Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3

UE 3M290 – Probabilités 1 Année 2015–2016

Série d’exercices no 8. Convergence de variables aléatoires I

Une étoile désigne un exercice important.

Modes de convergence

Exercice 8.1. Soit (Xn )n≥1 une suite de variables aléatoires indépendantes, de même loi
donnée par n1 δ√n + (1 − n1 )δ0 . Étudier les différents modes de convergence de la suite (Xn )n≥1 .
Solution. On a limn→∞ P(Xn = 1) = 0, et limn→∞ P(Xn = 0) = 1, donc la suite Xn converge
en loi vers 0 (c’est-à-dire la suite des lois de Xn converge étroitement vers la mesure δ0 ).
Soit ε > 0. Pour ε ≥ 1, P(|Xn | > ε) = 0, et pour 0 < ε < 1, P(|Xn | > ε) = P(Xn = 1) =
1
n →n→∞ 0. Donc Xn converge en ! probabilité vers 0.
Comme P(Xn = 1) = n1 , on a n≥1 P(Xn = 1) = +∞. Les v.a. Xn étant indépendantes,
par Borel-Cantelli, on obtient P(lim supn Xn = 1) = 1, c’est à dire que P-p.s., la suite Xn prend
une infinité de fois la valeur 1. Donc Xn ne peut pas converger presque sûrement vers 0.
" #1/p
Pour tout 1 ≤ p < +∞, E(|Xn |p ) = ( n1 )1/p → 0, quand n → ∞. Donc, Xn converge en
p
norme L vers 0.

Exercice 8.2. Soit X une v.a. de loi uniforme sur [0, 1]. Pour tout n ∈ N∗ , et tout ω ∈ Ω, on
pose
Yn (ω) = n si 0 ≤ X(ω) ≤ 1/n et Yn (ω) = 0 si X(ω) > 1/n .
1. La suite (Yn )n≥0 converge-t-elle presque sûrement ?
2. La suite (Yn )n≥0 converge-t-elle en loi ?
3. La suite (Yn )n≥0 converge-t-elle dans L1 ?
Solution.
1. On a limn→∞ Yn (ω) = 0 si et seulement si X(ω) > 0 (il existe un n0 tel que X(ω) > 1/n
∀n ≥ n0 ). Donc P(limn→∞ Yn = 0) = P(X > 0) = 1, et Yn converge vers 0 p.s.
2. Par la question 1. Yn converge vers 0 p.s., donc aussi en probabilité, et aussi en loi.
3. Calculons E[|Yn |] = nP(X ≤ 1/n) = 1. Donc E[|Yn |] ne converge pas vers 0 quand
n → ∞, et Yn ne converge pas vers 0 dans L1 .

Exercice 8.3. Soient (Xn )n≥1 une suite de variables aléatoires réelles indépendantes et X une
variable aléatoire réelle.
! n→∞
1. Montrer que, si pour tout ε > 0, n≥1 P(|Xn − X| > ε) < ∞, alors Xn → X p.s..

! suppose que Xn → 0 p.s.!(resp. Xn → X p.s.). Montrer que, pour tout ε > 0,

2. On
n≥1 P(|Xn | > ε) < ∞ (resp. n≥1 P(|Xn − X| > ε) < ∞).
3. Conclure.
Solution.
1. Le lemme de Borel–Cantelli assure que, pour tout ∀ ε > 0, P(lim sup{|Xn −X| > ε}) = 0.
Par suite Xn → X p.s.
!
2. Si les variables aléatoires Xn , n ≥ 1, sont indépendantes et que n P(|Xn | > ε) = ∞,
le lemme de Borel–Cantelli assure que P(lim sup{|Xn | > ε}) =!1. L’hypothèse Xn → 0
p.s. implique P(lim sup{|Xn | > ε}) = 0. Alors nécessairement n P(|Xn | > ε) < ∞.
Remplaçons l’hypothèse Xn → 0 p.s. par l’hypothèse Xn → X p.s. où X est une
variable aléatoire réelle, les Xn étant toujours supposées indépendantes. D’après la loi
 0-1 lim sup Xn est une variable aléatoire p.s. constante. Comme lim sup Xn = X p.s. on
! Xn − X, n ≥ 1, sont donc à
en déduit que X est p.s. constante. Les variables aléatoires
leur tour indépendantes. De ce qui précède découle que n P(|Xn − X| > ε) < ∞.
3. On conclut que, pour une suite (Xn ) de variables aléatoires réelles indépendantes,
$
Xn → X p.s. si et seulement si, ∀ε > 0, P(|Xn − X| > ε) < ∞
n

