ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 1

Correction des exercices de la …che 8

Attention : tous les exercices concernant la convergence
en probabilité sont hors programme.

1 Approximations
a
Comme on e¤ectue une succession de 400 épreuves de Bernoulli (dont le succès est d’obtenir
”pile” avec une probabilité de 1/2), indépendantes et de même paramètre 1/2, il est clair que :

1
X ,! B 400;
2

b
D’après le cours, nous avons que :

E (X) = 200 V (X) = 100 (X) = 10

c 1
Pour les calculs des probabilités, nous utiliserons le fait que, comme n = 400 200 et p =
2
nous sommes dans les conditions pour dire que X ,! N (200; 100). Nous devrons, alors, introduire
'
X 200
X = la variable centrée et réduite associée à X; dont le théorème fondamental, nous permet
10

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 2

de dire que X ,! N (0; 1) : Ainsi, avec la correction de continuité :

'

P ([X > 200]) = P ([X 201])

= P ([X 200; 5])
X 200 200; 5 200
= P
10 10
= P ([X 0; 05])
= 1 P ([X < 0; 05])
' 1 (0; 05)
' 1 0; 51994
' 0; 48006
P ([190 < X < 210]) = P ([191 X 209])
= P ([190; 5 X 209; 5])
190; 5 200 X 200 209; 5 200
= P
10 10 10
= P ([ 0; 95 X 0; 95])
' (0; 95) ( 0; 95)
' 2 (0; 95) 1
' 2 0; 82894 1
' 0:65788
P ([185 < X < 205]) = P ([186 X 204])
= P ([185; 5 X 204; 5])
185; 5 200 X 200 204; 5 200
= P
10 10 10
= P ([ 1; 45 X 0; 45])
' (0; 45) ( 1; 45)
' (0; 45) (1 (1; 45))
' (0; 45) + (1; 45) 1
' 0; 67364 + 0; 92647 1
' 0:60011

P ([X = 201]) = P ([200; 5 X 201; 5])

200; 5 200 X 200 201; 5 200
= P
10 10 10
= P ([0; 05 X 0; 15])
' (0; 15) (0; 05)
' 0:55962 0:51994
' 0; 03968

2 Approximations
Soit X la variable aléatoire associée au nombre de personnes sujets de troubles parmi les 200. Comme
on e¤ectue une succession de 200 épreuves de Bernoulli (dont le succès est que la personne soit sujet
de troubles), indépendantes et de même paramètre 0,001, il est clair que :

X ,! B (2000; 0; 001)

Pour les calculs des probabilités, nous utiliserons le fait que, comme n = 2000 30; p = 0; 001 < 0; 1;

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 3

np = 2 < 10 nous sommes dans les conditions pour dire que X ,! P (2). Ainsi :
'

2 3
e 2
P ([X = 3]) '
3!
4 2
' e
3
' 0:180 45
P ([X > 2]) = 1 P ([X 2])
= 1 (P ([X = 0]) + P ([X = 1]) + P ([X = 2]))
20 21 22
' 1 e 2 + +
0! 1! 2!
' 0:32332

3 Approximations
a
Soit X la variable aléatoire associée au nombre de décès par an dus à la maladie dans la population
de N personnes. Comme on e¤ectue une succession de N épreuves de Bernoulli (dont le succès est que
la personne soit décédée, de probabilité 400=1:106 ), indépendantes et de même paramètre 400/1.106 ; il
est clair que :
400
X ,! B N; 6 () X ,! B N; 4:10 4
10
D’après le cours, nous avons :

4 4 4 3
E (X) = 4:10 N V (X) = 4:10 1 4:10 N = 3:5263 10 N

N = 1000
4
Comme N = 1000 30; p = 4:10 < 0; 1; N p = 0; 4 < 10 alors X ,! P (0; 4) soit :
'

0;4 k
e (0; 4)
8k 2 N; P ([X = k]) '
k!
Cherchons k tel que P ([X k]) 0; 95: Nous avons :

k P ([X = k]) P ([X k])

0 0:67032 0:67032
1 0:26813 0:93845
2 5: 3626 10 2 0: 99208

Finalement la probabilité de constater au plus deux décès est au moins égale à 95%

N = 10 000
3
Comme N = 10000 30; p = 4:10 < 0; 1; N p = 4 < 10 alors X ,! P (4) soit :
'

