M1 — Processus Stochastiques

Partiel de mi-semestre, 9 novembre 2022

Exercice 1. Le but de l’exercice est de montrer que, pour α ∈ ]0, 2[ , la fonction définie par
α
ϕ(t) = e−|t| pour t ∈ R est la fonction caractéristique d’une variable aléatoire Z.
Soit α ∈ ]0, 2[ et soit X une variable aléatoire aléatoire de densité donnée par
α
f (x) = 1{|x|≥1} , x ∈ R.
2|x|1+α

On note ϕX sa fonction caractéristique.

∞
1 − cos(ux)
Z
1. Montrer que pour u ∈ R, on a 1 − ϕX (u) = α dx.
1 x1+α
Z ∞
1 − ϕX (u) 1 − cos(v)
2. En déduire que lim α
= cα , avec cα = α dv.
u→0 |u| 0 v 1+α
On prendra soin de montrer que cα < +∞.
Soient maintenant (Xi )i≥1 des variables
Pn aléatoires indépendantes et de même loi que X.
−1/α
Pour n ≥ 1, on pose Zn = n i=1 Xi .

3. Montrer que ϕZn (t) = ϕX (n−1/α t)n . En utilisant la question précédente, montrer
α
que pour tout t ∈ R, limn→∞ ϕZn (t) = e−cα |t| .
α
4. Conclure que ϕ(t) = e−|t| est la fonction caractéristique d’une variable aléatoire
réelle Z et montrer que Z est infiniment divisible.

Exercice 2. Soient X et Y deux variables aléatoires indépendantes, de même loi uniforme

sur [0, 1]. On pose Z = max(X, Y ).
1. Calculer E[Z | Y ].
2. Déterminer la densité de Z et calculer E[Y | Z].
2
Exercice 3. Soit (Xn )n≥0 une martingale telleP∞que1 E[Xn2] < +∞ pour tout n. Pour n ≥ 1,
on pose Yn = Xn − Xn−1 et on suppose que k=1 a2 E[Yk ] < +∞, où (an )n≥1 est une suite
k
croissante de réels positifs telle que limn→∞ an = +∞.
n
1
P
1. On pose Wn := Y . Montrer que (Wn )n≥0 est une martingale.
ak k
k=1
2. Calculer E[Wn2 ] et en déduire que (Wn )n≥0 est bornée dans L2 .
1
3. En déduire que X
an n
converge vers 0 p.s. On pourra utiliser sans démonstration le
lemme de Kronecker : soit (un )n≥1 le terme général d’une série convergente et soit (bn )n≥1
une suite croissante de réels positifs telle que lim bn = ∞. Alors lim b1n nk=1 bk uk = 0.
P
n→∞ n→∞
4. On suppose qu’il existe une constante C et α > 0 tel que E[Xn2 ] ≤
Cnα pour tout
1
n ≥ 1. Montrer que pour tout β > α/2, nβ Xn converge vers 0 presque sûrement
Exercice 4. Soit (ξi )i≥1 des variables aléatoires réelles i.i.d. (indépendantes et identique-
ment distribuées). On suppose qu’il existe un α > 0 tel que E[eαξ ] = 1. Montrer que

pour tout x ≥ 0, P ∃ n ≥ 0 tel que ξ1 + · · · + ξn ≥ x ≤ e−αx .

Indication : introduire la bonne martingale.

Exercice 5. Soit (Un )n∈N une famille de variables aléatoires i.i.d. de loi uniforme sur
[0, 2π[. Soit (Fn )n∈N la filtration associée à cette famille. On souhaite étudier le processus
aléatoire (Zn )n≥0 dans le plan complexe défini par : Z0 = i et pour n ≥ 0

Zn+1 = Zn + Im(Zn )eiUn+1 .

En notant Xn = Re(Zn ) et Yn = Im(Zn ), on obtient facilement (on ne demande pas de

le démontrer) la récurrence suivante : X0 = 0, Y0 = 1, puis pour n ≥ 0

Xn+1 = Xn + Yn cos(Un+1 ), Yn+1 = Yn (1 + sin(Un+1 )) .

