l’existence, ou des calculs d’espérance de variables aléatoires dans lesquels la convergence absolue

n’est jamais invoquée.

Parmi les erreurs de raisonnement régulièrement rencontrées, on peut citer l’utilisation d’une ré-
currence faible au lieu d’une récurrence forte ou l’utilisation de résultats (par exemple le critère de
d’Alembert) sans la vérification des hypothèses. Signalons aussi qu’une série entière de rayon de
convergence R ne convergence pas nécessairement pour x = R.

Conseils à destination des candidats.

Le premier conseil que l’on pourrait donner aux candidats est de lire les précédents rapports de jury.
Certaines erreurs ont déjà été signalées, et il n’est pas acceptable pour des enseignants en exercice
de confondre les inégalités strictes et larges, d’autant plus que ceci a déjà été pointé dans plusieurs
rapports. De même, la résolution d’une équation différentielle linéaire du premier ordre sans second
membre est souvent très mal réalisée. Au passage, certains candidats ne proposent que des solutions
qui sont toujours strictement positives, ce qui devrait les inquiéter.
Les termes tels évidents, facile sont à bannir du vocabulaire, et plus encore les arguments d’autorité
non expliqués, tels on a nécessairement. Les questions « faciles » peuvent être traitées de manière
concise mais précise, l’argument clé est attendu ; à titre d’exemple, dire que 9 est une conséquence
de 7 et 8 sans autre information ne rapporte pas de point. Il ne s’agit pas non plus de proposer
plusieurs solutions au correcteur, lui laissant le soin de choisir.
Dans une démonstration par récurrence, on attend clairement l’énoncé de l’hypothèse de récurrence.
Dans la partie II, il s’agissait de montrer ce qui semblait être des évidences pour certains candidats,
mais ces « évidences » sont parfois fausses. Par exemple, même la connaissance du cadre des séries
devrait montrer au candidat que l’associativité ou la commutativité ne passe pas toujours aux
sommes infinies. On a curieusement lu assez souvent dans la deuxième partie que I, J, ou Ik était
un intervalle (ce terme a un sens précis en mathématiques), parfois que les Ik étaient des ensembles
finis. Quelques-uns, dans 7b, font « varier » les Ik , qui sont pourtant une donnée de l’énoncé.
2.2.3 Quelques éléments de correction
Comme rappelé précédemment, les éléments de correction donnent les grandes lignes de résolution
des questions ; ils ne correspondent pas à la rédaction attendue par le jury. Dans leurs copies, les
candidats doivent rédiger soigneusement et apporter une attention particulière aux justifications de
leurs affirmations et de leurs calculs. Les rappels, les définitions des objets mathématiques et les
énoncés des résultats utilisés sont indispensables ; par ailleurs, avant d’appliquer un résultat que l’on
vient d’énoncer il est indispensable d’en vérifier les hypothèses.

41
Notations.

Dans tout le sujet, R désignera le corps des nombres réels et N l’ensemble des entiers naturels. De plus, n
désignera un entier naturel strictement supérieur à 1.

On considère un espace probabilisé (Ω, A, P). Pour X est une variable aléatoire réelle définie sur Ω, on
note E(X) son espérance (lorsqu’elle existe) et V(X) sa variance (lorsqu’elle existe).
On rappelle que, sous réserve d’existence, la covariance de deux variables aléatoires X et Y définies sur Ω est
le nombre réel noté Cov(X, Y) et défini par


Cov(X, Y) = E (X − E(X))(Y − E(Y)) = E(XY) − E(X)E(Y).

En conséquence, sous réserve de l’existence de V(X), V(Y) et V(X + Y) :

V(X + Y) = V(X) + V(Y) + 2Cov(X, Y).

Objectifs du problème.

Soit X une variable aléatoire définie sur Ω. On se place dans le contexte où la loi de X n’est pas complètement
spécifiée et où cette loi dépend d’un paramètre θ inconnu. Le but de l’estimation consiste à approcher la valeur
de ce paramètre θ, ou éventuellement la valeur de son image g(θ) par une fonction réelle g.
La première partie revient sur quelques résultats au sujet des séries entières. La deuxième partie étudie les
familles sommables. Dans les deux dernières parties, on se place dans le cas où X est une variable aléatoire
définie sur Ω suivant une loi de Poisson de paramètre θ inconnu et on développe quelques outils pour l’esti-
mation de ce paramètre.

I. Séries entières.

1. Les affirmations suivantes sont-elles vraies ou fausses ? On justifiera soigneusement les ré-
ponses.
(a) Affirmation : « soient (uk )k∈N et (vk )k∈N deux suite de nombre réels positifs, telles que la
série de terme général vk converge et que pour tout k ∈ N, uk ⩽ vk . Alors la série de terme
général uk converge également ».
C’est vrai. Pour tout n ∈ N, posons
n
X
Un = uk .
k=0

Comme les termes de la suite (uk )k∈N sont positifs, la suite (Un )n∈N est croissante. De plus,
pour tout n ∈ N,
X n +∞
X
Un ⩽ vk ⩽ vk ,
k=0 k=0

donc la suite (Un )n∈N est majorée. Elle est donc croissante et majorée, donc convergente.
La série de terme général un converge donc.