⋆ Exercice 8.4. On considère deux suites de v.a. réelles (Xn )n≥1 et (Yn )n≥1 .
1. On suppose que (Xn ) converge en loi vers une v.a. X et que (Yn ) converge en probabilité
vers 0. Montrer que la suite (Xn + Yn ) converge en loi vers X.
Indication : travailler avec les fonctions caractéristiques, et majorer |φXn +Yn (t) − φXn (t)|.
2. Donner un exemple dans lequel (Xn ) converge en loi vers une v.a. X, (Yn ) converge en
loi vers une v.a. Y , mais (Xn + Yn ) ne converge pas en loi.
Solution.
1. On montre la convergence de la fonction caractéristique de Xn + Yn vers la fonction
caractéristique de X :

|φXn +Yn (t) − φX (t)| ≤ φXn +Yn (t) − φXn (t)| + φXn (t) − φX (t)|.

On sait déjà que le deuxième terme converge vers 0, car Xn converge en loi vers X. On
se concentre sur le premier terme. Soit ε > 0 fixé On a

|φXn +Yn (t) − φXn (t)| = |E[eitXn (eitYn − 1)]|

≤ |E[eitXn (eitYn − 1)1Yn ∈[−ε,+ε]]| + |E[eitXn eitYn 1|Yn |>ε ]|
≤ E[|eitYn − 1|1Yn ∈[−ε,+ε]] + P(|Yn | > ε).

Le dernier terme tend vers 0 quand n tend vers +∞, car Yn converge en probabilité
vers 0. Le premier terme peut être rendu arbitrairement petit (à t fixé) en choisissant
ε petit, car eitx est continu en 0. Au final, on a montré que |φXn +Yn (t) − φXn (t)| → 0
quand n → ∞.
2. Prenons par exemple Xn = X de loi N (0, 1), et Yn = (−1)n X (qui suit aussi la loi
N (0, 1), pour tout n). Alors Xn et Yn convergent bien évidemment en loi vers N (0, 1),
mais Xn + Yn ne converge pas : pour les n impairs Xn + Yn = 0, et pour les n pairs
Xn + Yn = 2X, et suit la loi N (0, 4).

⋆ Exercice 8.5. Soit (Xn )n≥1 une suite de variables aléatoires réelles définies sur un espace
(Ω, F, P), et f une application continue de R dans R. Montrer que si Xn converge en loi vers
X, alors f (Xn ) converge en loi vers f (X).
Solution. Tout d’abord, f (Xn ) est bien une variable aléatoire, comme fonction mesurable (car
continue) d’une variable aléatoire.
Soit g une fonction continue bornée quelconque, et montrons que E[g(f (Xn ))] → E[g(f (X))],
ce qui montrera la convergence en loi de f (Xn ) vers f (X). Mais comme g ◦ f est une fonction
continue bornée, ceci découle immédiatement de la convergence en loi de Xn vers X, qui donne
E[g ◦ f (Xn )] → E[g ◦ f (X)].

Exercice 8.6. On définit la suite (Tn )n≥1 par

1 1 1
Tn = si Xn ≤ , et Tn = 1 si Xn > ,
n n n
où (Xn )n est une suite de v.a indépendantes de loi uniforme sur [0, 1].
 1. Montrer que la suite (Tn ) converge en probabilité et trouver sa limite.
!
2. Vérifier que la série de probabilités ∞n=1 P (|Tn2 − 1| > ε), est convergente pour tout
ε > 0. En déduire la convergence presque sûre de la suite (Tn2 ).
Solution.
1. Pour tout ε > 0, on a {|Tn − 1| > ε} = {1 − 1/n > ε, Xn ≤ 1/n} ⊆ {Xn ≤ 1/n}, d’où
% 1/n
P (|Tn − 1| > ε) ≤ 0 du → 0, lorsque n tend vers +∞. La suite (Tn ) converge donc
en probabilité vers 1.