4 k
e (4)
8k 2 N; P ([X = k]) '
k!
Cherchons k tel que P ([X k]) 0; 95: Nous avons :

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 4

k P ([X = k]) P ([X k])

0 1; 8316:10 2 1; 8316:10 2
1 7; 3263:10 2 0; 091579
2 0; 14653 0; 238109
3 0; 19537 0; 433479
4 0; 19537 0; 628849
5 0; 15629 0; 785139
6 0; 1042 0; 889339
7 0; 05954 0; 948879
8 0; 02977 0; 978649

Finalement la probabilité de constater au plus huit décès est au moins égale à 95%

N = 100 000
Comme N = 100000 30; N p = 353: 89 > 10, N (1
p) = 99646 > 10 nous sommes dans les
X 354
conditions pour dire que X ,! N (354; 352: 63) : Nous devrons alors introduire X = la
' 18:8
variable centrée et réduite associée à X dont le théorème fondamental, nous permet de dire que
X ,! N (0; 1) : Ainsi, avec la correction de continuité :
'

P ([X k]) = P ([X k + 0; 5])

X 354 k + 0; 5 354
= P
18:8 18:8
2
= P X 5:319 1 10 k 18:803
2
' 5: 319 1 10 k 18:803

et
2
P ([X k]) 0; 95 () 5:319 1 10 k 18:803 0; 95
2
() 5:319 1 10 k 18:803 1; 65
() (k 384)

D’où :
X 384 à 95% près

4 Approximations
Soit X la variable aléatoire associée au nombre de clients, parmi les 150, achetant au cours de la journée
une boîte d’aspirine dans la pharmacie. Comme on e¤ectue une succession de 150 épreuves de Bernoulli
(dont le succès est que la personne achete au cours de la journée une boîte d’aspirine, de probabilité 0,02),
indépendantes et de même paramètre 0,02, il est clair que :

X ,! B (150; 0; 02)

Comme n = 150 30; p = 0:02 < 0; 1, np = 3 < 10 alors X ,! P (3) soit :

'

3 k
e (3)
8k 2 N; P ([X = k]) '
k!
Cherchons alors k tel que P ([X k]) 0; 98: Nous avons :

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 5

k P ([X = k]) P ([X k])

0 0; 04979 0; 04979
1 0; 14936 0; 19915
2 0; 22404 0; 42319
3 0; 22404 0; 64723
4 0; 16803 0; 81526
5 0; 10082 0; 91608
6 0; 05041 0; 96649
7 0; 02160 0; 98810

Le stock minimum pour que la pharmacie puisse satisfaire à la demande avec une probabilité de 98%.est de 7 boîtes

5 Convergence en loi
a
Par dé…nition :
8n 2 N ; 8x 2 R; Fn (x) = P ([Mn x])
et :

n
!
\
8n 2 N 8x 2 R Fn (x) = P [Xk x]
k=1
n
Y
= P ([Xk x]) car les variables Xk sont indépendantes
k=1
Yn
= F (x)
k=1
n
= (F (x))

Conclusion :
8n 2 N ; Fn = F n

b
Pour cela introduisons FZn la fonction de répartition associée à Zn qui reste une variable à
densité, car obtenue à partir d’un changement a¢ ne à partir de Mn :Elle est dé…nie par :
8n 2 N ; 8x 2 R; FZn (x) = P ([Zn x])
et :
8n 2 N 8x 2 R FZn (x) = P ([ Mn ln n x])
= P ([ Mn x + ln n])
x + ln n
= P Mn car >0

x + ln n
= Fn
n
x + ln n
= F selon la question précédente
8 n
< x + ln n
1 exp si x + ln n 0
=
:
0 si x + ln n < 0
n
(1 exp ( x ln n)) si x + ln n 0
=
0 si x + ln n < 0
8 x n
< e
1 si x + ln n 0
= n
:
0 si x + ln n < 0

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 6

Maintenant sachant que x est …xé dans R, étudions lim FZn (x) :
n!+1
x
Pour n assez grand, (x + ln n) sera toujours positif, ainsi lim FZn (x) = exp ( e ) car :
n!+1

x n x
e e
1 = exp n ln 1
n n
et
x
e x
n ln 1 e
n +1

Par continuité de la fonction exp sur R, pour x …xé dans R,

x n
e x
lim 1 = exp e
n!+1 n

Notons G la "fonction limite" obtenue, elle est dé…nie par :

x
8x 2 R; G (x) = exp ( e )

Nous avons :
8
>
> G 2 C 1 (R; R) donc G 2 C 0 (R; R) ;
>
< limG = 0;
1
>
> limG = 1;
>
: +1
8x 2 R, G0 (x) = e x
exp ( e x
) > 0 donc G est strictement croissante.