–1–
 (b) Affirmation : « soient (uk )k∈N et (vk )k∈N deux suite de nombre réels, telles que la série de
terme général vk converge et que pour tout k ∈ N, uk ⩽ vk . Alors la série de terme général
uk converge également ».
C’est faux. On peut considérer par exemple les suites définies par un = −1 et vn = 0 pour
tout n ∈ N. La série de terme général vn converge mais la série de terme général un diverge,
bien que pour tout k ∈ N, uk ⩽ vk .
(c) Affirmation : « soit (uk )k∈N une suite de nombres réels tous non nuls. On suppose que
uk+1
lim = ℓ,
k−→+∞ uk
avec ℓ < 1. Alors la série de terme général uk converge absolument ».
ℓ+1
C’est vrai (critère de d’Alembert). Posons q = . Comme 0 ⩽ ℓ < 1, 0 ⩽ ℓ < q < 1.
2
Posons ϵ = q − ℓ > 0. Alors il existe N ∈ N tel que si k ⩾ N,
uk+1
− ℓ ⩽ ϵ.
uk
Par suite, si k ⩾ N,
uk+1
⩽ ℓ + ϵ = q.
uk
Une récurrence simple montre alors que si k ⩾ N, |uk | ⩽ qk−N |uN |. La série de terme général
qk converge car |q| < 1, donc la série de terme général qN q−k |uN | converge également. Par
suite, la série de terme général |uk | converge.
(d) Affirmation : « soit (uk )k∈N une suite de fonctions réelles continues définies sur un même
intervalle I, telle que pour tout x ∈ I, la suite (un (x))n∈N converge vers un réel U(x). La
fonction U ainsi définie sur I est continue ».
C’est faux. Prenons par exemple I = [0, 1] et uk : I −→ R définie par uk (x) = xk . Pour tout
k ∈ N, uk est continue. De plus,
(
1 si x = 1,
lim uk (x) =
k−→∞ 0 si x ∈ [0, 1[.

La fonction limite U n’est donc pas continue.

2. Question de cours. Soit (uk )k∈N une suite de nombres réels. On rappelle que le rayon de
convergence de la série entière de terme général uk xk est défini par

R = sup{x ∈ R | (|uk xk |)k∈N est majorée} ∈ R+ ∪ {+∞}.

(a) Soit x ∈ R.
i. Montrer que si |x| < R, alors la série de terme général uk xk converge absolument.
Supposons |x| < R. Par définition de R, il existe R′ > |x| tel que (|uk R′k |)k∈N est majorée
par un réel M. Par suite, pour tout k ∈ N,
 k  k
k k |x| ′k |x|
|uk x | ⩽ |uk ||x| ⩽ |uk | ′
R ⩽M .
R R′
 k
|x| |x|
Comme ′ ∈ [0, 1[, la série de terme général M converge. Par majoration, la
R R′
série de terme général uk xk converge absolument.

–2–
 ii. Montrer que si |x| > R, alors la série de terme général uk xk diverge.
Si R = +∞, il n’y a rien à démontrer. Supposon R fini et |x| > R. Par définition de R, la
suite (uk xk )k∈N n’est pas bornée, donc ne tend pas vers 0. Par suite, la série de terme
général uk xk diverge.
On considère alors la fonction S :] − R, R[−→ R définie par
+∞
X
S(x) = uk xk .
k=0

(b) Soit R′ ∈]0, R[. Montrer que la série de terme général uk xk converge uniformément sur
[−R′ , R′ ]. Que peut-on en déduire sur la régularité de S ?
Soit x ∈ [−R′ , R′ ]. Pour tout k ∈ N,

|uk xk | ⩽ |uk R′k |.

Comme R′ ∈]0, R[, d’après 2(a)i, la série de terme général |uk R′k | converge. Donc la série
de terme général uk xk converge normalement (et donc uniformément) sur [−R′ , R′ ].
Comme le terme général uk xk est continu, on en déduit que S est continue sur [−R′ , R′ ]
pour tout R′ ∈ [0, R[. En conséquence, S est continue sur l’intervalle ouvert
[
] − R, R′ [=] − R, R[.
R′ ∈[0,R[

(c) Montrer que le rayon de convergence de la série de terme général (k + 1)uk+1 xk est égal à
R.
Soit R′ le rayon de convergence de la série dérivée. Supposons |x| < R′ . Alors la suite
(|(k + 1)uk+1 xk |)k∈N est majorée par un réel M, par définition de R′ . Si k ⩾ 1,

|uk xk | ⩽ |kuk xk−1 ||x| ⩽ MR′ ,

donc la suite (|uk xk |)k∈N est majorée. Par définition de R, |x| ⩽ R. Ceci étant valable pour
tout x tel que |x| < R′ , on en déduit que R′ ⩽ R.
R + |x|
Supposons |x| < R. Si x = 0, le résultat est évident. Sinon, posons R′′ = . Alors
2
′′ ′′k ′′
|x| < R < R, donc (|uk R |)k∈N est majorée par un réel M . Pour tout k ∈ N,
 k+1  k+1
k k+1 k+1 |x| k+1 |x|
|(k + 1)uk+1 x | = |uk+1 xk+1 | = |uk+1 R ′′k+1
| =⩽ M′′ .
|x| |x| R′′ |x| R′′
 k+1 !
|x| |x|
Comme ′′ ∈ [0, 1[, la suite (k + 1) tend vers 0, donc est majorée par un
R R′′
k∈N
réel N. Par suite, pour tout k ∈ N,

1
|(k + 1)uk+1 xk | ⩽ NM′′ .
|x|

Par définition de R′ , |x| ⩽ R′ . Ceci étant valable pour tout x tel que |x| < R, on en déduit
que R ⩽ R′ .

