École Marrakech Prépas

Devoir Surveillé N◦: 5

MATHÉMATIQUES

Durée: 4h 00min

Attention:
• Les différents parties de l’épreuve doivent se rédiger sur des feuilles de composition séparées.

• Il est strictement interdit de quitter la salle pendant le déroulement du DS.

• Il est strictement interdit d’emprunter des accessoires de votre collègue.
• Garder le silence complet dans la salle.

Informations:
• Les candidats sont informés que la qualité de la rédaction et de la présentation, la clarté et la
précision des raisonnements constitueront des éléments importants pour l’appréciation des copies.
Il convient en particulier de rappeler avec précision les références des questions abordées.

• Si, au cours de l’épreuve, un candidat repère ce qui lui semble être une erreur d’énoncé, il le
signale sur sa copie et poursuit sa composition en expliquant les raisons des initiatives qu’il est
amené à prendre.
Devoir surveillé n◦ :5 Énoncé

Problème I
On se donne dans la suite un espace probabilisé (Ω, T , P).
Dans la suite les variables aléatoires considérées sont des variables aléatoires réelles discrètes.
Si X est une variable aléatoire sur
(Ω, T , P), la fonction génératrice des moments de X est la fonction numérique de
la variable réelle MX : t 7−→ E etX

Partie I: Quelques exemples

1. X est une variable aléatoire sur (Ω, T , P). Déterminer MX , avec précision, dans les cas suivants (on indiquera
clairement le domaine de définition de MX ).

(a) X suit une loi de Bernoulli de paramètre p.

(b) X suit une loi de géométrique de paramètre p ∈]0, 1[.
2. Soit n ∈ N∗ et X1 , X2 , · · · , Xn des variables aléatoires indépendantes sur (Ω, T , P) ayant même loi qu’une variable
Xn
aléatoire Y . On pose Sn = Xi .
i=1
Soit t un élément du domaine de définition de MY . Montrer que MSn (t) existe et l’exprimer en fonction de
MY (t).
3. Trouver MX lorsque X suit une loi binômiale de taille r et de paramètre p.

Partie II: Cas des variables aléatoires discrètes finies

X est une variable aléatoire discrète finie sur (Ω, T , P).

On suppose que X(Ω) est de cardinal r et on pose X(Ω) = {x1 , x2 , · · · , xr }.
(k)
4. Montrer que MX est de classe C ∞ sur R, et que pour tout entier naturel k, MX (0) = E X k .

5. On considère une suite (Xn )n>1 de variables aléatoires discrètes finies mutuellement indépendantes sur (Ω, T , P),
qui suivent la même loi que X. On note m l’espérance de X et σ son écart-type que l’on suppose strictement
positif.
n
X Sn − E (Sn )
On pose, pour tout entier naturel non nul, Sn = Xk et Sn∗ = p .
k=1
V (Sn )

(a) Montrer que, pour tout entier naturel non nul n et tout réel non nul t,
√
  n
mt n t
MSn∗ (t) = e− σ MX √
σ n

t2
(b) En déduire que lim MSn∗ (t) = e 2 .
n→+∞

Partie III: Cas des variables aléatoires discrètes réelles infinies

Soit X une variable aléatoire discrète réelle infinie, notons IX l’ensemble des réels t pour lesquels MX existe.

6. (a) Montrer que, pour tous réels a, b, c tels que a 6 b 6 c et tout réel x, ebx 6 eax + ecx .
(b) En déduire que IX est un intervalle contenant 0.
7. Soit Y une variable aléatoire discrète réelle qui suit une loi de Poisson de paramètre λ > 0. Déterminer la
fonction génératrice des moments MY de Y .

c Mprepas 1 [Link]
Devoir surveillé n◦ :5 Énoncé

8. On suppose que la fonction MX est définie sur un intervalle de la forme ] − a, a[, (a > 0). Notons (xn )n∈N une
énumération des valeurs de X.
Posons, pour tout n ∈ N et tout t ∈] − a, a[, un (t) = P (X = xn )etxn . Soit α > 0 tel que [−α, α] ⊂] − a, a[, et
soit ρ ∈]α, a[.
(a) Montrer que, pour tout k ∈ N, tout t ∈] − α, α[ et tout n ∈ N,
k α|xn |
|u(k)
n (t)| 6 P (X = xn )|xn | e

