Vous êtes sur la page 1sur 2

ISFA - L3 Actuariat Éléments de correction du TD no 4: math.univ-lyon1.

fr/homes-www/lerouvillois
Probabilités Avancées
Semestre printemps 2018-2019
Convergence de suites de variables aléatoires lerouvillois@math.univ-lyon1.fr
poudevigne@math.univ-lyon1.fr

Correction exercice 3 : Correction exercice 4 : On se sert de l'égalité suivante vrai pour toute
1. Pour tout x ∈ R+ et n ∈ N, variable aléatoire dans L2 :

E (Xn − a)2 = (E[Xn ] − a)2 + Var(Xn ).


 
FRn (x) := P(Rn ≤ x)
= P(max H1 , ..., Hn ) ≤ x)
( En eet :
= P (H1 ≤ x, ..., Hn ≤ x)
E (Xn − a)2
 
= P(H1 ≤ x)...P(Hn ≤ x) par indépendance
= E ((Xn − E[Xn ]) + (E[Xn ] − a))2
 
= P(H1 ≤ x) n
car les Hi ont même loi
= E (Xn − E[Xn ])2 + 2(Xn − E[Xn ])(E[Xn ] − a) + (E[Xn ] − a)2
 
−x n
= (1 − e ) après calcul
= E (Xn − E[Xn ])2 + 2(E[Xn ] − a)E[Xn − E[Xn ]] + E (E[Xn ] − a)2
   

Donc FRn (x) = (1 − e−x )n 1R+ (x). = Var(Xn ) + 0 + (E[Xn ] − a)2 (car E[Xn − E[Xn ]] = 0).
2. On en déduit que pour tout ε > 0 :
    On en déduit que
Rn Rn G Rn
P | − 1| ≥ ε =P −1≥ε − 1 ≤ −ε     
E (Xn − a)2 −→ 0 ⇐⇒ E[Xn ] −→ a et Var(Xn ) −→ 0 .

log n log n log n
    n→∞ n→∞ n→∞
Rn Rn
=P −1≥ε +P − 1 ≤ −ε
log n log n
= P (Rn ≥ (1 + ε) log n) + P (Rn ≤ (1 − ε) log n)
= 1 − FRn ((1 + ε) log n) + FRn ((1 − ε) log n) Correction exercice 5 :
= 1 − (1 − e−(1+ε) log n )n + (1 − e−(1−ε) log n )n 1. D'après l'exercice 4., il sut de montrer que
1 1 " n # n
!
= 1 − (1 − 1+ε )n + (1 − 1−ε )n 1X 1X
n n E Xi −→ p et Var Xi −→ 0.
1
n log(1− 1+ε ) 1
n log(1− 1−ε ) n i=1 n→∞ n i=1 n→∞
=1−e n +e n

Mais
−ε +o(n−ε ) ε +o(nε )
= 1 − e−n + e−n
−→ 0. " n
#
n→∞ 1X
E Xi = E[X1 ] = p (car les Xi ont même loi et X1 ∼ B(p))
n i=1

1
et On en déduit donc, d'après le critère de convergence L2 de l'exercice
n
! n 4 que
1X 1 X
Var Xi = 2 Var(Xi ) ( car les Xi sont indépendants) n n
n i=1 n i=1 1X 1X
Xi converge dans L2 vers une constante ⇐⇒ pi converge.
1 n i=1 n i=1
= Var(X1 ) (car les Xi ont même loi)
n
p(1 − p) Dans ce cas, on a :
= (car X1 ∼ B(p)) n n
n 1X L2 1X
−→ 0. Xi −→ lim pi .
n→∞ n i=1 n→∞ n→∞ n
i=1

2. De même, " #
n n
1X 1X Correction exercice 6 : De façon similaire à l'exercice précédent ques-
E Xi = pi .
n i=1 n i=1 tion 1, on a que : " n #
et 1X
E Xi = E[X1 ],
n
! n n
! n i=1
1X 1X 1X
Var Xi = Cov Xi , Xj et
n i=1 n i=1 n j=1 n
!
1X Var(X1 )
1 X
n Var Xi = −→ 0.
= 2 Cov(Xi , Xj ) (par bilinéarité de la covariance) n i=1 n n→∞
n i,j=1
On en déduit d'après le résultat de l'exercice 4 que
n
1 X
= 2 Var(Xi ) (car Cov(Xi , Xj ) = 0 si i 6= j ) 1X
n
L2
n i=1 Xi −→ E[X1 ].
n
n i=1 n→∞
1 X
= 2 pi (1 − pi )
n i=1 Comme la convergence dans L2 implique la convergence en probabilité,
n on en déduit que
1 X1 1
≤ (car p(1 − p) ≤ pour tout p ∈ [0, 1]) n
n2 i=1 4 4 1X P
Xi −→ E[X1 ].
1 n i=1 n→∞
= −→ 0.
4n n→∞