–3–
 (d) Montrer que S est indéfiniment dérivable sur ] − R, R[.
Soit R′ ∈ [0, R[. La série de terme général uk xk converge sur ] − R′ , R′ [ d’après (b). De plus,
la série dérivée ayant le même rayon de convergence d’après (c), toujours d’après (b) elle
converge uniformément sur ] − R, R′ [. D’après le théorème de dérivation des séries, S est
donc dérivable sur ] − R, R′ [ et sa dérivée est donnée par
+∞
X
∀x ∈] − R, R′ [, S′ (x) = (k + 1)uk+1 xk .
k=0

En conséquence, S est dérivable sur l’union des intervalles ] − R′ , R′ [ avec 0 < R′ < R, soit
l’intervalle ] − R, R[.
Montrons par récurrence sur N que tout série entière de rayon de converge R est N-fois
dérivable sur ] − R, R[. On vient de le démonter pour N = 1. Soit N ⩾ 1, tel que le résultat
soit vrai. Soit S une série entière de rayon R. Sa dérivée est alors également donnée par
une série entière, de même rayon de convergence R d’après (c). L’hypothèse de récurrence
implique que S′ est N fois dérivable sur ]−R, R[, donc S est N +1 fois dérivable sur ]−R, R[.
D’après le principe de récurrence, S est indéfiniment dérivable sur ] − R, R[.
3. Soit r un entier naturel non nul. Déterminer le rayon de convergence de la série entière de
kr xk
terme général . Déterminer sa somme lorsque r = 1 et lorsque r = 2.
k!
Soit k ∈ N.  r  r−1
(k + 1)xk+1 k! k+1 1 1 k+1
= |x| = |x|.
(k + 1)! kr xk k k+1 k k
Ceci tend vers 0 quand k tend vers +∞. D’après la question 1.(c), cette série entière converge
pour tout x ∈ R, donc son rayon de convergence est +∞.
∞
X ∞
X ∞ ∞
k1 k k X 1 X 1 l+1
xk = x = xk = x = xex ,
k! k! (k − 1)! l!
k=0 k=1 k=1 l=0

avec le changement d’indices l = k − 1.

∞
X ∞
X
k2 k(k − 1) + k
xk = xk
k! k!
k=0 k=0
∞
X ∞
X
k(k − 1) k k k
= x + x
k! k!
k=0 k=0
X∞
k(k − 1) k
= x + xex
k!
k=2
X∞
1
= xk + xex
(k − 2)!
k=2
∞
X 1 l+2
= x + xex
l!
l=0
2 x
= x e + xex ,

avec le changement d’indices l = k − 2.

4. On note, pour tout entier N ⩾ 1, αN le nombre de partitions de l’ensemble ⟦1, N⟧ et on convient
que α0 = 1.

–4–
(a) Calculer α1 , α2 et α3 .
α1 = 1, correspondant à la partition {{1}}, α2 = 2, correspondant aux partitions {{1, 2}} et
{{1}, {2}} Les partitions de {1, 2, 3} sont

{{1, 2, 3}}, {{1}, {2, 3}}, {{2}, {1, 3}}, {{3}, {1, 2}}, {{1}, {2}, {3}},

donc α3 = 5.
(b) Montrer que pour tout entier N ⩾ 0,
N  
X N
αN+1 = αk .
k
k=0

Pour tout ensemble fini I, on note PI l’ensemble de partitions de I. Alors |PI | = α|I| . Soit π
une partition de ⟦1, N + 1⟧. L’unique élément de π contenant N + 1 est noté πN+1 . De plus,
si π , {⟦1, N + 1⟧}, alors π \ {πN+1 } est une partition de ⟦1, N + 1⟧ \ πN+1 . On obtient donc
une bijection  G
 P⟦1,N+1⟧ \ {{⟦1, N + 1⟧}} −→ P⟦1,N⟧\I
I⊊⟦1,N⟧

π −→ π \ {πN+1 },
En comparant les cardinaux, on obtient

X N−1  
X N 
X  N  
X
N N N
αN+1 − 1 = αN−|I| = αN−p = αk = αk ,
p N−k k
I⊊⟦1,N⟧ p=0 k=1 k=1
 
N
avec le changement d’indice k = N − p. Comme α0 = 1, on obtient
0
N  
X N
αN+1 = αk .
k
k=0

(c) Montrer que, pour tout N ⩾ 0, αN ⩽ N!.

Démontrons le par récurrence (forte) sur N. D’après (a), c’est vrai si N = 0, 1, 2 ou 3. Soit
N ∈ N tel que pour tout k ⩽ N, αk ⩽ k!. D’après (b),

XN   XN XN
N N! 1
αN+1 ⩽ k! = k! = N! ⩽ (N + 1)!.
k (N − k)!k! (N − k)!
k=0 k=0 k=0 | {z }
⩽1

Donc le résultat est vrai à tout rang N.

αN x N
(d) En déduire que la série entière de terme général converge pour tout x réel tel que
N!
|x| < 1. On note f (x) sa somme.
Si |x| ⩽ 1, pour tout N ∈ N, d’après (c),
αN N
x ⩽ 1.
N!
Par définition du rayon de convergence, R ⩾ 1.

