-additivité), pour tout ε > 0 et tout n ≥ 1,

√
√

P |Yn | ≥ ε ≤ P max(|X1 |, . . . , |Xn |) ≥ ε n ≤ n P |X| ≥ ε n

(puisque les variables X1 , . . . , Xn ont même loi que X). D’après a), il s’ensuit
que la suite Yn , n ∈ N, converge en probabilité vers 0.

Exercice 6 (Polynômes de Bernstein.) Soit une f : [0, 1] → R une fonction

continue et soit Xn une variable aléatoire sur (Ω, A, P) suivant une loi binomiale
B(n, x) de taille n ≥ 1 et de paramètre x ∈ [0, 1]. On note Tn = Xnn .
a) Montrer que Qn (x) = E(f (Tn )) est un polynôme (en x), appelé polynôme
de Bernstein (de degré n).
b) Calculer E(Tn ) et Var(Tn ).

5
c) Établir que |f (x) − Qn (x)| ≤ E(|f (Tn ) − f (x)|).
1
d) Pour η > 0, poser A = {|Tn − x| ≤ η} et montrer que P(Ac ) ≤ η2 n .
e) Invoquer un théorème pour affirmer que pour tout ε > 0, il existe η = η(ε) > 0
tel que si u, v ∈ [0, 1] et |u − v| ≤ η, alors |f (u) − f (v)| ≤ ε.
f) Pour ε > 0 et η = η(ε) > 0 comme dans la question précédente, décomposer,
pour tout x ∈ [0, 1], E(|f (Tn ) − f (x)|) suivant A et Ac pour obtenir que
2M (f )
f (x) − Qn (x) ≤ ε +
η2n
où M (f ) = supt∈[0,1] |f (t)|.
g) Déduire de la question précédente que pour tout ε > 0, il existe un entier
n = n(ε) tel que
sup f (x) − Qn (x) ≤ 2ε.
x∈[0,1]

h) Quel théorème vient-il d’être démontré ?

Corrigé. a) La variable aléatoire Tn est (presque sûrement) à valeurs dans

[0, 1]. D’après le théorème de transport, et la définition de la loi binomiale
B(n, x),
  X  n  k n
n
X
xk (1 − x)n−k


Qn (x) = E f (Tn ) = E f = f
n n k
k=1

qui est bien un polynôme de degré n en la variable x. b) Le calcul classique

de l’espérance et de la variance de la loi binomiale indique que E(Xn ) = nx et
Var(Xn ) = nx(1 − x). Ainsi, par homogénéité, E(Tn ) = x et Var(Tn ) = x(1−x)
n .
c) Comme Qn (x) = E(f (Tn )),



f (x) − Qn (x) = f (x) − E f (Tn ) = E f (x) − f (Tn )
Donc, après la prise des valeurs absolues,



f (x) − Qn (x) = E f (x) − f (Tn ) ≤ E |f (x) − f (Tn )|

6
d’après les propriétés de l’intégrale. d) D’après l’inégalité de Tchebitchev,

P(Ac ) = P |Tn − x| > η

= P Tn − E(Tn ) > η
1
≤ 2 Var(Tn )
η
x(1 − x) 1
= ≤ .
η2n η2n

(Le maximum de x(1 − x) sur [0, 1] étant 14 , il est possible d’améliorer la ma-
joration en 4η12 n , sans grand profit néanmoins pour la suite.) e) Une fonction
continue définie sur un ensemble compact est uniformément continue (théo-
rème de Heine sur R). f) D’après la question précédente, sur l’ensemble A,
|f (Tn ) − f (x)| ≤ ε. Par ailleurs, uniformément en les variables,

f (Tn ) − f (x) ≤ 2M (f )

où M (f ) = supt∈[0,1] |f (t)| < ∞ (rappeler qu’une fonction continue sur un

compact est bornée). Ainsi, en suivant l’indication,

E |f (Tn ) − f (x)| = E 1A |f (Tn ) − f (x)| + E 1Ac |f (Tn ) − f (x)|

≤ ε P(A) + 2M (f ) P(Ac )
≤ ε + 2M (f ) P(Ac ).

Avec la question d), le résultat s’ensuit. g) ε > 0 étant fixé, et par là même
η = η(ε), choisir n = n(ε) suffisamment grand tel que

2M (f )
≤ ε.
η2n
Cette majoration est à insérer dans la conclusion de la question précédente,
qui a lieu uniformément pour tout x ∈ [0, 1] puisque η = η(ε) et n = n(ε) ne
dépendent que de ε > 0. h) La langue est au chat.