1. Montrer que (Xn )n≥0 et (Yn )n≥0 sont des martingales.

√
2. Montrer que E[ Yn ] = θn pour une constante θ ∈ ]0, 1[ (on ne demande pas de
la calculer explicitement). En déduire que (Yn ) tend vers 0 p.s. La martingale (Yn )
est-elle fermée ?
3. Montrer que limn→∞ E[(Xn )2 ] = ∞. La martingale (Xn ) converge-t-elle dans L2 ?
p
4. Montrez que E[ |Xn+1 − Xn |] ≤ θn avec θ ∈ ]0, 1[ donné dans la question 2.
5. Soit a ∈ ] θ2 , 1[ . Montrer que presque sûrement, il existe n0 = n0 (ω) tel que pour
tout n ≥ n0 on ait |Xn − Xn−1 | ≤ an . Conclure que Xn converge presque sûrement
vers une variable X∞ .
6. On souhaite calculer la loi de X∞ . Pour λ ∈ R, on introduit


Mn (λ) = exp iλXn − |λ|Yn pour n ∈ N.
iU
(a) Montrer que si U est de loi uniforme sur [0, 2π[ alors on a E[ew e ] = 1 pour
tout w ∈ C. On pourra utiliser la formule des résidus.
(b) En déduire que Mn (λ) est une martingale complexe, c’est-à-dire que la partie
réelle et la partie imaginaire de Mn (λ) sont des martingales. On pourra utiliser
directement l’espérance conditionnelle pour des variables aléatoires complexes.
(c) Montrer que Mn (λ) converge presque sûrement et dans L1 , et en déduire que
E[eiλX∞ ] = e−|λ| pour tout λ ∈ R. Il s’agit de la fonction caractéristique d’une
1
variable aléatoire de Cauchy, de densité π(1+x 2 ) sur R.

7. Aurions-nous pu utiliser le critère de convergence presque sûre supn E(|Xn |) < +∞ ?

Correction de l’exercice 1.
1. On fait simplement le calcul avec la densité :
Z −1 Z ∞ Z ∞
1 − eiux 1 − eiux 1 − e−iux + 1 − eiux
1 − ϕX (u) = α 1+α
dx + α dx = α dx ,
−∞ 2|x| 1 2|x|1+α 1 2|x|1+α

où on a fait un changement de variable x → −x dans la première intégrale. Cela donne

le résultat voulu en utilisant cos(ux) = 21 (eiux + e−iux ).
2. Avec un changement de variable v = |u|x, on obtient (par parité du cos)
Z ∞
α 1 − cos(v)
1 − ϕX (u) = |u| α dv .
|u| v 1+α
R∞
Il reste à montrer que limu→0 α |u| 1−cos(v) v 1+α
dv = cα < +∞. L’existence de la limite est
donnée par convergence monotone. Le fait que la limite soit finie est dû au fait que : en 0,
on a 1−cos(v)
v 1+α
∼ 21 v 1−α , qui est intégrable car α < 2 (donc 1 − α > −1) ; en +∞, la fonction
intégrée est bornée par α−1 v −(1+α) qui est intégrable car α > 0.
3. On a facilement, par indépendance :
n
−1/α X
Y
ϕZn (t) = ϕn−1/α Xi (t) = E[eitn ]n = ϕX (n−1/α t) .
i=1

D’après la question précédente, pour tout t ∈ R fixé, ϕX (n−1/α t) = 1−(1+o(1))cα |n−1/α t|α =
α
1 − (1 + o(1)) cαn|t| quand n → ∞. On en déduit que
 cα |t|α n α
lim ϕZn (t) = lim 1 − (1 + o(1)) = e−cα |t| .
n→∞ n→∞ n
α
4. Comme la fonction limn→∞ ϕZn (t) = ϕ̃(t) = e−cα |t| est continue en 0, d’après le
théorème de continuité de Lévy, il s’agit de la fonction caractéristique d’une variable
α
aléatoire Z̃. On en déduit que ϕ(t) = e−|t| est la fonction caractéristique de Z =
1 α
(cα )−1/α Z̃. Clairement, pour tout n ∈ N, ϕ(t) = ϕn (t)n , où ϕn (t) = e− n |t| est la fonction
1
caractéristique d’une variable aléatoire (de n1/α Z) : donc Z a la même loi que Y1 +···+Y
n1/α
n
où
les Yi sont i.i.d. de même loi que Z. On dit que Z suit une loi α-stable.