–5–
(e) Montrer que f est dérivable sur ] − 1, 1[ et que pour tout x ∈] − 1, 1[, f ′ (x) = ex f (x).
x
En déduire que pour tout x ∈] − 1, 1[, f (x) = ee −1 .
D’après 2., f est indéfiniment dérivable sur ] − 1, 1[ et, pour tout x ∈] − 1, 1[,
+∞
X (N + 1)αN+1
′
f (x) = xN
(N + 1)!
N=0
+∞
X αN+1
= xN
N!
N=0
+∞ N
!
X X1
= αk x N d’après (b)
k!(N − k)!
N=0 k=0
+∞ k
! +∞ !
X x X αk
= xk
k! k!
k=0 k=0
x
= e f (x).

L’avant-dernière égalité est vraie car les deux séries entières apparaissant convergent
absolument sur ] − 1, 1[, leur rayon de convergence étant tous les deux supérieur ou égal
à 1.
(f) En déduire que pour tout entier naturel N,
+∞
1 X kN
αN = .
e k!
k=0

x
On en déduit qu’il existe une constante C ∈ R telle que pour tout x ∈] − 1, 1[, f (x) = Cee .
De plus,
f (0) = α0 = 1 = Ce,
donc C = e−1 . Pour tout x ∈] − 1, 1[,
+∞ +∞ +∞
! +∞ +∞
!
1 ex 1 X ekx 1 X X kN N 1 X X kN xN
f (x) = e = = x = ,
e e k! e k!N! e k! N!
k=0 k=0 N=0 N=0 k=0

d’après le théorème de Fubini, cette série double convergeant absolument sur ] − 1, 1[. En
identifiant les coefficients de cette série entière, on obtient, pour tout N ∈ N,
+∞
1 X kN
αN = .
e k!
k=0

–6–
 II. Familles sommables.

Soit I ⊂ Nn . Les éléments de I seront notés sous la forme i = (i1 , i2 , . . . , in ).

Cas des familles sommables de réels positifs.

Soit u = (ui )i∈I une famille de réels positifs ou nuls indexée par I. On dit que u est sommable lorsque
la borne supérieure suivante est finie :
 
X 
sup ui , J ⊂ I et J fini < +∞.
 
i∈J

Dans ce cas, on note  

X X 
ui = sup ui , J ⊂ I et J fini .
 
i∈I i∈J

Soit u = (ui )i∈I et (vi )i∈I deux familles de réels positifs et a, b deux réels positifs.
5. On suppose que pour tout i ∈ I ,
ui ⩽ vi .
Montrer que si v est sommable, alors u est sommable.
Soit J une partie finie de I.
X X X
ui ⩽ vi ⩽ vi ,
i∈J i∈J i∈I
X
par définition de vi . Par définition, u est sommable. On en déduit également que
i∈I

X X
ui ⩽ vi .
i∈I i∈I

6. On suppose que u et v sont sommables. Montrer que la famille au + bv définie par

(au + bv)i = aui + bvi

est sommable et que    

X X X
(aui + bvi ) = a  ui  + b  vi  .
i∈I i∈I i∈I

Soit J une partie finie de I.

X X X X X
aui + bvi = a ui + b vi ⩽ a ui + b vi ,
i∈J i∈J i∈J i∈I i∈I

car a et b sont positifs. Par suite, au + bv est sommable et

X X X
(aui + bvi ) ⩽ a ui + b vi .
i∈I i∈I i∈I

–7–
 X
Soit ε > 0. Par définition de ui , il existe J ⊆ I, fini, tel que
i∈I
X X ε
ui ⩾ ui − ,
2a
i∈J i∈I

ε
avec la convention = 1 si a = 0. De même, il existe K ⊆ J, fini, tel que
0
X X ε
vi ⩾ vi − .
2b
i∈K i∈I

Comme a, b tous les ui et tous les vi sont positifs,

X X X X X X X
(aui + bvi ) = a ui + b vi ⩾ a ui + b vi ⩾ a ui + b vi − ε.
i∈J∪K i∈J∪K i∈J∪K i∈J i∈K i∈I i∈I

On en déduit que X X X
(aui + bvi ) ⩾ a ui + b vi − ε.
i∈I i∈I i∈I

Ceci étant valable pour tout ε > 0, on obtient

X X X
(aui + bvi ) ⩾ a ui + b vi ,
i∈I i∈I i∈I

ce qui donne pour finir l’égalité demandée.

7. On considère
[ (Ik )k∈N une famille de sous-ensembles de I tels que
▷ Ik = I.
k∈N
▷ Pour tout k, l ∈ N, distincts, Ik ∩ Il = ∅.
Par convention, si Ik = ∅, on pose X
ui = 0.
i∈Ik

On suppose que u est sommable.

(a) Montrer que la famille (ui )i∈Ik est sommable pour tout k ∈ N.
Soit J ⊆ Ik , finie. Alors J est aussi une partie finie de I et donc
X X
ui ⩽ ui .
i∈J i∈I

Par définition, (ui )i∈Ik est sommable.