Toutes ces propriétés nous amènent à dire que G est une fonction de répartition et que :

L
(Zn )n 1 !Z

où Z est une variable à densité, dont une densité fZ est obtenue par dérivation de G sur R,
est dé…nie par :
8x 2 R; fZ (x) = exp ( (x + e x ))

c.i
Introduisons FZn la fonction de répartition associée à Zn qui reste une variable à densité, car
obtenue à partir d’un changement a¢ ne à partir de Mn : Elle est dé…nie par :

8n 2 N ; 8x 2 R; FZn (x) = P ([Zn x])

et :
h 1
i
8n 2 N ; 8x 2 R; FZn (x) = P n a (Mn 1) x
h 1
i
= P Mn 1 n ax
h 1
i
= P Mn n ax + 1
1
= Fn n a x+1
1 n
= F n a x+1

1 1
Ici quand n est très grand, n a est très petit, dés lors n a x + 1 est très proche de 1. Mais le problème
1
est que l’on ne sait pas pour x …xé dans R, si n a x + 1 est supérieur ou inférieur à 1. Tout dépend du
signe de x: Donc :
1
si x 0; alors n a x+1 1 et :
1 n
F n a x+1 = 1n
= 1

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 7

1
si x < 0; alors n a x + 1 < 1 et :
1 n 1 a n
F n a x+1 = 1 xn a

n
1 a
= 1 ( x)
n
1 a
= exp n ln 1 ( x)
n
Ces deux résultats étant bien sûr donnés pour n grand ! Alors :
si x 0 : lim FZn (x) = 1:
n!+1

si x < 0 :
a 1 a a
lim FZn (x) = exp ( ( x) ) car n ln 1 ( x) ( x)
n!+1 n +1

et par continuité de la fonction exp sur R, pour x …xé dans R,

1 a a
lim exp n ln 1 ( x) = exp ( ( x) )
n!+1 n
Moralité : En notant H la "fonction limite" obtenue, elle est dé…nie par :
a
exp ( ( x) ) si x < 0
H (x) =
1 si x 0
H possède clairement toutes les propriétés d’une fonction de répartition associée à une variable à
densité, car :

8
> H 2 C 0 (R; R) (à véri…er, c’est évident! ),
>
>
>
> H 2 C 1 R ; R et H 2 C 1 R+ ; R ;
>
>
< limH = 0;
1
>
> limH = 1;
>
> +1
>
> 8x 2 R , H 0 (x) = ( x) xa e ( x) > 0 et
a a
>
:
8x 2 R+ , H 0 (x) = 0 0 donc H est strict. %
Conclusion :
L
(Zn )n 1 !T

où T est une variable à densité, dont une densité fT est obtenue par dérivation de H sur R ,
sans oublier de poser que fT (0) = 0 . Elle est dé…nie par :

a a ( x)a
( x) xe > 0 si x 2 R
fT (x) =
0 si x 2 R+

[Link]
Si a = 1, Zn = n (Mn 1) et :
8
< 0 si x<0
F : x 7! x si 0 x 1
:
1 si x 1
ainsi X1 ,! U ([0; 1]) et comme :

ex si x < 0
H (x) =
1 si x 0
est la fonction de répartition de T , on montrerait sans di¢ culté que T ,! " (1) donc :

L
(Zn )n 1 !T où T ,! " (1)

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 8

6 Convergence en loi
a
Nous avons vu au TD précédent que le min d’un vecteur de VARAD reste une VARAD je ne referai
donc pas la démo. Nous avons :

8n 2 N ; Zn ( ) = [0; 1] =) 8n 2 N ; nZn ( ) = [0; n]

Soit FnZn la fonction de répartition de Zn dé…nie par :

8n 2 N ; 8x 2 R; FnZn (x) = P ([nZn x])