2. D’après la question 1), on a P (|Tn2 − 1| > ε) ≤ 1/n2 . La série de terme général P (|Tn2 −
1| > ε) est donc convergente. D’après le lemme de Borel-Cantelli, presque sûrement,
l’événement |Tn2 −1| > ε a lieu un nombre fini de fois. Autrement dit, presque sûrement,
pour tout ε > 0, il existe un rang n0 tel que pour tout n ≥ n0 , |Tn2 − 1| ≤ ε. La suite
(Tn2 ) converge donc presque sûrement vers 1.

Exercice 8.7. Soit (Yn )n≥1 une suite de variables aléatoires. On suppose que E[Yn ] → 1 et
que E[(Yn )2 ] → 1. Montrer que Yn converge en loi vers 1.
Solution. Par l’inégalité de Bienaymé-Tchebichev, on a
" # E[Yn2 ] − E[Yn ]2 n→∞
P |Yn − E[Yn ]| > ε ≤ → 0.
ε2
Cela prouve que Yn − E[Yn ] converge en probabilité vers 0, donc que Yn → 1 en probabilité, et
donc aussi en loi.
 Exemples de convergence

Exercice 8.8. Soit (Xn )n≥1 une suite de v.a. indépendantes, et de même loi de Bernoulli de
paramètre p, (0 < p < 1). On pose, pour tout n ≥ 1, Yn = Xn Xn+1 , et Vn = Y1 + · · · + Yn .
Montrer que Vn /n converge en probabilité vers p2 .
Solution.
Vn = X1 X2 + · · · + Xn Xn+1 , où Xn sont comme dans l’exercice précedent. Calculons la
variance de Vn :
$ n
$
V ar(Xn ) = 2 Cov(Yi , Yj ) + V ar(Yi ).
i<j i=1

On a V ar(Yi ) = E[Xi2 Xi+1

2 ] − E[Xi Xi+1 = ]2 p2
− p4 . D’autre part Cov(Yi , Yj ) = 0 si
j − i > 1, car dans ce cas Yi et Yj sont indépendantes. Si j = i + 1, on a Cov(Yi , Yi+1 ) =
2 X 3 4
E[Xi Xi+1 i+2 ] − E[Xi Xi+1 ]E[Xi+1 Xi+2 ] = p − p . Finalement

V ar(Vn ) = np2 (1 − p2 ) + 2(n − 1)p3 (1 − p) = p2 (1 − p)(n + 3np − 2p).

Alors Var(Vn /n) ≤ p2 (1−p)(n+3np)/n2 . On veut montrer que pour tout ε > 0, limn→∞ P (|(Vn /n)−
p2 | > ε) = 0. On utilise l’inegalité de Bienaymé-Tchebitcheff( en remarquant que E[Vn /n] = p2 )
pour obtenir
& '
Var Vn /n 1
P (|(Vn /n) − p2 | > ε) ≤ 2
≤ p2 (1 − p)(1 + 3p) → 0
ε n
quand n → ∞.
Remarque : On peut aussi le déduire de la loi des grands nombres. (convergence presque sûre
implique la convergence en proba).

Exercice 8.9. Soit (Xn )n≥1 une suite de v.a. à valeurs entières telle que pour tout n, Xn suit
la loi :
α& α 'k−1
P (Xn = k) = 1− , k ≥ 1,
n n
(α ∈ R∗+ , n ∈ N∗ , n > α). Montrer que ( n1 Xn )n≥1 converge en loi. Préciser sa limite.
Solution. On a P( Xnn ≤ t) = P(Xn ≤ [tn]), et

[tn]
$ α& α 'k−1 & α '[tn]
P(Xn ≤ [tn]) = 1− =1− 1−
n n n
k=0
→ 1 − e−αt

[tn] Xn
quand n → ∞, car n → t. Donc, n converge en loi vers une variable exponentielle de
paramètre α.