(b) Montrer que pour tout p ∈ N,
 
p
X X X
 ui  ⩽ ui .
k=0 i∈Ik i∈I

Soit ε > 0. Pour tout k ∈ ⟦0, p⟧, il existe Ik′ ⊆ Ik , finie, telle que
X X ε
ui ⩾ ui − .
p+1
i∈Ik′ i∈Ik

–8–
 En sommant, on obtient
p p
X X X X X
ui − ε ⩽ ui = ui ,
k=0 i∈Ik k=0 i∈Ik′ i∈I0′ ∪...∪Ip′

les Ik′ étant disjoints (car les Ik le sont). Comme I0′ ∪ . . . ∪ Ip′ est une partie finie de I,
X X
ui ⩽ ui .
i∈I0′ ∪...∪Ip′ i∈I

Par suite, pour tout ε > 0,

p
X X X
ui − ε ⩽ ui .
k=0 i∈Ik i∈I

Ceci étant valable pour tout ε > 0,

p
X X X
ui ⩽ ui .
k=0 i∈Ik i∈I

X +∞ X
X
(c) Montrer que la série de terme général ui converge. Sa somme est notée ui .
i∈Ik k=0 i∈Ik
C’est une série à termes positifs et la suite des sommes partielles est bornée d’après (b).
Elle converge donc.
(d) Montrer que
+∞ X
X X
ui ⩽ ui .
k=0 i∈Ik i∈I

C’est une conséquence directe de (b), en passant à la limite quand p tend vers +∞.
8. Réciproquement, montrer que si la famille (ui )i∈Ik est sommable pour tout k ∈ N et si la série
X
de terme général ui converge, alors (ui )i∈I est sommable et
i∈Ik

X +∞ X
X
ui ⩽ ui .
i∈I k=0 i∈Ik

Soit J ⊆ I, fini. Pour tout k, posons Jk = J ∩ Ik . Alors Jk est une partie finie de Ik et, de plus, seul
un nombre fini de Jk sont non vides. Alors
X X X
ui = ui
i∈J k∈N, Jk ,∅ i∈Jk
X X X
⩽ ui par définition de ui
k∈N, Jk ,∅ i∈Ik i∈Ik
+∞ X
X
⩽ ui car il s’agit d’une série à termes positifs.
k=0 i∈Jk
| {z }
<∞

–9–
 Par définition, u est sommable et

X +∞ X
X
ui ⩽ ui .
i∈I k=0 i∈Ik

9. Déduire des questions précédentes le résultat suivant, appelé théorème de sommation par pa-
quets : X
(ui )i∈Ik est sommable pour tout k ∈ N et la série de terme général ui converge si et seulement
i∈Ik
si (ui )i∈I est sommable. De plus, dans ce cas,

X +∞ X
X
ui = ui .
i∈I k=0 i∈Ik

=⇒ : il s’agit des questions 7(a) et 7(c). ⇐= : il s’agit de la question 8. De plus, si ces hypothèses
sont vérifiées, d’après les questions 7(d) et 8,

X +∞ X
X
ui = ui .
i∈I k=0 i∈Ik

Cas des familles sommables de réels quelconques.

Soit u = (ui )i∈I une famille de réels indexée par I. On dit que u est sommable lorsque la famille de réels
positifs ou nuls |u| = (|ui |)i∈I est sommable.

Soit u = (ui )i∈I une famille de réels indexée par I. Pour tout i ∈ I , on pose



u+i = max ui , 0 et u−i = max −ui , 0 .

Ceci définit deux familles u+ = (u+i )i∈I et u− = (u−i )i∈I de réels positifs ou nuls.

10. Soit u = (ui )i∈I une famille de réels indexée par I. Montrer que la famille u est sommable si et
seulement si les familles u+ et u− sont sommables.

=⇒ : pour tout i ∈ I, u−i , u+i ⩽ |ui |. D’après la question 5, comme |u| est sommable, u+ et u− sont
sommables.
⇐= : pour tout i ∈ I, |ui | = u+i + u−i . D’après la question 6, comme u+ et u− sont sommables, |u|
est sommable.
Pour (ui )i∈I une famille sommable de réels, on définit alors sa somme par
   
X X X
ui =  u+i  −  u−i  .
i∈I i∈I i∈I

11. Soient u = (ui )i∈I et v = (vi )i∈I deux familles sommables de réels.

– 10 –
(a) Montrer que la famille u + v définie par
(u + v)i = ui + vi
est sommable et    
X X X
(ui + vi ) =  ui  +  vi  .
i∈I i∈I i∈I

Pour tout i ∈ I,
|wi | ⩽ |ui | + |vi |.
D’après la question 6, la famille |w| est sommable et donc la famille w est sommable. De
plus, pour tout i ∈ I,
w+i − w−i = wi = ui + vi = u+i − u−i + v+i − v−i ,
ce qui donne
w+i + u−i + v−i = w−i + u+i + v+i .
Les familles w+ , w− , u+ , u− , v+ et v− étant à termes positifs, on en déduit (question 6) que
X X X X X X
w+i + u−i + v−i = w−i + u+i + v+i ,
i∈I i∈I i∈I i∈I i∈I i∈I

puis que
X X X X X X X X X
wi = w+i − w−i = u+i − u−i + v+i − v−i = ui + vi .
i∈I i∈I i∈I i∈I i∈I i∈I i∈I i∈I i∈I

(b) Soient a et b deux réels. Montrer que la famille au + bv définie par

(au + bv)i = aui + bvi
est sommable et déterminer sa somme en fonction des sommes de u et v.