8n 2 N ; 8x 2 [0; n] ; FnZn (x) = 1 P ([nZn > x])

h xi
= 1 P Zn >
n
n
h xi
= 1 P \ Uk >
k=1 n
h xi n
= 1 P U>
h n xi n x
= 1 1 P U avec 2 [0; 1]
n n
x n
= 1 1 FU
n
x n
= 1 1
n
8n 2 N ; 8x 2 ] 1; 0[ ; FnZn (x) = 0
8n 2 N ; 8x 2 ]n; +1[ ; FnZn (x) = 1
Ainsi : 8
< 0
>
x n
si x < 0
8n 2 N ; FnZn (x) = 1 1 si x 2 [0; n]
>
: n
1 si x > n
On doit maintenant étudier lim FnZn (x), x étant …xé dans R.
n!+1

Si x est …xé dans R ; lim FnZn (x) = 0:

n!+1

Si x est …xé dans R+ sachant que l’inégalité x > n est impossible lorsque x est indé…niment grand,

x n
lim FnZn (x) = lim 1 1
n!+1 n!+1 n
x
= lim 1 exp n ln 1
n!+1 n
x
= 1 e

car :
x nx
n ln 1 x
n +1 n +1
et par continuité de la fonction exp sur R, pour x …xé dans R+ :
x
lim exp n ln 1 = exp ( x)
n!+1 n
Moralité :
L
(Zn )n 1 !Y où Y ,! " (1)

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 9

b
Tout d’abord en notant Y = ' (X) où :

' : R+ ! R
x
x 7 ! e

' réalisant une bijection de classe C 1 et de dérivée non nulle sur X ( ) = R+ , Y reste une variable à
densité avec Y ( ) = ]0; 1] : Soit FY la fonction de répartition de Y dé…nie par :

8x 2 R; FY (x) = P ([Y x])

et :

8
< 0 si x 0
FY (x) = P e X x si x 2 ]0; 1]
:
1 si x > 1
8
< 0 si x 0
= P ([ X ln x]) si x 2 ]0; 1]
:
1 si x > 1
8
>
> 0 si x 0
< ln x
= P X si x 2 ]0; 1]
>
>
:
1 si x > 1
8
>
> 0 si x 0
< ln x
= 1 P X< si x 2 ]0; 1]
>
>
:
1 si x > 1
8
>
> 0 si x 0
< ln x
= 1 FX si x 2 ]0; 1]
>
>
:
1 si x > 1
8
>
> 0 si x 0
< ln x ln x
= 1 1 exp si x 2 ]0; 1] car 0
>
>
:
1 si x > 1
8
< 0 si x 0
= 1 1 + exp (ln x) si x 2 ]0; 1]
:
1 si x > 1
8
< 0 si x 0
= x si x 2 ]0; 1]
:
1 si x > 1

Conclusion :

Y ,! U (]0; 1]) où même Y ,! U ([0; 1]) car P ([Y = 0]) = 0

c.i
Nous savons d’après la question précédente que 8k 2 [[1; n]] ; e Xk ,! U ([0; 1]) alors comme
ces variables sont indépendantes, du fait de l’indépendance des variables Xk ; et :

L
(An )n 1 ! Z où Z ,! " (1)

[Link]
Nous avons vu au TD précédent que le max d’un vecteur de VARAD reste une VARAD je ne
referai donc pas la démo.
Tout d’abord Dn ( ) = [ ln n; +1[ : Soit FDn la fonction de répartition de Dn dé…nie par :

8x 2 R; FDn (x) = P ([Dn x])

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 10

et :

0 si x < ln n
FDn (x) =
P ([max (X1 ; : : : ; Xn ) ln n x]) si x ln n
0 si x < ln n
=
P ([max (X1 ; : : : ; Xn ) x + ln n]) si x ln n
8
< 0
>
n
! si x< ln n
= \
: P
> [Xk x + ln n] si x ln n
k=1
8
>
< 0n si x < ln n
= Y car les variables Xk sont indtes
>
: P ([Xk x + ln n]) si x ln n
k=1
0 si x < ln n
= n
(P ([X1 x + ln n])) si x ln n
0 si x < ln n
= n
(FX1 (x + ln n)) si x ln n
0 si x< ln n
= n
(1 exp ( x ln n)) si x ln n
0 si x< ln n
= n
(1 exp ( x ln n)) si x ln n
8
< 0 si x < ln n
x n
= e
: 1 si x ln n
n
Etudions alors lim FDn , pour x étant …xé dans R. Nous avons pour tout n 1, et pour x …xé dans
n!+1
x
e
R, FDn (x) = exp n ln 1 or :
n
x x
e e x
n ln 1 n e
n +1 n +1

