S3 PSE Probabilités et Séries entières :

Probabilités et Séries entières

Fonctions génératrices de V.A.R discrète finie

Définition : Fonction génératrice d’une variable aléatoire discrète finie
Soit X une variable aléatoire telle que : X(Ω) = J0, nK . Sa fonction génératrice est la fonction G X définie
n
X
pour tout t ∈ R par : G X (t) = P(X = k)tk .
k=0

Remarques :
1. La fonction G X est un polynôme en t , en notant pk = P(X = k), on a : G X (t) = p0 + p1 t + · · · pn tn .
2. La fonction génératrice caractérise entièrement la loi de X. Par exemple, si une autre variable aléatoire Y a la
même fonction génératrice, alors ces deux variables ont des lois identiques.
Théorème : Propriétés fondamentales des fonctions génératrices :
Soient X et Y deux variable aléatoire indépendantes, G X et GY leur fonctions génératrices. On a alors :
 2
G X (1) = 1, E(X) = G′X (1) et Var(X) = G X ′′ (1) + G′X (1) − G′X (1) .
La somme X + Y admet alors la fonction génératrice : G X+Y (t) = G X (t) × GY (t)

Cas de la loi binomiale : Soient p ∈ [0, 1] et n ∈ N. Une variable binomiale Y de paramètres (n, p) est une
somme de n variables de Bernoulli indépendantes Xi , i ∈ J1, nK de paramètre p.
Y = X1 + X2 + · · · + Xn , avec ∀i ∈ J1, nK, Xi (Ω) = {0, 1}, P (Xi = 1) = p et P (Xi = 0) = 1 − p.
Fonction génératrice et loi de Y : ∀i ∈ J1, nK , Xi admet la fonction génératrice : G Xi (t) = (1 − p) + pt
Ainsi, la fonction génératrice de Y est : GY (t) = G X1 (t) × G X2 (t) × · · · × G Xn (t)
 = ((1 − p) + pt)n .
La formule du binôme permet de retrouver : Y(Ω) = J0, nK et P(Y = k) = nk (1 − p)n−k pk .

Séries entières
Généralités
X
Définition : Soit x ∈ R. Une série entière est une série de la forme an xn où (an )n∈N est une suite réelle.
Le terme général de la série est donc une fonction de x de la forme un (x) = an xn .
Remarques :
1. Les résultats énoncés dans la suite du module ne concernent que les séries dont le terme général dépend de x
de cette façon : le coefficient an ne dépend que de n et pas de x. Les résultats énoncés dans ce module ne sont pas
généralisables aux cas où les un (x) sont des fonctions quelconques de x.
2. Une série entière est toujours convergente en x = 0. En effet, pour cette valeur de x, les termes un (x) = an xn
sont tous nuls sauf u0 (x) = a0 donc la série converge vers a0 .
+∞
X
3. Si la série converge en d’autres valeurs de x, alors on peut définir : f (x) = an xn = a0 + a1 x + a2 x2 + · · ·
n=0
L’ensemble des valeurs de x pour lesquelles la série converge est le domaine de convergence de la série.
C’est aussi le domaine de définition D f de la fonction f .

EPITA Strasbourg Spé 1 [Link]

S3 PSE Probabilités et Séries entières :

X +∞
X
n
Définition : Considérons an x et la fonction : f : x 7−→ an xn . Alors il existe R ∈ R+ ∪ {+∞} tel que :
n=0
1. Pour tout x ∈ R tel que |x| < R, la série converge absolument.
2. Pour tout x ∈ R tel que |x| > R, la série diverge.
R est appelé rayon de convergence de la série entière. L’ensemble {x ∈ R, |x| < R} =] − R, R[ est appelé
disque ouvert de convergence de la série.
Interprétation :
1. Si R = 0, la série converge vers a0 en x = 0 et diverge en toute autre valeur de x. Ainsi, le domaine de définition
de f est D f = {0}.
2. Il n’y a pas de théorèmes généraux donnant la nature de la série si x = ±R, c’est alors du cas par cas.
3. Si R = +∞, alors la série converge absolument pour tout x ∈ R. La fonction f est définie sur R tout entier.
La règle de d’Alembert pour les séries entières permet souvent de déterminer le rayon de convergence.
X
Théorème : Soit an xn telle que an , 0 à partir d’un certain rang. S’il existe ℓ ∈ R+ ∪ {+∞} tel que
limn→+∞ |an | = ℓ :
|an+1 |

