X – MAP 

PC  – Lundi  mai  – Convergences de variables aléatoires

Corrigé des que ions non abordées en PC
Igor Kortchemski – igor.kortchemski@cmap.polytechnique.fr

Corrigé des exercices non traités sur http:// www.normalesup.org/ ˜ kortchem/ MAP un peu après la PC.

 Convergence presque sûre

Exercice 4. (Pollen) On modélise l’évolution discrétisée d’une particule de pollen entre deux plaques absorbantes
comme suit. Soit (Xn )n≥ une suite de variables aléatoires indépendantes et de même loi donnée par P (X = ) = P (X = −) =

 . Soit k ≥  un entier. On pose S = k et pour tout n ≥ 

Sn = k + X + · · · + Xn .

Soit T = inf{i ≥  : Si =  ou Si = k} (avec la convention inf ∅ = ∞).

() Montrer que T < ∞ presque sûrement.
() On pose Zn = Smin(n,T ) . Montrer que Zn converge presque sûrement vers une variable aléatoire dont on identifiera
la loi. E -ce que Zn converge en probabilité ? En moyenne ?

Corrigé :
() S’il y a k montées successives, alors T < ∞. Une application du lemme de Borel-Cantelli (semblable à celle au
singe savant) montre que dans la suite (Xi )i≥ la suite  apparaı̂t k fois de suite une infinité de fois presque
sûrement. Donc P (T < ∞).
() Comme T < ∞ presque sûrement, Zn converge presque sûrement vers ST . Donc Zn converge également en
probabilité vers ST (la convergence p.s. implique la convergence en probabilité). Comme |Zn | ≤ k, la suite
converge également en moyenne.
Par symétrie,

P (ST = ) = P (ST = k) =.

Rédigeons cet argument formellement. Soit Φ l’application qui transforme une marche sur Z qui fait des
sauts ± en la marche obtenue en changeant les sauts + en sauts − et les sauts − en sauts +. Notons
(Sn0 )n≥ = Φ((Sn )n≥ ) et T 0 = inf{i ≥  : Si0 =  ou Si0 = k}. Alors, par con ru
 ion, ST =  si et seulement si
ST0 0 = k. De plus, (Sn )n≥ et (Sn0 )n≥ ont la même loi. Donc P (ST = ) = P ST0 0 = k = P (ST = k). Comme
P (ST = ) + P (ST = k) = , le résultat voulu en découle.


 Convergence en probabilité
Exercice 5. (Le retour du RER B) On suppose que le temps d’attente du RER B suit une loi exponentielle de paramètre
λ > . Si on prend le RER B n fois, comment se comporte le temps maximal d’attente lorsque n → ∞ ? Pour modéliser
Pour des que ions, demande d’explications etc., n’hésitez pas à m’envoyer un mail.


cela, on considère une suite (Xn )n≥ de variables aléatoires indépendantes de loi exponentielle de paramètre λ > , et on
s’intéresse à la quantité max≤k≤n Xk .
Montrer que la convergence
 
max Xk −→
ln(n) ≤k≤n n→∞ λ
a lieu en probabilité.

Corrigé : Par définition de la convergence en probabilité, il s’agit de montrer que pour tout  >  on a

 
!
P max X − > −→ .
ln(n) ≤k≤n k λ n→∞

Montrons d’abord que

 
!
P max X < −  −→ 
ln(n) ≤k≤n k λ n→∞

pour  < /λ. Par indépendance,

  nλ
! !!
λ
P max Xk < −  = ( − exp(−( − λ) ln n))n = exp n ln  − ≤ e−n → .
ln(n) ≤k≤n λ n

Ensuite, en passant au complémentaire,

   n
!  
P max Xk > +  =  − P (X < (/λ + ) ln(n))n =  −  − +λ .
ln(n) ≤k≤n λ n
Or
  
 n   
− − +λ
=  − exp n ln  − +λ
∼ −→ .
n n n→∞ nλ n→∞


 Convergence dans L (en moyenne)

Exercice 6. (Un exemple) Soit α > , et soit (Zn, n ≥ ) une suite de variables aléatoires indépendantes de loi donnée par
 
P(Zn = ) = et P(Zn = ) =  − α .
nα n
Montrer que Zn →  dans L . E -ce que la suite (Zn )n≥ converge en probabilité ? E -ce que la suite (Zn ) converge
presque-sûrement ?