et par continuité de la fonction exp sur R, pour x …xé dans R :

x
lim FDn (x) = exp e
n!+1

Cette fonction limite a déjà été étudiée dans l’exercice 5 et ses propriétés sont celles d’une fonction
de répartition d’une variable à densité.
Moralité :
L
(Dn )n 1 ! T où T est une variable à densité de densité fT dé…nie par :
8x 2 R; fT (x) = e x exp ( e x ) Loi de Gumbel

7 Convergence en probabilité
a
8i 2 [j1; nj] ; Ti ( ) = f0; 1g et :
N
n 1
8i 2 [j1; nj] ; P ([Ti = 1]) =
n
Explication : On a (n 1) possibilités de placer chaque boule dans n’importe quelle urne sauf la ièm e ;
et il y a N boules à placer.
Conclusion : !
N
n 1
8i 2 [j1; nj] Ti ,! B
n

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 11

et d’après le cours :
!
N N N
n 1 n 1 n 1
8i 2 [j1; nj] ; E (Ti ) = et E (Ti ) = 1
n n n

b
N
2 n 2
8 (i; j) 2 ([j1; nj]) ; i 6= j; E (Ti Tj ) = P ([Ti Tj = 1]) =
n

Explication : On a (n 2) possibilités de placer chaque boule dans n’importe quelle urne sauf la ièm e
et la j èm e ; et il y a N boules à placer. Alors :

2
8 (i; j) 2 ([j1; nj]) ; i 6= j; Cov (Ti Tj ) = E (Ti Tj ) E (Ti ) E (Tj )
N 2N
n 2 n 1
=
n n

n
X
c
Par linéarité de l’espérance 8n 1; et sachant qu’on a clairement Yn = Tk nous avons :
k=1

Yn
E (Sn ) = E
n
1
= E (Yn )
n !
Xn
1
= E Tk
n
k=1
n
1X
= E (Tk )
n
k=1
Xn N
1 n 1
=
n n
k=1
N
n n 1
=
n n
N
n 1
=
n
1
= exp N ln 1
n
avec :
1 N
N ln 1 a
n +1 n +1

et par continuité de la fonction exp sur R,

1 a
lim exp N ln 1 =e
n!+1 n

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 12

n
!
1X
8n 1; V (Sn ) = V Tk
n
k=1
0 1
n
X X
1 @
= V (Tk ) + 2 cov (Ti ; Tj )A
n2
k=1 1 i<j n
0 ! !1
1 @ 1
N
1
N X n 2
N
n 1
2N
= n 1 1 1 +2 A
n 2 n n n n
1 i<j n
0 !1
1 @ 1
an
1
an X n 2
an
n 1
2an
= n 1 1 1 +2 A
n 2 n n n n
1 i<j n
!
an an an 2an
1 1 1 n 2 n 1
= 1 1 1 + 2Cn2
n n n n n
!
an an an 2an
1 1 1 n 1 n 2 n 1
= 1 1 1 +
n n n n n n

Or :

an
1 a
lim 1 =e
n!+1 n
an
1 a
lim 1 1 =1 e
n!+1 n
n 1
lim =1
n!+1 n
an
n 2 2a
lim =e
n!+1 n
2an
n 1 2a
lim =e
n!+1 n
Explications :
an
1 1 1
1 = exp an ln 1 et an ln 1 a
n n n +1
n 1
1
n +1
an
n 2 2 2
= exp an ln 1 et an ln 1 2a
n n n +1
2an
n 1 1 1
= exp 2an ln 1 et 2an ln 1 2a
n n n +1

Moralité : Comme :
!
an an an 2an
1 1 1 n 1 n 2 n 1
lim 1 1 1 = lim
n!+1 n n n n!+1 n n n
= 0

lim V (Sn ) = 0
n!+1

e.i

a a
8! 2 ; Sn (!) e = Sn (!) E (Sn ) + E (Sn ) e
a
jSn (!) E (Sn )j + jE (Sn ) e j

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 13

par l’inégalité triangulaire.