1. Si ℓ ∈ R∗+ , le rayon de convergence est 1ℓ .

2. Si ℓ = 0, le rayon de convergence de la série est +∞.
3. Si ℓ = +∞, le rayon de convergence est 0 .

Théorèmes fondamentaux
X
Définition : série dérivée et série intégrée. Soit an xn une série entière :
X
1. Sa série dérivée est la série nan xn−1 . Son terme général, qui est non nul à partir du rang n = 1, est

X du monôme an x . La série dérivée est aussi une série entière : en posant bn = (n + 1)an+1 ,
n
égal à la dérivée
elle s’écrit bn x n .
X xn+1
2. Sa série intégrée est la série an . On parle de série intégrée car son terme général est la primitive
n+1 x
Rx tn+1 xn+1
de an x qui vaut 0 quand x = 0 : 0 an t dt = an
n n
= an
n + 10 n+1 X
La série intégrée est elle aussi une série entière : en posant cn = n , elle s’écrit
an−1
cn xn (dont le terme
général n’est alors défini qu’à partir du rang n = 1 ).

Théorème de continuité, dérivation et intégration :

X +∞
X
Soient une série entière an xn avec R non nul et sa fonction somme : f (x) = an xn . Alors :
n=0
1. La fonction f est continue sur le disque ouvert de convergence ] − R, R[. Elle admet donc des primitives.
Rx
Celle qui vaut 0 en x = 0 est la fonction définie pour tout x ∈] − R, R[ par : F(x) = 0 f (t)dt
X Z x ! X
xn+1 X X
2. Les séries dérivées et intégrées : an t dt =
n
an et (an xn )′ = nan xn−1 ont le
0 n + 1
X
même rayon de convergence R que la série initiale an x n .

EPITA Strasbourg Spé 2 [Link]

S3 PSE Probabilités et Séries entières :

Corollaire : dérivées successives

Soient une série entière an xn de rayon de convergence non nul R ∈ R∗+ ∪ {+∞} et sa somme :
P

f (x) = +∞
n=0 an x = a0 + a1 x + a2 x2 + a3 x + · · ·
n 3
P

Alors f est de classe C ∞ sur ] − R, R[. De plus pour tout k ∈ N et pour tout x ∈] − R, R[ :
+∞ +∞
X X n!
f (x) =
(k)
n(n − 1) · · · (n − k + 1)an x n−k
= an xn−k . Le ayon de convergence est aussi égal à R.
n=k n=k
(n − k)!

Remarque :
Pour tout k ∈ N et en x = 0, seul le premier terme de la série donnant f (k) (0) est non nul. Ainsi : f (k) (0) = (k−k)!
k!
ak
+∞ +∞
f (k) (0) X X f (n) (0)
Donc : ak = , et : f (x) = an x n = xn
k! n=0 n=0
n!
Exemples fondamentaux :
Les deux exemples suivants sont à connaître absolument : ils interviendront dans l’étude de variables aléatoires
entières infinies.

Série géométrique X
Considérons la série entière xn . On sait que son rayon de convergence vaut 1 : la série converge si et seulement
si |x| < 1. De plus, pour tout x ∈] − 1, 1[,
+∞
X 1 − xn+1 1
xn = lim =
n→+∞ 1 − x 1−x
n=0

En intégrant cette relation, on obtient : pour tout x ∈] − 1, 1[,

+∞ Z x
X xn+1 1
= dt = [− ln(1 − t)]0x = − ln(1 − x)
n=0
n+1 0 1−t

Ce qu’on peut réécrire :

+∞ +∞
X −xn+1 x2 x3 X −xn
ln(1 − x) = = −x − − − ··· =
n=0
n+1 2 3 n=1
n
De même, en dérivant la série géométrique, on obtient pour tout x ∈] − 1, 1[ :
+∞ !′
X 1 1
nx n−1
= =
n=1
1−x (1 − x)2

Ce qu’on peut réécrire :

+∞ +∞
1 X X
2
= nx n−1
= 1 + 2x + 3x 2
+ 4x 3
+ · · · = (n + 1)xn
(1 − x) n=1 n=0

Série exponentielle
X xn
Considérons la série . D’après la règle de d’Alembert pour les séries entières, son rayon de convergence est
n!
+∞ car
1
(n + 1)! 1
lim = lim =0
n→+∞ 1 n→+∞ n + 1

n!

EPITA Strasbourg Spé 3 [Link]

S3 PSE Probabilités et Séries entières :

On peut donc définir sur R tout entier la fonction

+∞ n
X x x2 x3 x4
f : x 7−→ =1+x+ + + + ···
n=0
n! 2! 3! 4!