Corrigé : On a,

→ ,
E(|Zn |) = E(Zn ) =
nα
ce qui signifie que Zn →  dans L . Donc Zn →  en probabilité car la convergence en moyenne implique la conver-
gence en probabilité.
Pour tout n ≥ , on note An = {Zn = }. Si α >  alors n≥ P(An ) < ∞. D’après le lemme de Borel-Cantelli, on
P

a donc P(lim sup An ) =  c’e -à-dire p.s., il exi e n ≥  tel que pour tout n ≥ n , Zn =  et ainsi Zn →  presque
sûrement
Si α ≤  alors n≥ P(An ) = ∞. Les An étant indépendants, d’après le lemme de Borel-Cantelli, on a donc
P

P(lim sup An ) =  c’e -à-dire p.s Zn =  une infinité de fois. On a aussi n≥ P(Zn = ) = ∞, donc p.s. Zn =  une
P

infinité de fois. Donc Zn ne converge pas presque sûrement. 


Exercice 7. (Petite a uce) Soit X une variable aléatoire réelle intégrable. Montrer que E X 1|X|>n →  lorsque n → ∞.
h i

Corrigé : Posons Yn = X 1|X|>n . Alors :

– Yn converge presque sûrement vers 
– |Yn | ≤ |X|, qui e une variable aléatoire positive intégrable et qui ne dépend pas de n.
D’après le théorème de convergence dominée, E [Yn ] → E [] = . 

 Plus appliqué (hors PC)

Exercice 9. (Biais par la taille) On considère une population comportant un grand nombre n de foyers. On modélise
la taille de ces foyers par une suite de variables aléatoires (Xi )≤i≤n indépendantes de même loi sur N∗ , de moyenne
P
m = E [X ] = k≥ kpk < ∞ avec pk = P (X = k). Soit T la taille du foyer d’un individu pris au hasard dans la population.
Montrer que pour tout entier k ≥ , P (T = k) converge vers m k
pk lorsque n → ∞.
Indication. On pourra commencer par calculer P (T = k|X , . . . , Xn ).

Corrigé : La population compte au total X + · · · + Xn individus. On modélise le choix d’un individu au hasard
par le tirage, conditionnellement à X , . . . , Xn (c’e -à-dire sachant X , . . . , Xn ), d’un entier selon la loi uniforme sur
l’ensemble {, , . . . , X + · · · + Xn }. Pour tout k ≥ , il y a Nk B 1{X =k} + · · · + 1{Xn =k} foyers de taille k qui comptent au
total kNk individus. Par conséquent, par définition de la loi uniforme (formule  cas favorables sur cas totaux ) :

k ni= 1{Xi =k} k n ni= 1{Xi =k}

P P
P (T = k|X , . . . , Xn ) = Pn =  Pn .
i= Xi n i= Xi

Donc, d’après la loi forte des grands nombres,

p.s. k
P (T = k|X , . . . , Xn ) −→ p .
n→∞ m k
Posons F(X , . . . , Xn ) = P (T = k|X , . . . , Xn ), de sorte que P (T = k) = E [F(X , . . . , Xn )] (plus généralement, E [U ] =
k
E [E [U |V ]]). D’après ce qu’on vient de voir, F(X , . . . , Xn ) converge presque sûrement vers m pk en étant dominé
par  (car c’e une probabilité conditionnelle), intégrable. D’après le théorème de convergence dominée,

k
P (T = k) = E [F(X , . . . , Xn )] −→ p .
n→∞ m k
Interprétation. La loi de T n’e pas la loi de départ, car les grands foyers sont sur-représentés tandis que les petits
foyers sont sous-représentés. Ce phénomène e appelé biais par la taille Il s’agit sans doute du biais d’échantillonnage
le plus connu. Le biais e d’autant plus important que la taille du foyer diffère de la taille moyenne m. 

Exercice 10. (Problème du colle ionneur) Soit (Xk , k ≥ ) une suite de variables aléatoires indépendantes uniformément
di ribuées sur {, , . . . , n}. Soit
Tn = inf{m ≥  : {X , . . . , Xm } = {, , . . . , n}}
le premier temps où toutes les valeurs ont été observées.
() Soit τkn = inf{m ≥  : |{X , . . . , Xm }| = k} pour tout k ≥ . Montrer que les variables (τkn −τk−
n
)≤k≤n sont indépendantes,
et déterminer leurs lois respe ives.
Tn
() En déduire que la convergence n log n →  a lieu en probabilité.
Indication. On pourra utiliser l’inégalité de Bienaymé-Tchébychev.