(k)
où un désigne la dérivée k-ème de la fonction un .
(b) Montrer que, pour tout k ∈ N, il existe Mk > 0, pour tout t ∈] − α, α[ et tout n ∈ N,
ρ|xn |
|u(k)
n (t)| 6 Mk P (X = xn )|e .
(k)
(c) En déduire que MX est de classe C ∞ sur ] − a, a[, et que pour tout k ∈ N, E X k = MX (0)

9. En déduire l’espérance et la variance d’une variable aléatoire Y qui suit une loi de Poisson de paramètre λ > 0.

Problème II
1. Pour tout entier n strictement positif, on se donne un réel pn strictement positif et n variables aléatoires
n
(Xk )k=1 indépendantes et suivant une loi de Bernoulli de paramètre pn . On suppose que (npn ) a une limite finie
strictement positive et on pose npn −−−−−→ λ
n→+∞

n
X
(a) Quelle est la loi de Sn = Xk ?
k=1
(b) Soit k un entier naturel.
i. Donner l’expression de P (Sn = k) pour n supérieur ou égal à k
ii. Que peut-on dire de la limite de (pn ) quand n tend vers l’infini? Étudier la limite de (1 − pn )n quand
n tend vers l’infini.
iii. Montrer que
λk −λ
P (Sn = k) −−−−−→ e
n→+∞ k!

(c) On pose Nn = max (X1 , · · · , Xn )

i. Quelles sont les valeurs que peut prendre la variable aléatoire Nn ?
ii. Calculer lim P (Nn = 0) et déduire lim P (Nn = 1)
n→+∞ n→+∞

2. Soit λ un réel strictement positif et n un entier strictement positif tels que 0 < λ 6 n. On considère U une
λ λ λ
variable aléatoire de loi de Bernoulli de paramètre . On a donc P (U = 1) = , P (U = 0) = 1 − et pour
n n n
tout i ∈ N supérieur ou égal à 2, P (U = i) = 0
(a) Justifier que pour tout réel positif u, 1 − u 6 e−u
(b) Montrer que
+∞  k
X λ 1 −λ 2λ  λ

P (U = k) − e n = 1 − e− n
n k! n
k=0

(c) En déduire que

+∞  k  2
X λ 1 −λ λ
P (U = k) − e n 62
n k! n
k=0

3. Soit λ un réel strictement positif et n un entier strictement positif tels que 0 < λ 6 n. Soit Z, U et V trois
variables aléatoires indépendantes à valeurs dans N. On suppose que U suit une loi de Bernoulli de paramètre
λ λ
et que V suit une loi de Poisson de paramètre .
n n
X
(a) Soit i un entier naturel fixé. Montrer que |(P (U = k − i) − P (V = k − i)| est convergente. Puis montrer
k>0
que
+∞  2
X λ
Ai = |(P (U = k − i) − P (V = k − i)| 6 2
n
k=0

c Mprepas 2 [Link]
Devoir surveillé n◦ :5 Énoncé

X
(b) Montrer que la série Ai P (Z = i) est convergente
i>0

(c) Justifier que la famille (|(P (U = k − i) − P (V = k − i)| P (Z = i))(k,i)∈N2 est sommable et que

+∞ X
X +∞ +∞ X
X +∞
|(P (U = k − i) − P (V = k − i)| P (Z = i) = |(P (U = k − i) − P (V = k − i)| P (Z = i)
k=0 i=0 i=0 k=0

4. On conserve dans cette question les notations et les hypothèses de la question (3) concernant les variables
aléatoires Z, U et V

(a) Montrer que le série de terme général |P (Z + U = k) − P (Z + V = k)| est convergente

