Processus aléatoires ENS Paris, 2014/2015

Bastien Mallein
Bureau V2

TD 4 – Loi des grands nombres et Théorème de la limite

centrale
9 mars 2015

Exercice 1 (Moyenne géométrique). Soit (Un , n ≥ 1) une suite de variables aléatoires i.i.d. de loi uniforme
Q 1/n
n
et Xn = j=1 Uj .
1. Montrer que Xn converge presque sûrement et donner sa limite.
√
n
2. Montrer que [e.Xn ] converge, et déterminer la loi limite.
Pn
Solution. 1. On observe que log Xn = n1 j=1 log Uj . Comme − log Uj est une variable aléatoire de
loi exponentielle de paramètre 1, en appliquant la loi des grands nombres on a

lim log Xn = −1 p.s.

n→+∞

Comme la fonction exponentielle est continue, sur l’évènement de probabilité 1 sur lequel log Xn
converge vers −1, la suite (Xn ) converge vers e−1 .
2. De la même façon, en appliquant le théorème de la limite centrale, on a
√
n
log [e.Xn ] =⇒ N (0, 1).

La fonction
√
exponentielle étant toujours continue, on en déduit par un argument différent que
n
[e.Xn ] converge en loi vers une variable aléatoire de loi log-normale.

Exercice 2 (Somme de paires). Soit (Xn ) une suite de variables aléatoires i.i.d. telle que E|X1 | < +∞.
On note
Xn
Sn = Xk Xk+1 .
k=1
Sn
Montrer que n converge presque sûrement vers une variable aléatoire que l’on déterminera.
Pn Pn
Solution. On observe que Snp = k=1 X2k X2k+1 et Sni = k=1 X2k−1 X2k sont deux sommes de variables
aléatoires i.i.d. d’expérance E(X1 )2 . On applique donc la loi des grands nombres, et en observant que
p i
Sn = Sn/2 + Sn/2 ,

on en conclut que limn→+∞ Sn /n = E(X1 )2 .

1
Exercice 3 (Une loi des grands nombres ?). On rappelle qu’une loi de Cauchy a pour densité π(1+x2 )
par rapport à la mesure de Lebesgue.
1. Soit U une variable aléatoire réelle de loi uniforme sur [− π2 , π2 ]. Calculer la loi de tan U .

1
 2. Que vaut E(tan U ) ?
3. Soit (X, X 0 ) une paire de variables aléatoires indépendantes de loi de Cauchy. Déterminer la densité
de la loi de X + X 0 .
4. Soit Y une variable aléatoire réelle dont la loi est 12 e−|y| dy. Calculer la fonction caractéristique de
la loi de Y définie par
ΨY ξ 7→ E eiξY .
 

5. Soit X, X 0 deux variables aléatoires réelles indépendantes de loi de Cauchy et λ, µ ∈ R. Calculer la

densité de la loi de λX + µX 0 , et celle de XX 0 .
6. Soit (Xn ) une suite de variables aléatoires réelles i.i.d. de loi de Cauchy. Calculer la limite (en loi),
quand n → +∞, de
X1 + X2 + · · · + Xn
.
n
Solution. 1. Par changement de variables, tan U est une loi de Cauchy.
2. Question piège : une loi de Cauchy n’a pas d’espérance, elle n’est pas dans L1 .
(d)
3. De pénibles calculs montrent que X + X 0 = 2X.
4. De simples calculs montrent que
1
ΨY (ξ) = ,
1 + ξ2
par inversion L1 , on a donc
ΨX (ξ) = e−|ξ| .
5. On observe que 0
E(eiξ(λX+µX ) ) = e−|ξ|(|λ|+|µ|) ,
|λ|+|µ|
donc λX + µX 0 est une loi de Cauchy multipliée par |λ| + |µ|, dont la densité est π(x2 +(|λ|+|mu|)2 dx.
2 log |x|
La densité de XX 0 s’obtient par des calculs directs : π 2 (x2 −1) .
X1 +···+Xn
6. On observe que n est une loi de Cauchy, par conséquent, la suite converge en loi vers une
loi de Cauchy.

Exercice 98 (Le chevalier de Méré). Ange et Morgane jouent à pile ou face de la façon suivante : le
premier à obtenir 5 victoires remporte 144 pistoles. Hélas, le caïman les interrompt alors que le score est
de 3 à 2. Comment doivent-ils se partager l’argent ?
Même question si les 5 victoires doivent être consécutives, et que Morgane vient de gagner 2 fois
d’affilée, après une victoire d’Ange.
Exercice 4 (Somme de variables aléatoires pas indépendantes). Soit (λn , n ≥ 1) une suite strictement
croissante d’entiers, U une variable aléatoire de loi uniforme, et Xn = cos(2πλn U ). On pose Sn =
X1 + · · · + Xn .
1. Montrer que P( Snn  > ) ≤ C n−1 puis que Sn2 /n2 → 0 p.s.
 
