11 •UNIVERSITÉ

~IDEROUEN
Masters AIMAF et MFA, lème année, année 2014-2015
Probabilités

Examen de 1ère session, mercredi 7 janvier 2015 (durée : 3h)

Les documents et appareils électroniques sont interdits. Il est demandé de soigner la présentation de la
copie. En particulier, les résultats obtenus devront être encadrés.

Dans l'ensemble de l'énoncé, les variables aléatoires considérées sont définies sur un espace de probabilité (n, :F, P).

COURS.
1. Montrer que si deux Il-systèmes sont indépendants, alors leurs tribus engendrées sont également indépendantes.
2. Donner la définition de la fonction caractéristique d'une variable aléatoire réelle et montrer qu'elle est continue.

EXERCICE 1. Soit (Xn)nEN* une suite de variables aléatoires réelles indépendantes. Le but de l'exercice est de montrer
l'équivalence
+oo
( sup Xn <
nEN*
+oo presque sürement)-{=::;> (:lM > 0 tel que L P[Xn > M] < +oo).
n=l

1. Montrer que P [ sup Xn < +oo] vaut O ou l.

nEN*
+oo
2. On suppose qu'il existe M > 0 tel que L P[Xn > M] est une série convergente.
n=l
Montrer que sup Xn < +oo presque-sürement.
nEN*
+oo
3. On suppose que pour tout M > 0, la série L P[Xn > M] est divergente .
n=l
Montrer que P[nkEN* limsup{Xn > k}] = l.
4. Conclure en montrant l'équivalence demandée.

EXERCICE 2. Soit (Xn)nEN* une suite de variables aléatoires réelles indépendantes, identiquement distribuées et de
-
1
carré intégrable. On pose E[X1] = m où m E lR et Sn= - (X1X2 + X2X3 + · · · + Xn-1Xn) pour tout n 2 1.
n
l. Pour n 2 1 fixé, vérifier que Sn est bien intégrable puis calculer, pour n 2 1 fixé, E[Sn] en fonction de m.
2. Montrer que la suite (S2n)nEN* converge presque-sürement vers une constante que l'on précisera.
3. En déduire la convergence presque-süre de la suite (Sn)nEN*.

EXERCICE 3. Soit (Xn)nEN* une suite de variables aléatoires réelles positives, indépendantes, identiquement distri-
buées et de carré intégrable. On suppose de plus que E[X1] = 1 et Var[X1] = o- 2 où Œ > O.
On note Sn= X1 + X2 + · · · + Xn, Tn = ~-,/net Rn= /s:,,- ,/n pour tout n
2 1. Le but de l'exercice est de
montrer que la suite (Rn)nEN* converge en loi vers une variable gaussienne centrée et de variance Œ2/4, soit
2
Rn ~ N(O, ~ ).
4
l. Déterminer sans calcul la limite pour la convergence en loi de la suite (Tn)nEN*.
2. Exprimer, pour n 2 1 fixé, la fonction de répartition de Rn à l'aide de la fonction de répartition de 1'r,.
3. (Résultat intermédiaire) Soient (Un)nEN* et (Vn)nEN* deux suites de variables aléatoires réelles qui convergent en
loi respectivement vers une variable U et vers O. Montrer qu'alors (Un+ Vn) converge en loi vers U.
Indication. On pourra exploiter la définition de la convergence en loi à l'aide des fonctions de répartition.
 t2
4. Déduire de la question précédente que pour t E lR fixé, les suites (Tn)nEN* et (Tn - fo )nEN* ont même limite pour
la convergence en loi.
5. Conclure quant à la convergence en loi de (Rn)nEN*.

EXERCICE 4. Soit Ç une sous-tribu de F.

1. Soit X une variable aléatoire réelle intégrable. Rappeler la définition de l'espérance conditionnelle E[XIQ].
2. Soit Y une autre variable aléatoire réelle intégrable telle que X = Y sur un événement B de Ç. Montrer que
E[X IQ] = E[YIQ] presque-sürement sur l'événement B.
Indication. On pourra s'inspirer de la démonstration de l'unicité de l'espérance conditionnelle et introduire un
événement Ç-mesurable bien choisi.