Correction de l’exercice 2.
1. On applique la formule du cours : Z est une fonction de X, Y avec X et Y
indépendantes, donc E[Z | Y ] = ψ(Y ), avec

ψ(y) = E[max(X, y)] = yP(X < y) + E[X1{X≥y} ].

R1
Un calcul facile donne, pour y ∈ ]0, 1[ , ψ(y) = y 2 + y
xdx = y 2 + 12 [1 − y 2 ] = 12 (1 + y 2 ),
donc E[Z | Y ] = 12 (1 + Y 2 ) p.s.
 2. On a P(Z ≤ t) = P(X ≤ t, Y ≤ t) = t2 pour t ∈ [0, 1], donc on en déduit
que Z admet pour densité 2t1[0,1] (t). Pour calculer E[Y | Z], calculons E[Y h(Z)] pour une
fonction h mesurable positive arbitraire. En utilisant la formule de transfert, on a
Z Z 1 Z y Z 1 
E[Y h(Z)] = yh(max(x, y))dxdy = y h(y)dx + h(x)dx dy
[0,1]2 0 0 y
Z 1 Z 1 Z x Z 1
2
 3
= y h(y)dy + ydy h(x)dx = z 2 h(z)dz
0 0 0 2 0
où on a appliqué Fubini pour l’avant-dernière égalité. En utilisant la densité de Z, on a
donc montré que E[Y h(Z)] = E[ 43 Zh(Z)], pour tout fonction h mesurable positive. Cela
montre que E[Y | Z] = 34 Z.
Correction de l’exercice 3.
1. Montrer que c’est une martingale est facile : (i) adapté car les Yk sont Fk -mesurables,
(ii) intégrable car les Xk le sont, donc les Yk aussi, (iii) martingale car Mn − Mn−1 = a1n Yn
et E[Yn | Fn−1 ] = 0 par construction de Yn (car Xn est une martingale).
2. En développant le carré et en utilisant la linéarité de l’espérance (tous les Yk sont
de carré intégrables), on a
n
X 1 X 1
E[Wn2 ] = 2
E[Yk2 ] + 2 E[Yj Yk ] .
k=1
a k 1≤j<k≤n
aj ak

Mais pour j < k, on a E[Yj Yk | Fj ] = Yj E[Yk | Fj ] = 0, par définition de Yk , en utilisant

que si j < k E[Xk |, Fj ] = E[Xk−1 |, Fj ] = Xj p.s. En prenant l’espérance, on en conlut
que E[Yj Yk ] = 0, donc
n ∞
X 1 X 1
E[Wn2 ] = 2
E[Yk2 ], d’où sup E[Wn2 ] = 2
E[Yk2 ] < +∞ .
a
k=1 k
n a
k=1 k

3. On sait que (Wn )n≥0 est une martingale bornée dans L2 , donc elle converge presque
sûrement. Ainsi, p.s. la série de terme général a1n Yn converge. D’après le lemme de Kro-
necker, on obtient que, presque sûrement,
n n
1 X 1 1 X 1
ak Yk = (Xk − Xk−1 ) = Xn −−−→ 0 .
an k=1 ak an k=1 an n→∞

4. Essayons de montrer que ∞ 1 2 β

P
k=1 ak E[Yk ] < +∞, avec ak = k (qui vérisie bien les
hypothèses). Remarquons que E[Yk2 ] = E[(Xk − Xk−1 )2 ] = E[Xk2 ] − E[Xk−1 2
] (en utilisant
que E[Xk Xk−1 ] = E[Xk−1 ] car E[Xk Xk−1 | Fk−1 ] = Xk−12 par la propriété de martingale).
2