[Link] a
Comme lim E (Sn ) = e alors :
n!+1

a "
8" > 0; 9n0 2 N j 8n n0 ; jE (Sn ) e j<
2
Donc en supposant que n n0 :
h "i a
8" > 0; jSn (!) E (Sn )j < [jSn (!) e j < "]
2
cela entraine que pour n n0 :
h "i
8" > 0; 8! 2 ; 0 jSn (!) E (Sn )j <
P P ([jSn (!) e a j < "])
h 2
"i
8" > 0; 8! 2 ; 0 1 P jSn (!) E (Sn )j 1 P ([jSn (!) e a j "])
2
h "i
8" > 0; 8! 2 ; 0 P ([jSn (!) e a j "]) P jSn (!) E (Sn )j
2

[Link]
Selon le résultat précédent et l’inégalité de Bienaymé-Tchebychev :

h "i 4V (Sn )
a
8" > 0; 8n n0 ; 8! 2 ; 0 P ([jSn (!) e j "]) P jSn (!) E (Sn )j
2 "2
et par le théorème d’encadrement :
a
8" > 0 , lim P ([jSn (!) e j "]) = 0
n!+1

[Link]
Par dé…nition de la convergence en probabilité :
P a
(Sn ) ! C où C est la variable certaine égale à e

8 Convergence en probabilité
Calculons pour commencer E (Sn ) :
Comme Sn s’exprime comme somme de variables de Bernoulli alors Sn admet une espérance (et
une variance au passage) égale à :

n
1X
E (Sn ) = E (Yi )
n i=1
n
1X
= P ([Xi Xi+1 = 1])
n i=1
n
1X
= P ([Xi = 1]) P ([Xi+1 = 1])
n i=1
n
1X 2
= p
n i=1
= p2
V (Sn )
Nous avons : 0 1
n
X X
1 @
V (Sn ) = V (Yi ) + 2 Cov (Yi ; Yj )A
n2 i=1
1 i<j n
avec :

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 14

– Si j > i + 1; Cov (Yi ; Yj ) = 0 car les variables Yi ; Yj sont clairement indépendantes1 .

– Si j = i + 1 :
2
Cov (Yi ; Yj ) = E Xi Xi+1 Xi+2 E (Yi ) E (Yj )
= P ([Xi = 1] \ [Xi+1 = 1] \ [Xi+2 = 1]) p4
= P ([Xi = 1]) P ([Xi+1 = 1]) P ([Xi+2 = 1]) p4
= p3 p 4

Notez que :

8i 2 N ; Yi ,! B (P ([Yi = 1])) =) Yi ,! B (P ([Xi Xi+1 = 1]))

2
=) Yi ,! B (P ([Xi = 1]))
=) Yi ,! B p2
=) E (Yi ) = p2 et V (Yi ) = p2 1 p2

Moralité :
!
1 P
n P
V (Sn ) = p2 1 p2 + 2 p3 p4
n2 i=1 1 i n 1
1
= np2 1 p2 + 2 (n 1) p3 p4
n2
(n 2p + 3np) (1 p) p2
=
n2
Notons que lim V (Sn ) = 0 du fait que :
n!+1

(n 2p + 3np) (1 p) p2 (1 + 3p) (1 p) p2
n2 n!1 n
D’après l’inégalité de Bienaymé-Tchebychev :
V (Sn ) (n 2p + 3np) (1 p) p2
8" > 0; P ([jSn E (Sn )j > "]) =) P Sn p2 > "
"2 n2 " 2
Le passage à la limite donnant lim P Sn p2 > " = 0 ce qui équivaut à dire que :
n!1