Posons u′ = au et v′ = bv. Alors |u′ | = |a||u| et |v′ | = |b||v| : d’après la question 6, |u′ | et |v′ |
sont sommables, donc u′ et v′ sont sommables. D’après la question 11(a), u′ + v′ = au + bv
est sommable et de plus
X X X
(aui + bvi ) = aui + bvi .
i∈I i∈I i∈I

Si a ⩾ 0, alors (au)+ = au+ et (au− ) = au− . On en déduit que dans ce cas,

X X
aui = ui .
i∈I i∈I

Si a ⩽ 0, alors (au)+ = −au− et (au)− = −au+ et on a également

X X
aui = ui .
i∈I i∈I

En procédant de même pour bv, on obtient

X X X
(aui + bvi ) = a ai + b vi .
i∈I i∈I i∈I

– 11 –
12. On considère
[ (Ik )k∈N une famille de sous-ensembles de I tels que
▷ Ik = I.
k∈N
▷ Pour tout k, l ∈ N, distincts, Ik ∩ Il = ∅.
Par convention, si Ik = ∅, on pose X
ui = 0.
i∈Ik
X
Montrer que (ui )i∈Ik est sommable pour tout k ∈ N et la série de terme général |ui | converge
i∈Ik
si et seulement si (ui )i∈I est sommable. De plus dans ce cas, vérifier que
X +∞ X
X
ui = ui .
i∈I k=0 i∈Ik

=⇒ : par hypothèse, pour tout k ∈ N, la famille (|ui |)i∈Ik est sommable et et la série de terme
X
général |ui | converge. D’après la question 9, la famille |u| est sommable, donc la famille u
i∈Ik
est sommable.
⇐=. D’après la question 9, comme |u| est sommable, les familles (|ui |)i∈Ik sont sommables et
X
donc les familles (ui )i∈Ik sont sommables. De plus, la série de terme général |ui | converge.
i∈Ik
Supposons ces propriétés vérifiées. Par la question 9 appliquées à u+ et u− ,
X +∞ X
X
u+i = u+i ,
i∈I k=0 i∈Ik
X +∞ X
X
u−i = u−i .
i∈I k=0 i∈Ik

En calculant la différence :
X +∞ X
X +∞ X
X
ui = u+i − u−i
i∈I k=0 i∈Ik k=0 i∈Ik
 
+∞
X X X
=  u+i − u−i 
k=0 i∈Ik i∈Ik
+∞ X
X
= ui .
k=0 i∈Ik

Application : Théorème du transfert.

13. Soit X1 , X2 , . . . , Xk des variables aléatoires réelles discrètes définies sur Ω et φ une application
définie sur Rn à valeurs dans R telle que T = φ(X1 , X2 , . . . , Xk ) soit encore une variable
aléatoire réelle discrète définie sur Ω. Pour tout i ∈ {1, . . . , k}, l’univers-image de Xi est noté
Xi (Ω) = {xi, j | j ∈ Ii },
où Ii est une partie de N. On pose I = I1 × . . . × In .
Montrer que les deux assertions (A1 ) et (A2 ) suivantes sont équivalentes :

– 12 –
 (A1 ) T admet une espérance.
n
!!
\
(A2 ) La famille φ(x1,i1 , x2,i2 , . . . , xn,in )P [Xk = xk,ik ] est sommable.
k=1 i∈I
De plus dans ce cas, vérifier que
n
!
X \
E(T) = φ(x1,i1 , x2,i2 , . . . , xn,in )P [Xk = xk,ik ] .
(i1 i2 ,...,xk )∈I k=1

On remarque que φ(I) est fini ou dénombrable. Posons φ(I) = J = { jk | k ∈ J′ }, avec J′ = N ou de

la forme {1, . . . , p}, suivant les cas. Pour tout k ∈ J′ , posons Jk = φ−1 ({jk }). La variable aléatoire
Tn possède une espérance si, et seulement si, la série de terme général jk P[φ(X1 , . . . , Xn ) = jk ]
converge absolument. De plus,
n
!
X \
jk P[φ(X1 , . . . , Xn ) = jk ] = φ(x1,i1 , . . . , xn,in )P [Xk = xk,ik ] .
i∈Jk k=1

Par le théorème de sommation par paquets, !! Tn admet une espérance si et seulement si la

n
\
famille φ(x1,i1 , x2,i2 , . . . , xn,in )P [Xk = xk,ik ] est sommable. Si c’est bien le cas, alors
k=1 i∈I
par le théorème de sommation par paquets,
n
!
X X \
E(T) = jk P[φ(X1 , . . . , Xn ) = jk ] = φ(x1,i1 , x2,i2 , . . . , xn,in )P [Xk = xk,ik ] .
k∈J′ (i1 i2 ,...,xk )∈I k=1

III. Estimateurs.

Soit I un intervalle ouvert, non vide, inclus dans ]0, +∞[.

On considère une variable aléatoire X définie sur Ω suivant une loi de Poisson dépendante d’un
paramètre réel θ ∈ I, inconnu : autrement dit, X(Ω) = N et, pour tout entier naturel k,
θk −θ
e .P([X = k]) =
k!
On cherche à approcher la valeur de ce paramètre θ, ou éventuellement la valeur de son image g(θ)
par une fonction réelle g définie sur I.

14. (a) À l’aide des résultats de la première partie, montrer que X admet des moments d’ordre r
pour tout r entier naturel non nul (c’est-à -dire que Xr admet une espérance pour tout r
entier naturel non nul) puis que l’espérance et la variance de X sont égales à θ.
kr
La série de terme général kr P[X = k] = e−θ θk converge absolument d’après la question 3,
k!
donc par le théorème du transfert, Xr possède une espérance. Toujours d’après la question
3,
E(X) = e−θ θeθ = θ,
E(X2 ) = e−θ (θeθ + θ2 eθ ) = θ + θ2 .

– 13 –
 Donc X possède une variance et d’après la formule de Huyghens,

V(X) = E(X2 ) − E(X)2 = θ.

(b) Donner une interprétation combinatoire des moments d’ordre r de X lorsque θ = 1.

Lorsque θ = 1,
∞
1 X kr
E(Xr ) = = αr ,
e k!
k=0

où αr est le nombre de partitions de ⟦1, r⟧ d’après la question 4.