On a alors par “sommation par partie” (transformation d’Abel, en posant 1/a20 = 0)

n n n
X 1 2
X 1 2 2

1 2
X
2
 1 1
E[Y k ] = E[X k ] − E[X k−1 ] = E[X n ] + E[X k ] −
a2
k=2 k k=2 k
a2 a2n k=1
a2k−1 a2k
1 1 0 −2β−1
En utilisant le fait que E[Xk2 ] ≤ Ck α et que (k−1) 2β − k 2β ≤ C k , on en conclut que
Pn 1 n
2 α−2β
+ CC 0 k=1 k −1+α−2β , qui converge donc si 2β > α.
P
k=2 a2 E[Yk ] ≤ Cn
k
Correction de l’exercice 4. On introduit le processus Xn = eα(ξ1 +···+ξn ) , pour n ≥ 0
(X0 = 0). Il s’agit clairement d’une martingale (multiplicative), qui plus est positive. La
fonction x 7→ eαx étant strictement croissante (d’inverse strictment croissante) peut alors
reformuler l’énoncé à prouver en termes de (Xn ) : on doit montrer que

P ∃ n tel que Xn ≥ eαx ≤ e−αx .

pour tout x ≥ 0 ,

Mais pour tout k ∈ N, l’inégalité de Doob (on rappelle que Xn est positive) donne


1 1
P ∃ n ≤ k tel que Xn ≥ a = P ∃ n ≤ k tel que Xn ≥ a ≤ E[Xn ] = .
a a
Ainsi, P(∃ n ≤ k tel que Xn ≥ eαx ) ≤ e−αx pour tout k ∈ N. En prenant la limite quand
k → ∞, on obtient le résultat voulu (par convergence monotone).
Correction de l’exercice 5.
1. On vérifie facilement les trois conditions (i) Fn -mesurabilité par récurrence, (ii)
intégrabilité en s’apercevant que Yn ≤ 2n , et (iii) E[Xn+1 | Fn ] = Xn , E[Yn+1 | Fn ] = Yn ,
en utilisant le fait que E[cos(U1 )] = E[sin(U1 )] = 0.
2. Comme YQn est une martingale positive, elle converge p.s. vers une variable Y∞ ≥ 0.
On écrit Yn = nk=1 (1 + sin(Uk )), de sorte que par indépendance des (Uk )k≥1 , on obtient
p p
E[ Yn ] = E[ 1 + sin(U1 )]n = θn ,
p
avec θ := E[ 1 + sin(U1 )] < E[(1 + sin(U1 ))]1/2 = 1 (inégalité de √ Cauchy-Schwarz, en
dehors du cas d’égalité).
√ En fait, θ est calculable, on trouve θ = 2 2/π.
On a donc que E[ Yn ] → 0 quand √ n → ∞. Pour conclure, plusieurs
√ options : √
- soit en utilisant Fatou : E[ Y∞ ] = E[lim inf Yn ] ≤ lim inf E[ Yn ] = 0. Ainsi, Y∞
est une variable positive d’intégrale nulle, et Y∞ = 0 p.s. √
1
- soit en utilisant l’inégalité de Markov : pour tout ε > 0 P(|Yn | > ε) ≤ ε1/2 E[ Yn ] → 0.
Ainsi, Yn converge en probabilité vers 0, et par unicité de la limite Y∞ = 0 p.s.
3. On a (Xn+1 )2 = (Xn )2 + 2Xn Yn cos(Un+1 ) + (Yn )2 cos(Un+1 )2 , de sorte que, en
utilisant l’indépendance de la suite (Un )

E[(Xn+1 )2 ] = E[(Xn )2 ] + 2E[Xn Yn ]E[cos(Un+1 )] + E[(Yn )2 ]E[cos(Un+1 )2 ] .