P
(Sn )n2N ! p2

9 Convergence en probabilité
a
Comme Sn s’exprime comme somme de variables …nies alors Sn admet une espérance (et une variance
au passage) égale à

n
1X
E Sn = E (Xi )
n i=1
n
1X
= 1 2pi
n i=1
2 1 pn
= 1 p
n 1 p

et :
lim E Sn = 1
n!+1

1 Il n’y a pas de ”chevauchement” des indices !

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 15

b
C’est typiquement le type de question nécessitant l’emploi de l’IBT. Il ne manque donc la variance
de Sn :

n
1 X
V Sn = V (Xi )
n2 i=1
n
1 X 2
= E Xi2 (E (Xi ))
n2 i=1
n
1 X 2
= 1 1 2pi
n2 i=1
n
1 X
= 4pi 4p2i
n2 i=1
n n
!
4 X X
i 2 i
= p p
n2 i=1 i=1
n n
!
4 X X
i 2 i
= p p
n2 i=1 i=1
4 1 pn 1 p2n
= p p2
n2 1 p 1 p2
et :
4 4 1 pn 1 p2n
V Sn = p p2
"2 n2 "2 1 p 1 p2
! 0
n!+1

C’est là que l’exercice 7 va nous sauver !

8! 2 ; Sn (!) 1 = Sn (!) E Sn + E Sn 1
Sn (!) E Sn + E Sn 1

par l’inégalité triangulaire.

Comme lim E Sn = 1 alors :
n!+1

"
8" > 0; 9n0 2 N j 8n n0 ; E Sn 1 <
2
Donc en supposant que n n0 :
h "i
8" > 0; Sn E Sn < Sn 1 <"
2
cela entraine que pour n n0 :

h "i
8" > 0; 0 P Sn E Sn < P Sn 1 < "
h 2 i
"
0 1 P Sn E Sn 1 P Sn 1 "
2
h "i
0 P Sn 1 " P Sn E Sn
2
et selon l’inégalité de Bienaymé-Tchebychev :
h "i 4V Sn
8" > 0 8n n0 ; 0 P Sn 1 " P Sn E Sn
2 "2

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 16

et par le théorème d’encadrement :

8" > 0; lim P Sn 1 " =0

n!+1

Par dé…nition de la convergence en probabilité :

P
Sn ! C où C est la variable certaine égale à 1

10 Une autre forme de la loi faible des grands nombres

C’est comme d’habitude en notant :
n
1X
Xn = E (Xj )
n j=1

et :

8! 2 ; Xn (!) m = Xn (!) E Xn + E Xn m
Xn (!) E Xn + E Xn m

par l’inégalité triangulaire.

Comme lim E Xn = m alors :
n!+1

"
8" > 0; 9n0 2 N; j 8n n0 ; E Xn m <
2
Donc en supposant que n n0 :
h "i
8" > 0; Xn E Xn < Xn m <"
2
cela entraine que pour n n0 :

h "i
8" > 0; 0 P Xn E Xn < P Xn m < "
h 2 i
"
0 1 P Xn E Xn 1 P Xn m "
2
h "i
0 P Xn m " P Xn E Xn
2
et selon l’inégalité de Bienaymé-Tchebychev :
h "i 4V Xn
8" > 0 8n n0 0 P Xn m " P Xn E Xn
2 "2
et par le théorème d’encadrement :

8" > 0; lim P Xn m " =0

n!+1

Par dé…nition de la convergence en probabilité :

P
Xn ! C où C est la variable certaine égale à m

11 Convergence en probabilité d’une suite de variables suivant

une loi bêta
a
On véri…e aisément que :

f 0:

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 17

f 0 sur R:
f est continue sur Rsauf éventuellement en 0 (cela dépend des valeurs de n; m).
Z
f converge et vaut 1 par la dé…nition de f et de B (n; m).
R

b
Calculons d’abord la valeur de B (n; m) : Par une intégration par parties (les fonctions u et v en
jeu étant de classe C 1 sur [0; 1]) :

Z 1
m 1
8 (n; m) 2 N N2 ; B (n; m) = xn 1
(1 x) dx
0
1 Z 1
xn m 1 m 1 m 2
= (1 x) + xn (1 x) dx
n 0 n 0
m 1
= B (n + 1; m 1)
n
donc :

m 1
B (n; m) = B (n + 1; m 1)
n
(m 1) (m 2)
= B (n + 2; m 2)
n (n + 1)
=
(m 1)!
= B (n + m; 1)
n (n + 1) (n + m 2)
avec : Z 1
1
B (n + m; 1) = xn+m 2
dx =
0 n+m 1
et …nalement :
(n 1)! (m 1)!
B (n; m) =
(n + m 1)!
Donc :