 
S 
2. Montrer que maxn2 ≤m<(n+1)2  Smm − nn22  ≤ 2(2n+1) . En déduire que Sn /n → 0 p.s.

n2

Solution. La clé de cet exercice est d’observer que

E(Xp Xq ) = δp,q

2
par conséquent, en utilisant l’inégalité de Markov

E(Sn2 )
  
 Sn  1
P   >  ≤ 2
≤ .
n n  n

Borel-Cantelli garantit donc la convergence p.s. de la suite Sn2 /n2 .

On observe maintenant que

Sm Sn2 n2 Sm − mSn2 Sm − Sn2 (n2 − m)Sm

− 2 = 2
= 2
+ .
m n mn n mn2
En utilisant que les Xj sont des variables aléatoires à valeurs dans [−1, 1], on peut conclure.
En mettant en commun les question 1 et 2, on obtient bien la convergence presque sûre de la suite.
Exercice 5 (La formule de
PStirling). Soit (Xn ) une suite i.i.d. de variables aléatoires centrées de variance
n
σ 2 < +∞. On pose Sn = i=1 Xi , et X ∼ N (0, σ 2 ).
1. Soit f une fonction réelle continue telle que lim|x|→+∞ |fx(x)|
2 = 0. Montrer que
  
Sn
lim E f √ = E [f (X)] .
n→+∞ n

n−S
2. On suppose que X1 ∼ P(1), et on note Zn = √ n.
n
En calculant E(Zn 1{Zn ≥0} ), retrouver la
formule de Stirling.

Solution. 1. Pour K > 0, on pose

χK : x 7→ min(1, max(0, K + 1 − |x|)).

On note que pour tout  > 0, il existe K > 0 tel que

sup |f (x) − χK f (x)| ≤ ,

x∈R

par conséquent         
 Sn Sn Sn 
lim sup E f √
 −E f √ χk √  ≤ .
n→+∞ n n n 
En appliquant le théorème central limite, on obtient aisément
    
Sn Sn
lim E f √ χk √ = E [f (X)χK (X), ] .
n→+∞ n n

On en déduit     
 Sn 
lim sup E f √ − E [f (X)] ≤ 2.
n→+∞ n
On fait alors tendre  → 0 pour conclure.
2. On applique la question précédente, on a
1
lim E(Zn 1{Zn ≥0} ) = E(X1{X>0} ) = √ .
n→+∞ 2π

3
 De plus, Sn suit une loi de Poisson de paramètre n, par conséquent
n
X n−k
E(Zn 1{Zn ≥0} ) = √ P(Sn = k)
n
k=0
n
X n − k −n nk
= √ e
n k!
k=0
n
X nk+1/2 nk−1/2
= e−n −
k! (k − 1)!
k=0
n+1/2
n
= e−n .
n!

Exercice 6 (Une
Pn série de variables aléatoires). Soit (Xn ) une suite de variables aléatoires indépendantes,
on note Sn = j=1 Xj .
1. Soit t ∈ [0, π]. Montrer que t − sin t ≥ t3 /π 2 , et que pour tout k ∈ N, sin(kt) ≤ | sin(kt)| ≤ k sin t.
x3
En déduire que pour tout x ≥ 0, x − sin x ≥ (x+π) 2.

2. Soit φ la fonction caractéristique d’une v.a. Y . Montrer que

δ
(1 + π/(δ))2
Z
∀ > 0, ∀δ > 0, P (|Y | ≥ ) ≤ (1 − Re(φ(t))) dt.
δ 0

3. On suppose que (Sn ) converge en loi. En déduire que (Sn ) est une suite de Cauchy en probabilité,
c’est-à-dire que pour tout  > 0, limn→+∞ supm≥0 P (|Sn+m − Sn | ≥ ) = 0.
4. En conclure
(Sn ) converge en loi ⇐⇒ (Sn ) converge en probabilité.
Exercice 7 (Billet perdu). Cent passagers s’installent dans un avion, les uns après les autres. Le premier
arrivant a perdu son billet, et s’assoit à un siège aléatoire. Ensuite, chaque passager suivant s’assoit à
son siège si celui-ci est disponible. S’il est occupé, il choisit un siège au hasard à la place. Quel est la
probabilité que le dernier passager à embarquer soit assis à la bonne place ?
Solution. On observe que le dernier passager s’assied soit à son propre siège, soit au siège du premier pas-
sager. Les deux évènements ont exactement la même probabilité, puisque les deux sièges sont échangeables
pour tout le reste de la dynamique. En conclusion, cette probabilité est 1/2.
Exercice 8 (Un nombre impair de piles). Combien de fois faut-il, en moyenne, lancer une pièce en l’air
pour observer une suite d’un nombre impair de piles, suivi d’un face ?
Solution. Supposons que x soit la réponse. On considère les premiers lancers de pièces. Si on a F ou PP,
le jeu recommence avec la même probabilité, alors que si on a PF, le jeu s’arrête. On a alors
1 1 2
x= (x + 1) + (x + 2) + ,
2 4 4
résolution en x = 6.