(b) Déduire de la question (3) que
+∞
X +∞ X
X +∞
|P (Z + U = k) − P (Z + V = k)| 6 |(P (U = k − i) − P (V = k − i)| P (Z = i)
k=0 i=0 k=0

Puis que
+∞  2
X λ
|P (Z + U = k) − P (Z + V = k)| 6 2
n
k=0

5. Soient U1 , · · · , Un , V1 , · · · , Vn des variables aléatoires indépendantes telles que pour tout entier i ∈ [[1, n]], la
λ λ
variable Ui suit la loi de Bernoulli de paramètre et la variable Vi suit la loi de Poisson de paramètre .
n n
X n n
X Xj Xn
Finalement posons Ψ0 = V i , Ψn = Ui et pour j ∈ [[1, n − 1]], Ψj = Ui + Vi
i=1 i=1 i=1 i=j+1

(a) Montrer que pour tout entier k, on a:

n−1
X
|P (Ψn = k) − P (Ψ0 = k)| 6 |P (Ψi+1 = k) − P (Ψi = k)|
i=0

(b) En déduire que

+∞
X 2λ2
|P (Ψn = k) − P (Ψ0 = k)| 6
n
k=0

λ
(c) Soit X une variable aléatoire de loi binomiale de taille n et de paramètre . Conclure de ce qui précède
n
que
+∞
X λk 2λ2
P (X = k) − e−λ 6
k! n
k=0

c Mprepas 3 [Link]
Devoir surveillé n◦ :5 Corrigé

Problème I

Partie I: Quelques exemples

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

MX (t) = P (X = 0) + et P (X = 1) = p et − 1 + 1

(b) On a
p
∀k ∈ N∗ , etk P(X = k) = p(1 − p)k−1 etk = ((1 − p)et )k
1−p
1
C’est le terme général d’une série géométrique de raison (1 − p)et qui converge ssi et < 1−p (tout est positif)
tX
i.e. t < − ln(1 − p). C’est la condition pour que E(e ) existe. On sait alors calculer la somme :

pet
∀t < − ln(1 − p), E(etX ) =
1 − (1 − p)et

2. Soit t ∈ R, les variables etX1 , · · · , etXn sont indépendantes, car X1 , · · · , Xn le sont, donc
n
! n
Y Y
tSn tXi
E etXi



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



Par hypothèse les variables X1 , · · · , Xn suivent la même loi que Y , alors E etXi = E etY pour tout i ∈ [[1, n]]
et par suite !
Yn
tSn tXi
= MY (t)n


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

r
X
3. On a X ,→ B(r, p), alors X = Xi , où X1 , · · · , Xr sont indépendantes et suivent la loi de Bernoulli de
i=1
paramètre p. D’après la question précédente Pour t ∈ R,

r
MX (t) = E etX = p et − 1 + 1

Partie II: Cas des variables aléatoires discrètes finies

4. X est finie, alors pour tout t ∈ R la variable etX est finie, en particulier elle admet une espérance, par le théorème
du transfert, pour tout t ∈ R,
Xr
MX (t) = etxi P (X = xi )
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

c Mprepas 4 [Link]
Devoir surveillé n◦ :5 Corrigé

X1 − m X −m
5. (a) Soit n ∈ N∗ et t ∈ R∗ . On a E (Sn ) = nm et V (Sn ) = nσ 2 , d’autre part les variables t √ , · · · , t n√
σ n σ n
sont finies et mutullement indépendantes, et par un calcul direct
n !
P X −m i
t √
nσ
MSn∗ (t) = E ei=1

n
! n
Xi −m  Xi −m 
t t √
Y √
Y
= E e nσ = E e nσ Par indépendance
i=1 i=1
n n
tm
 X   Xi 
−√ i
t √nσ − σtm t√
Y Y √
= e n E e = e n E e nσ
i=1 i=1
√ n  
− tmσ n Y t
= e MXi √
i=1
nσ
√
  n
tm n t
= e− σ MX √
nσ

