LM6E MP*4 Complément sur les variables aléatoires Février 2024

Problème
Fonction caractéristique d’une variable aléatoire réelle
Soit (Ω, A, P) un espace probabilisé, où A est une tribu sur Ω et P une probabilité sur (Ω, A).
Toutes les variables aléatoires sont discrètes, à valeurs réelles ou complexes, définies sur (Ω, A).
Si la variable aléatoire X : ω → R est d’espérance finie, on note E (X) son espérance.
Pour tout nombre complexe z, on note Re(z) sa partie réelle, Im(z) sa partie imaginaire et z son conjugué.
 sin x si x ̸= 0,
On appelle sinus cardinal la fonction définie, pour tout réel x, par sinc(x) = x
1 si x = 0.
On admet que cette fonction est continue et que pour tout réel x, |sinc(x)| ≤ 1.
On étend aux variables aléatoires discrètes à valeurs complexes la notion d’espérance définie pour les variables aléatoires
discrètes réelles. Ainsi, on dit qu’une variable aléatoire discrète à valeurs complexes Z : Ω → C est d’espérance
finie si les variables aléatoires réelles Re(z) et Im(z) sont d’espérance finie et on définit alors l’espérance de Z par
E (Z) = E (Re(Z)) + i E (Im(Z)) .
On admettra les résultats suivants qui étendent aux variables aléatoires complexes les résultats analogues sur les
variables aléatoires réelles.
Toute variable aléatoire Z complexe finie est d’espérance finie. Si Z (Ω) = {z1 , . . . zr }, où les zi sont deux à deux
Xr
distincts, alors E (Z) = zk P (Z = zk ) .
k=1
Théorème du transfert (cas X (Ω) fini). Soit X une variable aléatoire réelle d’image finie X (Ω) = {x1 , . . . xr } où les
xi sont deux à deux distincts et soit f une application à valeurs complexes définie sur X (Ω).
Xr
Alors f (X) est d’espérance finie et E (f (X)) = P (X = xk ) f (xk ) .
k=1
Soit Z une variable aléatoire complexe telle que Z (Ω) soit dénombrableX égal à {zn , n ∈ N} où les zn sont deux à deux
distincts. Alors Z est d’espérance finie si, et seulement si, la série zn P (Z = zn ) converge absolument. Dans ce cas,
n≥0
+∞
X
E (Z) = zn P (Z = zn ) .
n=0
Théorème du transfert (cas X (Ω) dénombrable). Soit X une variable aléatoire réelle d’image dénombrable
X (Ω) = {xn , n ∈ N} où les xn sont deux à deux distincts et soit X f une application à valeurs complexes définie sur
X (Ω). Alors f (X) est d’espérance finie si, et seulement si, la série P (X = xn ) f (xn ) converge absolument. Dans
n≥0
ce cas,
+∞
X
E (f (X)) = P (X = xn ) f (xn ) .
n=0

Soit Z une variable aléatoire complexe et Z : ω ∈ Ω 7→ Z (ω) sa
variable aléatoire conjuguée.
Si Z est d’espérance finie, alors Z est d’espérance finie et E Z = E (Z).
Soient Z1 et Z2 deux variables aléatoires complexes d’espérance finie et soit λ ∈ C.
Alors Z1 + Z2 et λZ1 sont d’espérance finie et E (Z1 + Z2 ) = E (Z1 ) + E (Z2 ) et E (λZ1 ) = λE (Z1 ).

I - Fonction caractéristique d’une variable aléatoire réelle

À toute variable aléatoire réelle discrète X : Ω → R, on associe une fonction ΦX , appelée fonction caractéristique de
X et définie par
∀t ∈ R , ΦX (t) = E eitX .

I.A – Premières propriétés

Dans cette sous-partie, X est une variable aléatoire réelle discrète.
Q1. On suppose, dans cette question, que X (Ω) est un ensemble fini de cardinal r ∈ N∗ .
On note X (Ω) = {x1 , . . . , xr } où les xi sont deux à deux distincts, et, pour tout entier k ∈ [[1, r]], ak =
Xr
P (X = xk ). Montrer que, pour tout réel t, ΦX (t) = ak eitxk .
k=1

Q2. On suppose dans cette question que X (Ω) est un ensemble dénombrable. On note X (Ω) = {xn , n ∈ N} où les
xn sont deux à deux distincts. Pour tout n ∈ N , on pose an = P (X = xn ).

1/ 3
 LM6E MP*4 Complément sur les variables aléatoires Février 2024
+∞
X
Montrer que ΦX est définie sur R et que, pour tout réel t, ΦX (t) = an eitxn .
n=0

Q3. Montrer que ΦX est continue sur R.

I.B – Trois exemples

Q4. Soit n ∈ N∗ et p ∈ ]0, 1[. On suppose que X : Ω → R suit une loi binomiale B (n, p) et on note q = 1 − p.

n
Montrer que, pour tout t ∈ R, ΦX (t) = q + peit .

Q5. Soit p ∈ ]0, 1[. Quelle est la fonction caractéristique d’une variable aléatoire suivant une loi géométrique de
paramètre p ?