15. Soit n variables aléatoires Y1 , Y2 , . . . , Yn définies sur Ω, mutuellement indépendantes, suivant
Xn
des lois de Poisson de paramètre respectif θ1 , . . . , θn . Montrer que la variable aléatoire Yi
i=1
n
X
suit la loi de Poisson de paramètre θi . Indication : on pourra démontrer d’abord le cas
i=1
n = 2.
On commence par le cas n = 2. L’univers-image de Y1 + Y2 est inclus dans N. Soit n ∈ N.
n
!
G
P[Y1 + Y2 = n] = P [Y1 = k, Y2 = n − k]
k=0
n
X
= P[Y1 = k, Y2 = n − k]
k=0
Xn
= P[Y1 = k]P[Y2 = n − k] car Y1 et Y2 sont indépendantes
k=0
n
X θk1 θn−k
2
= e−θ1 e−θ2
k! (n − k)!
k=0
Xn  
−(θ1 +θ2 ) 1 n k n−k
=e θ θ
n! k 1 2
k=0
1
= e−(θ1 +θ2 ) (θ1 + θ2 )n .
n!
Donc Y1 + Y2 suit une loi de Poisson θ1 + θ2 .
Pour montrer le cas général, on procède par récurrence sur n. Si n = 1, il n’y a rien à
démontrer. Supposons le résultat vrai au rang n − 1, avec n ⩾ 2. Par l’hypothèse de récurrence,
Y1 + . . . + Yn−1 suit une loi de Poisson de paramètre θ1 + . . . + θn−1 . De plus, Y1 + . . . + Yn−1
et Yn sont indépendantes. Par le cas n = 2, Y1 + . . . + Yn suit une loi de Poisson de paramètre
θ1 + . . . + θn .
Soient X1 , X2 , . . . , Xn des variables aléatoires réelles définies sur Ω , mutuellement indépendantes, et de
même loi que X. Soit φ une application définie sur Rn et à valeurs dans R telle que φ(X1 , X2 , . . . , Xn )
soit encore une variable aléatoire définie sur Ω.
▷ Le n-uplet (X1 , X2 , . . . , Xn ) est appelé un n-échantillon de la loi de X et la variable aléatoire
Tn = φ(X1 , X2 , . . . , Xn ) est appelée un estimateur de g(θ).
▷ Après une réalisation de l’expérience aléatoire associée à Ω, on note x1 , x2 , . . . , xn les valeurs prises
par X1 , X2 , . . . , Xn : ce sont les observations de l’échantillon. Le réel t = φ(x1 , x2 , . . . , xn ) est

– 14 –
 appelé une réalisation de l’estimateur Tn de g(θ) et est choisie comme estimation ponctuelle de la
valeur de g(θ).
Autrement dit, estimer ponctuellement g(θ), c’est décider d’accorder à g(θ) la valeur expérimentale
φ(x1 , x2 , . . . , xn ).

Les outils suivants vont nous permettre d’étudier les estimateurs et de choisir le plus pertinent : soit
(X1 , X2 , . . . , Xn ) un n-échantillon de la loi de X et Tn un estimateur de g(θ) admettant une espérance
E(Tn ), dépendant éventuellement de θ.
▷ Le réel E(Tn ) − g(θ) est appelé biais de Tn et est noté bθ (Tn ).
▷ L’estimateur Tn est dit sans biais lorsque bθ (Tn ) = 0, c’est-à -dire lorsque E(Tn ) = g(θ).
▷ Si l’estimateur Tn admet une variance V(Tn ), dépendant éventuellement de θ, on appelle risque
quadratique de Tn le réel


rθ (Tn ) = E (Tn − g(θ))2 = bθ (Tn )2 + V(Tn ).

En particulier si Tn est sans biais, alors rθ (Tn ) = V(Tn ).

Une suite (Tn )n∈N∗ d’estimateurs de g(θ) admettant une espérance est dite asymptotiquement sans
biais lorsque lim bθ (Tn ) = 0.
n→+∞

On commence par étudier deux estimateurs de θ : la moyenne et la variance empiriques. Soit

(X1 , X2 , . . . , Xn ) un n-échantillon de la loi de X. On définit la moyenne empirique Xn de X1 , X2 , . . . , Xn
et la variance empirique Sn de X1 , X2 , . . . , Xn par
n n
1X 1X
2
Xn = Xk et Sn = Xk − Xn .
n n
k=1 k=1

θ
16. Montrer que Xn est un estimateur sans biais de θ et que son risque quadratique est .
n
Par linéarité de l’espérance,
n n
1X 1X
E(Xn ) = E(Xk ) = θ = θ.
n n
k=1 k=1

Donc bθ (Xn ) = 0. De plus,

rθ (Xn ) = V(Xn )
n
!
1 X
= 2V Xk
n
k=1
n
1 X
= 2 V (Xk ) car les Xk sont indépendants
n
k=1
Xn
1
= θ
n2
k=1
θ
= .
n

– 15 –
17. (a) Montrer que
n
X 2
nSn = Xk2 − nXn .
k=1

En déduire E(Sn ).

n
X
nSn = (Xk − Xn )2
k=1
n
X X 2
= Xk2 − 2Xn Xk + nXn
k=1 k=1
n
X 2 2
= Xk2 − 2nXn + nXn
k=1
Xn
2
= Xk2 − nXn .
k=1

Par suite,
n
X 2
E(nSn ) = E(Xk2 ) − nE(Xn ) par linéarité de l’espérance
k=1
2
= nE(X12 ) − nE(Xn ) car les Xk suivent tous la même loi
  
2 2
= n(θ + θ ) − n V(Xn ) + E Xn par la formule de Huyghens
 
2 θ 2
= n(θ + θ ) − n +θ
n
= (n − 1)θ.

n−1
On en déduit que E(Sn ) = θ.
n
(b) Montrer que Sn est un estimateur asymptotiquement sans biais de θ.
Par suite,
n−1
lim E(Sn ) = lim θ = θ,
n−→+∞ n−→+∞ n

donc Sn est un estimateur asymptotiquement sans biais de θ.