(b) Le développement limité à l’ordre 2 en 0 de MX donne

1 t2
   
t t 0 00 1
MX √ = MX (0) + √ MX (0) + 2
MX (0) + ◦
σ n σ n 2σ n n
1 t2
 
t 1
E X2 + ◦


= 1 + √ E (X) +
σ n 2 σ2 n n
x2
Puis par composition par ln et le développement ln(1 + x) = x − + ◦(x2 ), on obtient
2
1 t2
1 t2
 
tm 2 2 1
ln (MX (t)) = √ + 2
E X − 2
E (X) + ◦
σ n 2σ n 2σ n n
1 t2 1 t2
   
tm 1 tm 1
= √ + 2
V (X) + ◦ = √ + +◦
σ n 2σ n n σ n 2n n
Ainsi
√
  n
tm n t
MSn∗ (t) = e− σ MX √
nσ
√
tm n
= e− σ en ln(MX (t))
t2
+◦(1)
= e 2

t
On en déduit lim MSn∗ (t) = .
n→+∞ 2

Partie III: Cas des variables aléatoires discrètes réelles infinies

6. (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) • 0 ∈ IX , car E e0X = P (X = x) = 1
x∈X(Ω)
• Soit a, c ∈ IX tels 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.
X λn
7. Soit t ∈ R, la variable etX admet une espérance si, et seulement, si la série à termes positifs etn e−λ
n!
n>0
X (λe ) t n
t
converge. Or la série exponentielle converge de somme eλe , donc MY est définie sur R et
n!
n>0
t
−λ
∀t ∈ R, MY (t) = eλe

c Mprepas 5 [Link]
Devoir surveillé n◦ :5 Corrigé

8. (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

α|xn | k
u(k)
n (t) 6 P (X = xn ) |xn | e

(b) Soit k ∈ N∗ . La fonction ψk : x ∈ R+ 7−→ xk e(α−ρ)x est continue, k

h h t 0 ρ−α +∞
k
positive, strictement décroissante sur ρ−α , +∞ et strictement
h i   ψk0 (t) + 0 −
k k
croissante sur 0, ρ−α il existe Mk = ψk ρ−α > 0,
Mk
Pour k = 0, la fonction ψk : x ∈ R+ 7−→ e(α−ρ)x est décroissante ψk
0 0
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 ]−a, a[

• Soit k ∈ N, on a pour tout n ∈ N, eρ|xn | 6 eρxn + e−ρxn et −ρ, ρ ∈ ]−a, a[ ⊂ IX , donc la série à termes
X X
positifs P (X = xn )eρ|xn | converge et, par suite, la série u(k)
n converge normalement sur tout
n>0 n>0
segment [−α, α] inclus dans ]−a, a[
+∞
X
Donc, par le théorème de dérivation terme à terme, MX = un
n=0
est de classe C ∞ sur ]−α, α[, 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 admet un
n>0
moment d’ordre k. Ainsi
(k)
MX (0) = E X k


∀k ∈ N,
t
−λ
9. 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

Problème II
1. (a) Par stabilité Sn suit la loi binomiale de taille n et de paramètre pn . En abrégé Sn ,→ B(n, pn )
(b) Soit k un entier naturel
n−k
i. On a P (Sn = k) = Cnk pkn (1 − pn )
λ
ii. • Par hypothèse pn ∼ , donc pn −−−−−→ 0.
n n→+∞
• On a pn −−−−−→ 0, donc ln(1 − pn ) = −pn + ◦ (pn ), soit
n→+∞

n ln(1 − pn ) = −npn + ◦ (npn ) = −λ + ◦(1)

Donc (1 − pn )n −−−−−→ e−λ

n→+∞

c Mprepas 6 [Link]
Devoir surveillé n◦ :5 Corrigé

n−k
iii. On a P (Xn = k) = Cnk pkn (1 − pn )n−k , avec Cnk ∼ nk et (1 − pn ) ∼ e−λ , il vient