EXERCICE 5.
1. Soit (X, Y) un couple de variables aléatoires réelles dont la loi admet une densité notée fcx,Y) par rapport à la
mesure de Lebesgue sur JR 2 •
J xfcx Y) (x, Y)dx
Montrer en détail que E[XIY] = J f ' ( Y)d presque-sürement.
(X ,Y) X, X
Indication. On pourra vérifier que la variable à droite de l'égalité satisfait les conditions de la définition de E[X !Y].
Pour ce faire , on pourra utiliser le fait qu'un événement Œ(Y)-mesurable est de la forme {Y E A} où A E B(JR).
2. Soient U et V deux variables aléatoires indépendantes et de même loi uniforme sur l'intervalle ]O, l[.
On pose X = min(U, V) et Y= max(U, V).
(a) Déterminer une densité explicite du couple (X, Y).
(b) Calculer E[XIY].
3. Reprendre toute la question précédente en remplaçant la loi uniforme par la loi exponentielle de paramètre 1.
11 •UNIVERSITÉ
~IDEROUEN
Masters AIMAF et MFA , lème année, année 2014-2015
Probabilités

Correction de l'examen de 1ère session du mercredi 7 janvier 2015

EXERCICE 1. 1. Fixons N E N*. On remarque que pour tout N E N*, sup Xn est fini si et seulement si sup Xn est fini
nEN* n?_N
(les premières valeurs de la suite ne changent pas le fait qu'elle soit majorée). On a donc l'égalité d'événements { sup Xn <
nEN*
+oo} = { sup Xn < +oo }. Or la variable sup Xn est o-(Xn : n 2 N)-mesurable. Donc l'événement { sup Xn < +oo} est
n>N n>N nEN*
aussi o-(Xn-: n 2 N)-mesurable. Ceci étant vrai pour tout N, on a { sup Xn < +oo} E nNEN*a(Xn : n 2 N). Ainsi,
nEN*
l'événement est dans la tribu asymptotique donc d'après la loi du zéro-un, sa probabilité est égale à O ou 1.

2. On applique le lemme de Borel-Cantelli, partie facile. On a P[lim sup{ Xn > M}] = 0 et P[lim inf { Xn s; M}] = 1. Il
reste à montrer que liminf{Xn s; M} C { sup Xn < +oo}. Soit donc w E liminf{Xn s; M}. Il existe N(w) tel que pour
nEN*
tout n 2 N(w), on a Xn(w) s; M. En particulier, max(M,X1(w), · · · ,XN-1(w)) est un majorant fini de toute la suite
(Xn(w))nEN*· Ainsi sup Xn(w) < +oo.
nEN*
+oo
3. On fixe k E N*. On constate que la série L P[Xn > k] diverge et que les événements {Xn > k}, n 2 1, sont
n=l
indépendants. D'après le lemme de Borel-Cantelli, partie difficile, on obtient que P[limsup{Xn > k}] = 1. Ceci étant vrai
pour tout k EN*, on a aussi P[nkEN* limsup{Xn > k}] = 1 (l'intersection dénombrable d'événements de probabilité 1
est de probabilité 1).

4. Pour obtenir l'équivalence, il reste à montrer que si l'hypothèse de la question précédente est satisfaite, alors la
suite (Xn)nEN* est non majorée avec probabilité 1. En effet, soit w E nkEN* limsup{Xn > k}. En particulier, pour tout
k EN*, il existe un élément de la suite (Xn(w))nEN* supérieur à k. Ainsi, la suite (Xn(w))nEN* n'est pas majorée.

EXERCICE 2. 1. On constate que l'inégalité de Cauchy-Schwarz et le fait que X 1 et X 2 ont même loi impliquent
que E(IX1X2 I) s; E[Xf] < +oo. Il en est naturellement de même pour toute variable du type Xn-1Xn avec n 2 2.
Donc Sn est intégrable. De plus, pour tout n 2 2, comme les couples (Xi, X2), (X2, X3), ... ,(Xn-1, Xn) ont même loi ,

E(Sn) = ¾tE(Xk-lXk) = E(X1X 2). Par indépendance de X1 et X2, on obtient E(Sn) = E(X1)E(X2) = m 2.
k=2
2. On écrit pour tout n 2 2,

-
S2n = - - '°'
1 ( 1 n
2 nL..,
n - 1 1 n-l
X2k-1X2k + - - - -
n n-lk
L )
X2kX2k+1 ·
k=l =1

On constate que la suite (X2k_ 1X 2k)kEN* est constituée de variables indépendantes (par le lemme des coalitions), de
1 n
même loi et intégrables. De plus E(X1X2] = m 2. D'après la loi forte des grands nombres, on obtient que -
n
L
X2k-1X2k
k=l
n-1
converge presque-sûrement vers m 2. De même, - -
1
'°'
X kX k+l converge aussi presque-sûrement vers m 2. En conclu-
n -1 L.., 2 2
k=l

sion, S2n converge presque-sûrement vers ~(m2 + 1 x m 2) = m 2.

3. On pourrait montrer de même la convergence presque-sûre de la suite (S2n+1)nEN* vers m 2. Par conséquent, (Sn)nEN*
converge presque-sûrement vers m 2.