Z 1
1 m 1
E (Xn;m ) = xn (1 x) dx
B (n; m) 0
B (n + 1; m)
=
B (n; m)
n
=
n+m
et :

Z 1
2 1 m 1
E Xn;m = xn+1 (1 x) dx
B (n; m) 0
B (n + 2; m)
=
B (n; m)
n (n + 1)
=
(n + m) (n + m + 1)
Finalement :
2 2
V (Xn;m ) = E Xn;m (E (Xn;m ))
nm
= 2
(n + m) (n + m + 1)

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 18

c
Je vous laisse reprendre, seuls, pour la cinquième fois le raisonnement de l’exercice 7 (c’est du
"copier-coller") montrant que :

P
(Xn;m ) ! C où C est la variable certaine égale à 0

12 Variables presque sûrement égales

Nous avons :
( 8 "
P < 8" > 0; lim P jXn Yj =0
(Xn )n2N !Y n!+1 2
P =) "
(Xn )n2N !Z : 8" > 0; lim P jXn Zj =0
n!+1 2
8 "
< 8" > 0; lim P jXn Yj< =1
=) n!+1 2
: 8" > 0; "
lim P jXn Zj < =1
n!+1 2
Or comme selon l’inégalité triangulaire :

jY Zj = jY Xn + Xn Zj
jY Xn j + jXn Zj

il existe un rang n à partir duquel :

h "i\h "i
8" > 0; jXn Yj< jXn Zj < [jY Zj < "]
h2 " i [ h 2
"i
donc [jY Zj "] jXn Y j jXn Zj
h 2 i h 2
" "i
et P ([jY Zj "]) P jXn Y j + P jXn Zj (Boole)
2 2
Par passage à la limite quand n tend vers l’in…ni :

8" > 0; lim P ([jY Zj "]) = 0

n!1

soit :
8" > 0; P ([jY Zj "]) = 0
et donc en prenant " aussi petit que l’on veut il y a une probabilité in…niment petite que les valeurs
de Y et de Z di¤èrent, donc :
Y = Z presque sûrement

13 Analyse et probabilités : le théorème de la limite centrée

Pour n 2 N ; introduisons X1 ; X2 ; : : : ; Xn , n variables indépendantes et de même loi de Poisson de
paramètre 1. Alors d’après le cours :
n
X
Sn = Xk ,! P (n)
k=1

Le théorème de la limite centrée nous donne :

Z 0
Sn n 1 t2
lim P p 0 = p e 2 dt
n!+1 n 1 2
1
=
2
Or :

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 19

Sn n
p 0 = [Sn n]
n
n
]
= [Sn = k]
k=0

Donc

n
X
Sn n
P p 0 = P ([Sn = k])
n
k=0
Xn k
nn
= e
k!
k=0

Conclusion :

n
X
n nk 1
lim e =
n!+1 k! 2
k=0

14 Analyse et probabilités : le théorème de la limite centrée

Pour n 2 N ; introduisons X1 ; X2 ; : : : ; Xn , n variables indépendantes et de même loi binomiale de
P
n 1
paramètres 1 et 1/3. Alors d’après le cours Sn = Xk ,! B n; : Le théorème de la limite centrée
k=1 3
nous donne :

02 31
n Z
B6 S n 3 7C 0
1 t2
lim P B 6 p 07C p e
5A = dt
2
n!+1 @4 2n 1 2
3
1
=
2
Or :

2 3
n
6 Sn 3 7 h ni
6 p 07 = Sn
4 2n 5 3
3
[n3 ]
]
= [Sn = k]
k=0

Donc :

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada

ECO1 06/07 Fiche 8 CONVERGENCES Correction Page 20

02 31
n [n3 ]
B6 Sn 3 7C X
PB6
@4 p2n 07C
5A = P ([Sn = k])
k=0
3
[n3 ]
X k n k
n 1 2
=
k 3 3
k=0
[n3 ]
X k n+n n k
n 1 2
=
k 3 3
k=0
[n3 ]
X n n k
n 1 2 3
=
k 3 3
k=0
[n3 ]
1 X n n k
= 2
3n k
k=0

Conclusion :

[n3 ]
1 X n n k 1
lim 2 =
n!+1 3n k 2
k=0

zzzzz

Lycée Saint-Jean de Douai 12 avril 2007 Probabilités Christian Skiada