Q6. Soit λ > 0. Quelle est la fonction caractéristique d’une variable aléatoire suivant une loi de Poisson de paramètre
λ?

II - Fonction caractéristique et loi d’une variable aléatoire

L’objectif de cette partie est de montrer que la fonction caractéristique d’une variable aléatoire détermine sa loi.
Soit X une variable aléatoire réelle et discrète et m ∈ R.
Z T
1
∗
Pour T ∈ R+ , on pose Vm (T ) = ΦX (t) e−imt dt.
2T −T
II.A.1) – On suppose que X (Ω) est fini et on reprend les notations de la question 1.
r
X
Q7. Montrer que, pour tout T ∈ R∗+ , on a Vm (T ) = sinc (T (xn − m)) P (X = xn ).
n=1

Q8. En déduire que Vm (T ) −→ P (X = m).

T →+∞
II.A.2) – On suppose que X (Ω) est dénombrable et on reprend les notations de la question 2.
 
xn − m
Pour n ∈ N et h ∈ R∗+ , on pose gn (h) = sinc P (X = xn ).
h

+∞  
X 1
Q9. Montrer que pour tout T ∈ R∗+ , on a Vm (T ) = gn .
n=0
T

Q10. Montrer que la fonction gn se prolonge en une fonction g˜n définie et continue sur R+ .
+∞
X
Q11. Montrer que la fonction G = g˜n est définie et continue sur R+ .
n=0

Q12. Établir que Vm (T ) −→ P (X = m).

T →+∞

II.A.3) – Application

Q13. Soient X : Ω → R et Y : Ω → R deux variables aléatoires discrètes telles que ΦX = ΦY . Montrer que, pour tout
m ∈ R, P (X = m) = P (Y = m), autrement dit que X et Y ont la même loi.

Q14. Montrer que si X et Y sont deux variables aléatoires indépendantes alors ϕX+Y (t) = ϕX (t) × ϕY (t)

Q15. En déduire lorsque X et Y suit une loi binomiale de paramètres n et p, et Y suit une loi binomiale de paramétres
m et p alors X + Y suit une loi binomiale de paramètres n + m et p.

II.A.4) - Loi faible des grand nombres

Soit (Xn )n∈N∗ une suite de variables aléatoires discrètes, mutuellement indépendantes et de même loi, admet-
tant un moment d’ordre 1 (mais pas nécessairement de moments d’ordre supérieur). On note φn la fonction
caractéristique de la variable donnée par Yn = X1 +···+X
n
n
.

2/ 3
 LM6E MP*4 Complément sur les variables aléatoires Février 2024
Q16. Montrer que la suite (φn ) converge simplement vers t 7→ exp (itE (X1 )). On admet que cela entraîne, pour tout a
dans R, limn→+∞ P (Yn = a) = δa,E(X1 ) où δ est le symbole de Kronecker. On note Zn = min (|Yn − E (X1 )| , 1).

Q17. Montrer limn→+∞ E (Zn ) = 0. (On remarquera que la réunion des Zn (Ω) est dénombrable.)

Q18. En déduire que, pour tout ε strictement positif, on a lim P (|Yn − E (X1 )| > ε) = 0. Interpréter. (On pourra
appliquer l’inégalité de Markov à Zn .)

III - Régularité de ΦX
On fixe dans cette partie une variable aléatoire réelle X : Ω → R, dont l’image X (Ω) est un ensemble dénom-
brable et on reprend les notations de la question 2.
On cherche à établir des liens entre des propriétés de la loi de X et la régularité de ΦX .
Pour tout k ∈ N∗ , on dit que X admet un moment d’ordre k si la variable aléatoire X k est d’espérance finie.

Soit k ∈ N∗ . On suppose dans cette partie III que X admet un moment d’ordre k.

Q19. Soit j un entier tel que 1 ≤ j ≤ k. Montrer que pour tout réel x, |x|j ≤ 1 + |x|k et en déduire que X admet un
moment d’ordre j.

Q20. En déduire que ΦX est de classe C k sur R et donner une expression de la dérivée k ième de ΦX .

(k)
Q21. En déduire une expression de E X k en fonction de ΦX (0).

IV - Développement en série entière de ΦX

Soit X : Ω → R une variable aléatoire réelle.

IV.A –
On suppose que X (Ω) est fini et on reprend les notations de la question 1.

+∞ n
X (it)
Q22. Montrer que ΦX est développable en série entière sur R et, pour tout réel t, ΦX (t) = E (X n ).
n=0
n!

IV.B –
On suppose que X (Ω) est dénombrable et on reprend les notations de la question 2.
On suppose également que, pour tout entier n ∈ N, X admet un moment d’ordre n et qu’il existe un réel R > 0
tel que  n
n n
E (|X| ) = O quand n → +∞ .
Rn

n k
X (iy) |y|n+1
Q23. Montrer que pour tout n ∈ N et tout y ∈ R, eiy − ≤ .
k! (n + 1)!
k=0

  +∞ k
R R X (it)
E Xk .


Q24. En déduire que pour tout réel t ∈ − , , ΦX (t) =
e e k!
k=0

• • • FIN • • •

3/ 3