Exercice 8.10. Considérons une suite (Xn )n≥1 de v.a. telle que Xn suive une loi exponentielle
de paramètre λn . On suppose que limn→∞ λn = 0. Soit Zn = Xn − [Xn ], où [x] désigne la partie
entière du réel x. Montrer que Zn converge en loi. Préciser sa limite.
Solution. On a {[Xn ] = k} = {Xn ∈ [k, k + 1)}, et Zn ∈ [0, 1] p.s. Donc P(Zn ≤ x) = 0 pour
x ≤ 0, et P(Zn ≤ x) = 1 pour x > 1. Soit x ∈ [0, 1], alors
$ $
P(Zn ≤ x) = P(Zn ≤ x, [Xn ] = k) = P(Zn ≤ x, Xn ∈ [k, k + 1))
k≥0 k≥0
$ $ ( k+x
= P(Xn ∈ [k, k + x]) = λn e−λn t dt
k≥0 k≥0 k
$& ' & '$
= e−λn k − e−λn (k+x) = 1 − e−λn x e−λn k
k≥0 k≥0
1 − e−λn x λn x + O(λ2n )
= = .
1 − e−λn λn + O(λ2n )

On obtient donc,
lim FZn (x) = lim P (Zn ≤ x) = x
n→∞ n→∞

Donc Zn converge en loi vers une variable uniforme dans [0, 1].

! Soit (Xn )n≥1 une suite de v.a. indépendantes de même loi uniforme sur [0, 1].
Exercice 8.11.
Posons Sn = nk=1 1[0,α] (Xk ) et Zn = Sn − nα, n ≥ 1, pour α ∈ [0, 1].
Cste
1. Montrer en utilisant l’identité de Markov que pour tout ε > 0, P (|Zn | > nε) ≤ n2
.
! n→+∞
2. Montrer que pour tout α ∈ [0, 1], n1 nk=1 1[0,α] (Xk ) → α, p.s.
Solution.
!
1. On définit Yk = 1[0,α] (Xk ) − α. On a E[Yk ] = 0. Soit Zn = nk=1 Yk = Sn − nα. On note
E(Yk2 ) = a et E(Yk4 ) = b (pour certains a et b qui ne dépendent pas de k). On calcule
le quatrième moment de Zn :
n
$ $ a2
E(Zn4 ) = E(Yk4 ) + 3 E(Yk2 )E(Yj2 ) = nb + n(n − 1)
2
k=1 k̸=j

(les autres termes sont du type E(Yj3 ) EYk = EYj EYk EYi EYℓ = 0 parce que EYk = 0
pour tout k). Alors, par l’inegalité de Markov on a

EZn4 c
P (|Zn |/n > ε) = P (|Zn |4 /n4 > ε4 ) ≤ ∼ 2.
n4 ε4 n

2. La série de terme général n12 est convergente. Le lemme de Borel-Cantelli assure alors
que {|Zn |/n > ε} n’a lieu qu’un nombre fini de fois avec probabilité un, et donc que Zn
converge presque sûrement vers 0.
Remarque : On aurait pu appliquer directement la loi des grands nombres, les v.a. Yk
étant indépendantes, et identiquement distribuées de loi de Bernoulli de paramètre α.

Exercice 8.12. Soit (Xn )n≥1 une suite de v.a. positives, montrer que Sn = X1 + · · · + Xn
converge en probabilité si et seulement si Sn converge p.s..
Remarque : en cours, on a montré que c’était le cas pour des variables aléatoires indépendantes.
Solution. On sait dejá que la convergence p.s. entraı̂ne la convergence en probabilité.
Réciproquement, supposons que Sn converge en probabilité vers une variable S. Comme
les variables Xn sont positives, les variables définies par Rn = S − Sn = Xn + Xn+1 + . . .
convergent en probabilité vers zéro. Or (Rn ) est une suite décroissante minorée par zéro donc
elle converge presque surement. Sa limite en probabilité étant zéro, sa limite presque sure est
aussi zéro.
Exercice 8.13. Pour tout n ∈ N, on note fn la fonction définie sur R par :

fn (x) = 1 − cos 2nπx , si x ∈]0, 1[

fn (x) = 0 , sinon.