Corrigé :
() La quantité τkn − τk−
n
représente le temps mis pour obtenir un nouvel élément une fois qu’on en a obtenu k − .
Intuitivement, ces variables sont indépendantes et suivent une loi géométrique de paramètre n−k+ n (il re e
n − (k − ) éléments).
Pour le démontrer formellement, on peut procéder comme suit. On a τn = . Soit (t , . . . , tn ) ∈ (N∗ )n− . On
veut calculer P(τn − τn = t , . . . , τnn − τn−
n
= tn ). En posant t =  et en notant Sn l’ensemble des permutations
de {, , . . . , n}, on a

P(τn − τn = t , . . . , τnn − τn−

n
= tn )
 n− 
X \
= Xt +...+tk = σ (k), Xt +...+tk + ∈ {σ (), . . . , σ (k)}, . . . ,

P
σ ∈Sn k=
 

Xt +...+tk +tk+ − ∈ {σ (), . . . , σ (k)} ∩ {Xt +...+tn = σ (n)}

X  Y n !t −
k− k
=
nn n
σ ∈Sn k=
n t −
n! Y k −  k
!
=
nn n
k=
n !t −
n+−k k− k
Y !
= .
n n
k=

Donc les variables aléatoires (τkn − τk−

n
)≤k≤n sont indépendantes, et ont respe ivement pour loi
!i− !i−
n+−k k− n−k+ n−k+
! !
 
P τkn − τk−
n
=i = = − pour i ≥ .
n n n n
n−k+
Cette loi e bien la loi de Gk où Gk suit la loi géométrique de paramètre n .
() On a Tn = τ + nk= (τk − τk− ) et donc
P

n
X n
E(Tn ) =  + =  + nHn− ,
n+−k
k=

où Hn e la série harmonique et

n n n−
(k − )/n X n−k
≤ Cn
X X
Var(Tn ) = Var(τk − τk− ) =  =n
((n +  − k)/n) k
k= k= k=


Donc pour tout  > ,
P
avec C = k≥ k  .

Var(Tn ) C
P (|Tn − E(Tn )| ≥ n log(n)) ≤    ≤  .
 n log(n)  log(n)

Donc (Tn − E(Tn ))/(n log(n)) →  en probabilité. Or E(Tn ) ∼ n log(n) quand n → ∞. Donc pour tout  >  on a
{|Tn − n log(n)| ≥ n log(n)} ⊂ {|Tn − E(Tn )| ≥ n log(n)} pour n assez grand. On obtient ainsi le résultat.



 Pour aller plus loin (hors PC)
E xercice 11. (Lois exponentielles de grand paramètre) Soit (Zn , n ≥ ) une suite de variables aléatoires telle que pour
tout entier n ≥ , Zn e une variable aléatoire exponentielle de paramètre n. Montrer que Zn converge presque sûrement
vers  lorsque n → ∞.

Corrigé : Soit  > . On a P (Zn > ) = e−n . Donc

X
P (Zn > ) < ∞.
n≥

D’après le (premier) lemme Borel Cantelli, pour tout  > , presque sûrement, à partir d’un certain rang on a Zn ≤ .
Donc presque sûrement, pour entier k ≥ , à partir d’un certain rang  ≤ Zn ≤ /k. On en déduit que Zn converge
presque sûrement vers .
Attention. On a effe ué une interversion du pour tout  >  et du presque sûrement ! Ici, cela a été rendu possible


en se re reignant à une suite dénombrable. 

Exercice 12. (Extension du théorème de convergence dominée) Soit (Xn)n≥ une suite de variables aléatoires réelles
telle que Xn converge en probabilité vers X. On suppose qu’il exi e une variable aléatoire positive et intégrable Z,
indépendante de n, telle que |Xn | ≤ Z pour tout n ≥ . Montrer que Xn converge vers X en moyenne.
Indication. On pourra utiliser que si Yn converge en probabilité vers Y alors il exi e une sous-suite de Yn qui converge
presque sûrement vers Y .

Corrigé : Tout d’abord, montrons que |X| ≤ Z presque sûrement. Comme Xn converge en probabilité vers X, il
exi e une sous-suite Xφ(n) qui converge presque sûrement vers X. Comme |Xφ(n) | ≤ Z pour tout n ≥ , on en déduit
que |X| ≤ Z presque sûrement.
On en déduit que la suite E [|Xn − X|] e bornée, car E [|Xn − X|] ≤ E [|Xn |] + E [|X|] ≤ E [Z]. Pour montrer que
E [|Xn − X|] → , il suffit donc de montrer que  e h la seule valeur
i d’adhérence de la suite E [|Xn − X|].
Pour cela, soit φ une extra ion telle que E |Xφ(n) − X| → `. Comme Xφ(n) converge aussi en probabilité vers
X lorsque n → ∞, il exi e une extra ion ψ telle que Xφ(ψ(n)) converge presque sûrementh vers X lorsque i n → ∞.
On peut alors appliquer le théorème de convergence dominé usuel pour en déduire que E |Xφ(ψ(n)) − X| → . Donc
` = , ce qui conclut. 