EXERCICE 3. 1. La suite (Xn)nEN* est constituée de variables i.i.d. et de carré intégrable, non constantes. Donc
on peut appliquer le théorème central limite. On constate alors que la suite (Tn)nEN* converge en loi vers une loi gaus-
sienne centrée de variance o- 2.
2. On a R,,, = V vnTn + n - vn pour tout n 2 1. On remarque par ailleurs que R,,, prend ses valeurs dans [-vn, +oo[.
Ainsi, pour tout t 2 -vn, on a

P[R,,, s; t] = P[VvnTn + n s; t + vn] = P[vnTn + n s; t 2 + n + 2tvn] = P[Tn s; ~ + 2t].

3. Tout d'abord, comme Vn converge en loi vers la constante 0, cette convergence a lieu également en probabilité. Soit donc
E: > 0 et soit t E IR un point de continuité de la fonction de répartition de U. Quitte à interdire un nombre dénombrable

de valeurs de e, on peut supposer que (t - e) et (t + e) sont aussi des points de continuité de la fonction de répartition de
U. On a pour tout n 2 1,

La première probabilité est majorée par P[IVnl > e] qui tend vers zéro. De par l'inclusion d'événements {Un+ Vn s;
t; IVn I s; E:} C {Un s; t + E:}, la seconde probabilité est majorée par P [Un s; t + E:] qui tend vers P [U s; t + E:] en utilisant
la convergence en loi de (Un)nEN* vers U.
Minorons à présent P[Un + Vn s; t] : on constate que

Donc on a
P[Un + Vn s; t] 2 P[Un s; t - e] - P[IVnl > e].
La première probabilité tend vers P[U s; t - e] et la seconde vers O. Par conséquent,

P[U s; t - e] :<::; liminf P[Un + Vn s; t] s; limsupP[Un + Vn s; t] s; P[U s; t + ê].

n~+oo n~+oo

Il reste à faire tendre ê vers 0 et utiliser le fait que t est point de continuité de la fonction de répartition de U pour obtenir
que lim P[Un + Vn s; t] = P[U s; t]. Ceci montre que (Un+ Vn) ~ U.
n~+oo
t2
4. En particulier Tn converge en loi vers N(0, u 2 ) et - .jîî converge vers 0 donc en appliquant la question précédente à
~ ~
Un= Tn et Vn = - .jîî' on obtient la convergence en loi de Tn - .jîî vers N(0, u 2 ).

5. D'après la question 2., on a

~ ~
P[R,,, :<::; t] = P[Tn - .jîî s; 2t] --+ P[N(0, u 2 ) s; 2t] = P[N(0, 4 ) s; t].
2
Ainsi, Rn converge en loi vers N(0, : ).

EXERCICE 4. 1. E[XIÇ] est la variable aléatoire , unique à un presque-sûr près, vérifiant les deux conditions sui-
vantes.
(Cl) E[XIQ] est Ç-mesurable et intégrable.
(C2) Pour tout A E Ç, on a E[XlA] = E[E[XIQ]lA]-

2. Notons X = E[XIQ] et Y = E[YIQ]. On considère l'événement A {X > Y} n B. On note tout d'abord que
puisque X et Y sont Ç-mesurables, l'événement A est aussi Ç-mesurable comme intersection d'événements Ç-mesurables.
Appliquons donc la condition (C2) à X et à l'événement A :

Or puisque AC B, on a l'égalité X= Y sur l'événement A. Donc on a aussi

Ainsi, on obtient que E[(X -Y)lA] = O. La variable à l'intérieur de l'espérance est positive donc elle est presque-sûrement
nulle. Or si w E A, on a (X(w) - Y(w))lA(w) > O. Donc A est de probabilité nulle. De même, en intervertissant les rôles
de X et de Y, on a que l'événement {Y > .X} n B est aussi de probabilité nulle. En conclusion, P [B] = P [B n { X = Y}],
ce qui signifie que presque-sürement sur B, on a X = Y.

EXERCICE 5. 1. Voir l'exemple 3.b. du chapitre 4 du cours polycopié.

2.a. Soit h : IR2 --+ IR une fonction continue et bornée. Alors

E[h(U, V)]= J"J{O<

f h(x, y)dxdy + j" f h(y, x)dxdy = 2 j" f h(u, v)dudv.
x<y<l} J{O<y<x<l} J{O<u<v<l}

Donc une densité du couple (U, V) est la fonction f(U,V) : (u, v) H 21{o<u<v<l}·

2.b. En appliquant 1., on obtient

2 rv udu 1
E[UIV] = Ju=O = - V p.s.
2J::= 0 du 2

3. De même, une densité de (U, V) est f(U,v): (u,v) H 2l{o<u<v}e-(u+v)_ En appliquant 1., on obtient

_ 2e -V Ju=O
rV
ue -ud u _ V e- V
E [U 1V l - v - 1- v p.s.
2e-V r e-udu 1- e-
Ju=O