(c) Montrer que S cn = n Sn est un estimateur sans biais de θ. Cet estimateur est appelé
n−1
variance empirique corrigée.
Par linéarité de l’espérance,
cn ) = n E(Sn ) = θ.
E(S
n−1
cn est un estimateur sans biais de θ.
Donc S
18. (a) Montrer que
n
!
X
nSn = (Xk − θ)2 − n(Xn − θ)2 .
k=1

– 16 –
 D’une part,
n
X 2
nSn = Xk2 − nXn .
k=1

D’autre part,
n
! n n
X X X 2
(Xk − θ)2 − n(Xn − θ)2 = Xk2 − 2θ Xk + nθ2 − nXn + 2nθXn − nθ2
k=1 k=1 k=1
Xn
2
= Xk2 − 2nθXn + nθ2 − nXn + 2nθXn − nθ2
k=1
n
X 2
= Xk2 − nXn
k=1
= nSn .

(b) En déduire que nSn admet une variance donnée par la formule suivante :





V nSn = nV (X − θ)2 − 2n2 Cov (X1 − θ)2 , (Xn − θ)2 + n2 V (Xn − θ)2 .

Posons
n
X
Y= (Xk2 − θ)2 , Z = −n(Xn − θ)2 .
k=1

Alors


V nSn = V(Y + Z)
= V(Y) + V(Z) + 2Cov(Y, Z)
n
!

X
= V(Y) + n2 V (Xn − θ) 2
− 2nCov (Xk − θ)2 , (Xn − θ)2
k=1
n
X



= V(Y) + n2 V (Xn − θ) 2
− 2n Cov (Xk − θ)2 , (Xn − θ)2
k=1
2 2



= V(Y) + n V (Xn − θ) − 2n Cov (X1 − θ)2 , (Xn − θ)2
2

par la symétrie entre X1 , . . . , Xn . Comme X1 , . . . , Xn sont mutuellement indépendants, il

en est de même de (X12 − θ)2 , . . . , (Xn2 − θ)2 . Par suite,
n
! n
X X


V(Y) = V (Xk2 − θ)2 = V (Xk2 − θ)2 = nV (X2 − θ)2
k=1 k=1

car X1 , . . . , Xn et X suivent la même loi. Le résultat annoncé est maintenant entièrement

démontré.
(c) Montrer que


n4 E (Xn − θ)4 = nE (X − θ)4 + 3n(n − 1)θ2 .

– 17 –
 n
!4
X
Indication : on remarquera que lorsqu’on développe (Xk − θ) , on obtient des termes
k=1
de la forme (Xi − θ)4 ou (Xi − θ)2 (X j − θ)2 ou (Xi − θ)3 (X j
− θ) ou (Xi − θ)2 (X j − θ)(Xk − θ)
ou (Xi − θ)(X j − θ)(Xk − θ)(Xl − θ) avec i, j, k, l distincts deux à deux, dont on précisera
l’espérance.

 !4 
n
X



n4 E (Xn − θ) 4
= E (nXn − nθ) 4
= E (Xk − θ) .
k=1

De plus,

n
!4 n   X
X X 4
4
(Xk − θ) = (Xk − θ) + (Xi − θ)2 (X j − θ)2
2
k=1 k=1 1⩽i<j⩽n

+ somme de termes de la forme (Xi − θ)3 (X j − θ)

ou (Xi − θ)2 (X j − θ)(Xk − θ) ou (Xi − θ)(X j − θ)(Xk − θ)(Xl − θ),
avec i, j, k, l tous distincts.

Comme les Xi sont mutuellement indépendant,

E (Xi − θ)3 (X j − θ) = E (Xi − θ)3 E(X j − θ) = 0,

car E(X j ) = θ et donc E(X j − θ) = 0. De la même manière, les autres termes indiqués
sont d’espérance nulle. Par linéarité de l’espérance et comme les Xi sont mutuellement
indépendants,
 !4 
n
X n
X X



E  (Xk − θ)  = E (Xk − θ)4 + 6 E (Xi − θ)2 (X j − θ)2
k=1 k=1 1⩽i<j⩽n
n
X X




= E (Xk − θ)4 + 6 E (Xi − θ)2 E (X j − θ)2
k=1 1⩽i<j⩽n
n
X X


= E (Xk − θ)4 + 6 V(Xi )V(X j )
k=1 1⩽i<j⩽n
n
X X


= E (X − θ)4 + 6 V(X)2
k=1 1⩽i<j⩽n
n(n − 1)
4


= nE (X − θ) V(X)2
+6

2
= nE (X − θ)4 + 3n(n − 1)V(X)2 ,

car X1 , . . . , Xn suivent tous la même loi que X.

(d) En déduire que


2 2

E (X − θ)4 + (2n − 3)θ2
n V (Xn − θ) = .
n

– 18 –