Pour tout n ∈ N, on définit Xn , une v.a. de densité fn . Montrer que la suite (Xn ) converge en
loi bien que la suite de fonctions (fn ) ne converge pas.
Solution. Il est clair que fn ne converge pas dans [0, 1]. Pour x ∈ [0, 1], la fonction de répartition
de Xn est donnée par
( x
sin(2nπx)
Fn (x) = (1 − cos(2nπy))dy = x − ,
0 2nπ
qui converge vers x quand n tends vers ∞. Donc Xn converge en loi vers X, une variable avec
loi uniforme dans [0, 1].

Exercice 8.14. Pas de Césaro pour la convergence en probabilité Soit (Xn )n≥1 une suite de
variables aléatoires indépendantes, Xn étant de fonction de répartition donnée par
1
Fn (x) = 0 si x ≤ 0 et Fn (x) = 1 − si x > 0.
x+n
1 !n
Montrer que la suite (Xn )n≥1 converge en probabilitév ers 0, mais pas la suite Yn = n i=1 Xi .
1
Solution. Les v.a. Xn étant p.s. positives, on a, pour tout ε > 0, P(|Xn | > ε) = 1−Fn (ε) = ε+n ,
et donc limn→∞ P(|Xn | > ε) = 0. Donc la suite (X !nn )n≥1 converge vers 0 en probabilité.
Soit Mn = max(X1 , . . . , Xn ). Alors Mn ≤ i=1 Xi p.s., et donc pour tout ε > 0, on a
Mn
P( n > ε) ≤ P(Yn > ε). Par indépendance des Xn , on a pour tout x > 0,
& ) ' *n
P(Mn ≤ x) = P {Xi ≤ x} = P(Xi ≤ x)
1≤i≤n i=1
n
*& 1 ' & 1 'n
= 1− ≤ 1− .
x+i x+n
i=1

On obtient donc & 'n &M '

1 n
1− 1− ≤P > ε ≤ P(Yn > ε),
n(ε + 1) n
d’où,
" 1 #
lim P(Yn > ε) ≥ 1 − exp − > 0,
n→∞ ε+1
et donc Yn ne converge pas vers 0 en probabilité.

Exercice 8.15. On considère une suite de v.a. indépendantes et de même loi : (Xn )n≥0 . On
définit alors la suite (Yn )n≥0 par

X0 X1 + Y0 X2 + Y1 Xn + Yn−1
Y0 = ; Y1 = ; Y2 = ; · · · ; Yn = ;··· .
2 2 2 2
1. Calculer la fonction caractéristique φn de Yn en fonction de φ, la fonction caractéristique
de X1 , et de n.
2. On suppose que la loi commune aux variables Xn est la loi normale centrée N (0, σ).
Quelle est la loi de Yn ? Quelle est la loi limite de (Yn ) lorsque n tend vers l’infini ?
3. Si les variables Xn suivent la loi de Cauchy de densité [π(1 + x2 )]−1 , x ∈ R, montrer que
(Yn ) converge en loi lorsque n tend vers l’infini. Préciser la limite.
Indication : la fonction caractéristique de la loi de Cauchy est donnée par φ(t) = e−|t| .
Solution. 1) On écrit
n
$
Yn = Xn−k 2−k−1
k=0

Donc, par l’indépendance des Xn et comme celles ci ont la même loi,

n
*
φn = φ(t2−k−1 )
k=0

2 σ 2 /2
2) La fonction caractéristique de la loi normale N (0, σ 2 ) est φ(t) = e−t . Donc
& t2 σ 2 $ n '
φn (t) = exp − 4−k−1
2
k=0
& t2 σ 2 (1 − 4−n−1 ) '
= exp −
8(1 − 4−1 )
& t2 σ 2 1 '
= exp − (1 − 4−n−1 )
2 3
qui converge vers la loi normale N (0, σ 2 /3) quand n → ∞.
3) La fonction caractéristique de la loi de Cauchy standard est φ(t) = e−|t| . Alors,
& n
$ ' " #
φn (t) = exp − |t|/2 2−k = exp − |t|(1 − 2−n+1 ,
k=0

qui converge vers la fonction caractéristique de la loi de Cauchy standard.