E xercice 13. (Convergences joitns en probabilité) Soit (Xn )n≥ une suite de variables aléatoires qui converge en pro-
babilité vers X et soit (Yn )n≥ une suite de variables aléatoires qui converge en probabilité vers Y . Montrer que (Xn , Yn )
converge en probabilité vers (X, Y ).

Corrigé : Pour tout  > , on remarque que si

k(Xn , Yn ) − (X, Y )k ≥ .

alors |Xn − X| ≥  ou |Yn − Y | ≥ . En effet, par l’absurde, si |Xn − X| <  et |Yn − Y | < , alors
√ √
k(Xn , Yn ) − (X, Y )k ≤  +  =  < .

Ainsi, pour tout  > ,

P (k(Xn , Yn ) − (X, Y )k ≥ ) ≤ P (|Xn − X| ≥ ) + P (|Yn − Y | ≥ ) −→ ,

n→∞
d’où le résultat. 


Exercice 14. (Lemme de Scheffé) Soient (Xn)n≥ des variables aléatoires positives qui convergent presque sûrement
vers X. On suppose que E [X] < ∞ et que E [Xn ] → E [X] lorsque n → ∞. Le but de cet exercice e de démontrer que
Xn → X dans L .
On pose Yn = min(Xn , X) et Zn = max(Xn , X).
() Démontrer que E [Yn ] → E [X] lorsque n → ∞.
() Démontrer que E [Zn ] → E [X] lorsque n → ∞.
Indication. On pourra écrire que Zn = X + Xn − Yn .
() Conclure que E [|Xn − X|] →  lorsque n → ∞.
Indication. On pourra écrire que |Xn − X| = Zn − Yn .

Corrigé :
() Yn converge presque sûrement vers X, en étant majoré par X. Donc E [Yn ] → E [X] d’après le théorème de
convergence dominée.
() On a E [Zn ] = E [X] + E [Xn ] − E [Yn ] → E [X] + E [X] − E [X] = E [X].
() On a E [|Xn − X|] = E [Zn ] − E [Yn ] → E [X] − E [X] = .


E xercice 15. (Croissance) Soit (Xn )n≥ une suite de variables aléatoires réelles définies sur le même espace de probabi-
lité. Montrer qu’il exi e une suite (cn )n≥ telle que Xn /cn converge presque sûrement vers .

 n ≥ ,
Corrigé : Soit
cn
comme la fon ion de répartition de |Xn | tend vers  en ∞, il exi e cn >  suffisamment
grand tel que P |Xn | > n ≤ −n . Montrons que (cn ) convient.
 
D’après le (premier) lemme de Borel-Cantelli, il suffit de montrer que pour tout  > , la série n≥ P Xc n > 
P
n
converge. Alors, pour n > / (de sorte que  > /n),

 
! !
Xn Xn
P > ≤P > ≤ n
cn cn n 

par définition de cn . D’où le résultat. 

Exercice 16. (Dichotomie) Soit (Xn, n ≥ ) une suite de variables aléatoires réelles positives, indépendantes et de même
loi.
P∞
() Montrer que p.s. = ∞, sauf dans un cas à préciser.
n= Xn
P P
() Montrer que pour tout α on a α n≥ P (X ≥ αn) ≤ E[X] < α n≥ P (X ≥ αn) + α.
Indication. On pourra montrer que
X X
αnP(αn ≤ X < α(n + )) ≤ E [X] ≤ α(n + )P(αn ≤ X < α(n + )).
n≥ n≥

() Montrer que pour tout α >  on a l’équivalence suivante :

X
E[X] < ∞ ⇐⇒ P (X ≥ αn) < ∞.
n≥

() En déduire la dichotomie suivante : presque sûrement,


X   si E[X ] < ∞

la plus grande valeur d’adhérence de n vaut

.
n si E[X ] = ∞

 ∞



 Corrigé :
() Tout d’abord, si X e presque sûrement nulle, alors n≥ Xn =  p.s. Supposons que X n’e pas nulle, alors
P

on peut trouver  >  tel que P (X > ) > . On a alors que n≥ P (Xn > ) = ∞, et les Xn sont indépendants,
P

donc par le (deuxième) lemme Borel-Cantelli, p.s. les Xn sont supérieurs à  une infinité de fois, donc
P
n≥ Xn = ∞.