(npn )k −λ (λ)k −λ
P (Xn = k) = Cnk pkn (1 − pn )n−k ∼ e ∼ e
k! k!
(c) i. Les valeurs prises par Xi sont 0 et 1, donc Nn (Ω) = {0, 1}
n
\
ii. Par définition Nn = max (X1 , · · · , Xn ), donc [Nn = 0] = [Xk = 0]. Par indépendance, il vient
k=1

n
!
\
P (Nn = 0) = P [Xk = 0]
k=1
n
Y
= P (Xk = 0)
k=1
Yn
= (1 − pn )
k=1
n
= (1 − pn )

Ainsi P (Nn = 0) −−−−−→ e−λ On a P (Nn = 1) = 1 − P (Nn = 0) −−−−−→ 1 − e−λ .

n→+∞ n→+∞

2. (a) Inégalité de convexité

+∞  k  
X λ 1 −λ λ −λ
(b) On a tout d’abord e n =1− 1+ e n
n k! n
k=2

+∞  k +∞  k
X λ 1 −λ λ
−n λ −λ X λ 1 −λ
P (U = k) − e n = P (U = 0) − e + P (U = 1) − e n + e n
n k! n n k!
k=0 k=2
   
λ −n λ λ −nλ
 λ −λ
= 1− −e + 1−e + 1− 1+ e n
n n n
   
λ
−n λ λ λ
−n
 λ −λ
= e −1+ + 1−e + 1− 1+ e n
n n n
2λ  λ

= 1 − e− n
n

λ λ
(c) D’après la question (2a), on a 1 − e− n 6 . Alors
n
+∞  k
X λ 1 −λ 2λ  λ

P (U = k) − e n = 1 − e− n
n k! n
k=0
 2
λ
6 2
n

X
3. (a) ([U = k − i])k∈N est une famille d’événements deux à deux incompatibles, donc la série ATP P (U = k − i)
k>0
converge. De même ([V = k − i])k∈N st une famille d’événements deux à deux incompatibles, donc la série
X
ATP P (V = k − i) converge. Or |P (U = k − i) − P (V = k − i)| 6 P (V = k − i) + P (U = k − i), donc
k>0
X
par le critère de comparaison des séries ATP, la série |(P (U = k − i) − P (V = k − i)| est convergente.
k>0

c Mprepas 7 [Link]
Devoir surveillé n◦ :5 Corrigé

Remarquons que ∀k < i, on a P (U = k − i) = P (V = k − i) = 0, et alors

+∞
X
Ai = |P (U = k − i) − P (V = k − i)|
k=0
+∞
X
= |P (U = k − i) − P (V = k − i)|
k=i
+∞
X
= |P (U = k) − P (V = k)|
k=0
 2
λ
62
n
X
(b) ([Z = i])i∈N est une famille d’événements deux à deux incompatibles, donc la série ATP P (Z = i)
i>0
X
converge et comme Ai P (Z = i) = O (P (Z = i)), alors la série Ai P (Z = i) est convergente
i→+∞
i>0
X
(c) • Soit i ∈ N, la série ((P (U = k − i) − P (V = k − i)) P (Z = i) est absolument convergente. En
k>0
+∞  2
X λ
notant Ai == |(P (U = k − i) − P (V = k − i)| 6 2
n
k=0
X
• D’après la question précédente la série Ai P (Z = i) converge
i>0
Donc, d’après le théorème de Fubini, la suite double est sommable et
+∞ X
X +∞ +∞ X
X +∞
|(P (U = k − i) − P (V = k − i)| P (Z = i) = |(P (U = k − i) − P (V = k − i)| P (Z = i)
k=0 i=0 i=0 k=0