En ré-utilisant que Yn = nk=1 (1 + sin(Uk )), on a donc que

Q

E[(Xn+1 )2 ] = E[(Xn )2 ] + y 2 E[cos(Un+1 )2 ]E[(1 + sin(U1 )2 ]n

≥ E[cos(Un+1 )2 ]γ n → +∞,

avec γ := E[(1+sin(U1 )2 ] > 1 (calcul explicite ou inégalité de Jensen hors du cas d’égalité).
Ainsi, Xn ne peut converger dans L2 , sinon Xn serait bornée dans L2 .
4. En écrivant |Xn+1 − Xn | ≤ Yn , on obtient avec un calcul précédent que
p p
E[ |Xn+1 − Xn |] ≤ E[ Yn ] = θn .
 5. Appelons An l’événement {|Xn+1 − Xn | ≥ an }. Alors l’inégalité de Markov donne
 n
1 p θ
P(An ) ≤ n 1/2 E[ |Xn+1 − Xn |] ≤ .
(a ) a1/2
Et comme a1/2 > θ, on a donc que n P(An ) < +∞, et le lemme de Borel-Cantelli donne
P
que P-p.s. il existe n0 = n0 (ω) tel que |Xn+1 − Xn | ≤ an pour tout n ≥ n0 . Alors, pour
tout m > n ≥ n0
X 1 n→+∞
|Xm − Xn | ≤ |Xi+1 − Xi | ≤ an × → 0.
i≥n
1−a
Ainsi, p.s., Xn est une suite de Cauchy dans R, et donc Xn converge. On a donc montré
que Xn → X∞ p.s.
6. (a) On a Z 2π Z
 w eiU  1 w eit 1 dz
E e = e dt = ew z
2π 0 2π C1 iz
où C1 = {z ∈ C, |z| = 1} est le cercle unité (en parametrant le cercle Rpar son angle t,
1 eitz
z = eit , dt = ieit dt, dt =). Maintenant, la formule des résidus donne 2iπ C1 z
dz = 1, ce
qui conclut le démonstration.
(b) Montrer que (Mn )n≥0 est adapté et intégrable est facile. Pour la propriété de
martingale, on utilise le fait que Xn+1 = Xn + Yn cos(Un+1 ), Yn+1 = Yn + Yn sin(Un+1 )
pour avoir
Mn+1 = Mn eiλYn cos(Un+1 )−|λ|Yn sin(Un+1 ) .
Ainsi, h i
E[Mn+1 | Fn ] = Mn E eiλYn cos(Un+1 )−|λ|Yn sin(Un+1 ) Fn .
Comme Yn est Fn mesurable et que Un+1 est indépendant de Fn , on en déduit par un
résultat du cours que
h i
E eiλYn cos(Un+1 )−|λ|Yn sin(Un+1 ) Fn = ψ(Yn ) , ψ(y) = E eiλy cos(Un+1 )−|λ|y sin(Un+1 ) .
 

iU −iU
Si λ > 0, on a ψ(y) = E[ewe ] avec w = iy ; si λ < 0, on a ψ(y) = E[ewe ] avec w = iy
(à noter que eiU et e−iU ont la même loi : uniforme sur le cercle unité). La question
précédente montre que l’on a ψ(y) = 1 pour tout y : cela conclut la démonstration que
Mn est une martingale.
(c) On a |Mn | ≤ 1 pour tout n, donc c’est une martingale bornée : elle converge p.s.
et dans Lp pour tout p ≥ 1. En particulier elle converge dans L1 . Comme Yn → 0 et
Xn → X∞ p.s., on a limn→∞ eiλX∞ p.s.
Grâce à la convergence and L1 et au fait que E[Mn ] = E[M0 ] = e−|λ| , on obtient
e−|λ| = lim E[Mn ] = E[ lim Mn ] = E[eiλX∞ ].
n→∞ n→∞

On a donc montré que la fonction caractéristique de X∞ est égale à e−|λ| , qui est la
fonction caractéristique d’une loi de Cauchy.
7. La variable aléatoire Xn converge en loi vers une variable X∞ qui n’est pas dans L1 .
On n’aurait donc pas pu avoir supn E[|Xn |].