Dérivons cette fonction : pour tout x ∈ R

+∞
X xn−1 2x 3x2 4x3 x2 x3
f ′ (x) = =0+1+ + + + ··· = 1 + x + + + ···
n=1
(n − 1)! 2! 3! 4! 2! 3!

Ainsi, f ′ (x) = f (x). La fonction f est donc solution de l’équation différentielle y′ − y = 0. Or les solutions de
cette équation sont les fonctions de la forme y(x) = ke x où k ∈ R.
La fonction f est donc de cette forme et il reste à déterminer k. Pour cela, on calcule

02 03
f (0) = 1 + 0 + + + ··· = 1
2! 3!
Ainsi, ke0 = 1 et donc k = 1.
+∞ n
X x
Finalement, pour tout x ∈ R, = ex
n=0
n!
X
Définition : Une fonction f est développable en série entière s’il existe une série entière an xn de rayon
+∞
X
de convergence R , 0 telle que pour tout x ∈] − R, R[, f (x) = an xn .
n=0

Remarques : si f est développable en série entière, alors :

1. La fonction f est nécessairement de classe C ∞ sur ] − R, R[.
f (n) (0)
2. Ce développement est unique. En effet, le théorème de dérivation implique que, pour tout n ∈ N, an =
n!
Il ne peut pas exister d’autre série entière convergeant vers f .

Fonctions de références :
Les fonctions suivantes sont développables en séries entières :
+∞ n
X x x2 x3
1. e =
x
=1+x+ + + · · · . Le rayon de convergence est +∞.
n=0
n! 2! 3!
+∞
X xn x2 x3
2. ln(1 + x) = (−1)n−1 = x− + + · · · . Le rayon de convergence est 1.
n=1
n 2 3
+∞
α
X α(α − 1) · · · (α − n + 1) α(α − 1) 2
3. (1 + x) = xn = 1 + αx + x + · · · . Le rayon de convergence est +∞ si
n=0
n! 2!

α ∈ N, 1 sinon. En particulier, avec α = −1 on obtient et les rayons de convergence de ces deux séries sont tous
deux égaux à 1 .
+∞
X x2n+1 x3 x5
4. sin(x) = (−1) n
= x− + + · · · . Le rayon de convergence est +∞.
n=0
(2n + 1)! 3! 5!
+∞ 2n
X
n x x2 x4
5. cos(x) = (−1) =1− + + · · · . Le rayon de convergence est +∞.
n=0
(2n)! 2! 4!

EPITA Strasbourg Spé 4 [Link]

S3 PSE Probabilités et Séries entières :

Variable aléatoires discrètes

Définition :
Soient (Ω, P, P(Ω)) un espace probabilisé et une variable aléatoire : X : Ω −→ R . Nous nous limitons ici
au cas où X est une variable entière, c’est-à-dire où X(Ω) ⊂ N.

Loi de X :
La loi de X est donnée, d’une part par X(Ω), d’autre part par P(X = n) pour tout n ∈ X(Ω).
On a alors : P(Ω) = 1 ⇐⇒ +∞ n=0 P(X = n) = 1 . Ainsi, P(X = n) est convergente et sa somme vaut 1 .
P P
X
Application : calcul de P(X ∈ A) : Pour tout ensemble A ⊂ N, P(X ∈ A) = P(X = n)
n∈A
Si A est un ensemble infini, cette somme est la limite d’une série numérique. Cette série est bien convergente et
sa somme est inférieure ou égale à 1 .
Définition :
Soit X une variable entière infinie. Son espérance E(X) et sa variance Var(X) sont définies par les sommes :
+∞ +∞
X X √
E(X) = nP(X = n) et Var(X) = (n − E(X))2 P(X = n) . L’écart-type de X est : σ(X) = Var(X).
n=0 n=0

Remarques :
L’espérance et la variance de X sont des limites de séries numériques. Ainsi, leurs existences sont conditionnées
à la convergence de ces séries.
1. Si la série nP(X = n) diverge, la variable X n’a ni espérance ni variance.
P
2. Si la série nP(X = n) converge mais pas la série (n − E(X))2 P(X = n), alors X a une espérance mais pas de
P P
variance.
Propriétés :
Soient X et Y deux variables aléatoires entières ayant chacune une espérance et une variance, et (a, b) ∈ R2 .
1. E(aX + b) = aE(X) + b
2. E(X + Y) = E(X) + E(Y)
3. Var(aX + b) = a2 Var(X)
4. Si X et Y sont
 indépendantes,
 Var(X + Y) = Var(X) + Var(Y)
5. Var(X) = E X 2 − (E(X))2

EPITA Strasbourg Spé 5 [Link]