4. (a) Pour tout k ∈ N, on a |P (Z + U = k) − P (Z + V = k)| 6 |P (Z + U = k)| + |P (Z + V = k)| et puisque

les deux variables Z + U et Z + V sont à valeurs dans N, alors les deux familles ([Z + U = k])k∈N et
([Z + V = k])k∈N constituées des événements deux à deux incompatibles d’unions Ω et, par suite, par la
X X
σ-additivité les deux séries à termes positifs P (Z + U = k) et P (Z + U = k) convergent. On en
k>0 k>0
déduit que la série de terme général |P (Z + U = k) − P (Z + V = k)| est convergente
(b) Comme Z (Ω) ⊂ N et les variables Z et U sont indépendantes, alors pour tout k ∈ N, on a:
+∞
X +∞
X
P (Z + U = k) = P (Z = i, U = k − i) = P (Z = i) P (U = k − i)
i=0 i=0

De même
+∞
X +∞
X
P (Z + V = k) = P (Z = i, V = k − i) = P (Z = i) P (V = k − i)
i=0 i=0

Alors, par différence et inégalité triangulaire, on obtient

+∞
X
|P (Z + U = k) − P (Z + V = k)| = (P (U = k − i) − P (V = k − i)) P (Z = i)
i=0
+∞
X
6 |P (U = k − i) − P (V = k − i)| P (Z = i)
i=0

Par la question (3), on a

+∞
X +∞ X
X +∞
|P (Z + U = k) − P (Z + V = k)| 6 |(P (U = k − i) − P (V = k − i)| P (Z = i)
k=0 k=0 i=0
+∞ X
X +∞
= |(P (U = k − i) − P (V = k − i)| P (Z = i)
i=0 k=0

c Mprepas 8 [Link]
Devoir surveillé n◦ :5 Corrigé

+∞  2
X λ
D’après la question (3a), on a |(P (U = k − i) − P (V = k − i)| P (Z = i) 6 2 P (Z = i), et la
n
k=0
+∞
X
somme P (Z = i) = 1 donne
i=0

+∞
X +∞ X
X +∞
|P (Z + U = k) − P (Z + V = k)| 6 |(P (U = k − i) − P (V = k − i)| P (Z = i)
k=0 i=0 k=0
+∞
 2 X
λ
6 2 P (Z = i)
n i=0
 2
λ
6 2
n

n−1
X
5. (a) Soit k ∈ N, alors par télescopage P (Ψn = k) − P (Ψ0 = k) = (P (Ψi+1 = k) − P (Ψi = k)), puis par
i=0
inégalité triangulaire
n−1
X
|P (Ψn = k) − P (Ψ0 = k)| 6 |P (Ψi+1 = k) − P (Ψi = k)|
i=0

i n  
X X λ
(b) Pour i ∈ [[0, n − 1]], on pose Zi = Uk + Vk . On a Zi est à valeurs dans N, Ui+1 ,→ B et
j=1
n
k=i+2
 
λ
Vi+1 ,→ P . Par indépendance héritée Zi et Ui+1 sont indépendantes et Zi et Vi+1 le sont aussi. Or
n
Zi + Ui+1 = Ψi+1 et Zi + Vi+1 = Ψi , alors d’après la question (4), on a
+∞
X +∞
X
|P (Ψi+1 = k) − P (Ψi = k)| = |P (Zi + Ui+1 = k) − P (Zi + Vi+1 = k)|
k=0 k=0
 2
λ
6 2
n

On tire donc
+∞
X +∞ n−1
X X
|P (Ψn = k) − P (Ψ0 = k)| 6 |P (Ψi+1 = k) − P (Ψi = k)|
k=0 k=0 i=0
n−1
XX +∞
6 |P (Ψi+1 = k) − P (Ψi = k)|
i=0 k=0
2
2λ
6
n
   
λ λ
(c) Soit Ψn = U1 + · · · + Un , avec Ui ,→ B et Y = Ψ0 = V1 + · · · + Vn , avec Vi ,→ P et telles que les
n  n 
λ
variables U1 , · · · , Un , V1 , · · · , Vn soient indépendantes, alors par stabilité Ψn ,→ B n, et Ψ0 ,→ P (λ).
n
D’après la question précédente
+∞ +∞
X λk X 2λ2
P (X = k) − e−λ = |P (Ψn = k) − P (Ψ0 = k)| 6
k! n
k=0 k=0

c Mprepas 9 [Link]