() Soit X une v.a. positive et α > . On vérifie aisément les encadrements de X suivants :

αn1αn≤X<α(n+) ≤ X ≤ α(n + )1αn≤X<α(n+) .

X X

n≥ n≥

En prenant l’espérance de la ligne précédente on obtient

X
αn (P (X ≥ αn) − P (X ≥ α(n + ))) ≤ E [X]
n≥
X
≤ α(n + ) (P (X ≥ αn) − P (X ≥ α(n + )))
n≥

En reconnaissant des sommes téléscopiques, on en déduit que

X X
α P (X ≥ αn) ≤ E[X] < α P (X ≥ αn) + α.
n≥ n≥

() C’e une conséquence immédiate de la que ion précédente.

() Soit α > . La plus grande valeur d’adhérence de Xnn e supérieure ou égale à α si et seulement si il exi e une
infinité de n tels que Xn ≥ αn. D’après la que ion précédente,

 < ∞ si E[X ] < ∞
X 

P (X ≥ αn)  ,
 = ∞ si E[X ] = ∞

n≥

donc, d’après les deux lemmes de Borel-Cantelli,


Xn   si E[X ] < ∞
  

P la plus grande valeur d’adhérence de ≥α =
n  
 si E[X ] = ∞

et par conséquent

 
Xn 
 si E[X ] < ∞
la plus grande valeur d’adhérence de = p.s.
n  ∞
 si E[X ] = ∞

E xercice 17. (Loi forte des grands nombres, cas non intégrable)s Soit (Xn )n≥ une suite de variables aléatoires réelles
indépendantes et de même loi. On pose, pour tout n ≥ , Sn = X + . . . + Xn . Montrer que si X n’e pas intégrable alors la
suite (n− Sn )n≥ diverge p.s.
Indication. On pourra utiliser la que ion () de l’exercice  et montrer que si Sn /n converge alors Xn /n → .

Corrigé : On a P(|X | ≥ n) = P(|Xn | ≥ n). Comme X n’e pas intégrable, d’après la que ion () de l’exercice 
on a n≥ P(|Xn | ≥ n) = +∞. Les événements {|Xn | ≥ n} étant indépendants, on a P(lim sup{|Xn | ≥ n}) =  d’après le
P

lemme de Borel-Cantelli.


 Ensuite, on remarque que
\( )
Sn Sn Sn+ Sn
  
a une limite réelle ⊂ − → → .
n n n+ n(n + )

Donc
Sn Xn
   
a une limite réelle ⊂ →  ⊂ (lim sup{|Xn | ≥ n})c .
n n
En effet, si Xn /n → , alors |Xn | < n à partir d’un certain rang. L’évènement (lim sup{|Xn | ≥ n})c étant de probabilité
nulle, on en déduit que Sn /n diverge p.s. 

Exercice 18. (Différents modes de convergence) La convergence de l’exercice  a-t-elle lieu presque sûrement ? Dans
L ?

Corrigé : Montrons que la convergence a lieu p.s. et dans L . On pose


Zn = max X
ln(n) ≤k≤n k

() Soit  ∈ (, ) et posons An = {Zn ≤ ( − )λ− }. Montrons que P(An ) converge. D’après les calculs de la
P
λ
solution de l’exercice , on a P(An ) ≤ e−n . Donc P(An ) converge. D’après le lemme de Borel-Cantelli, p.s.,
P

pour tout n suffisamment grand on a Zn ≥ −. Donc p.s. pour tout k ≥ , Zn ≥ −/k pour tout n suffisamment
grand.
Posons Bn = {Zn ≥ ( + )λ− }.Les calculs de la solution de l’exercice  donnent
 n 
 
P(Bn ) =  −  − +λ ∼ .
n n→∞ nλ
La série de terme général /nλ ne converge pas, il faut donc ruser un peu comme dans l’exercice  de la PC
. Fixons η >  et posons nk = ( + η)k . Alors k P (Bnk ) converge et d’après le lemme de Borel-Cantelli, p.s.,
P

pour tout k suffisamment grand on a Znk ≤ ( + )λ− . On encadre ensuite n ≥  : ( + η)k ≤ n ≤ ( + η)k+ et on
écrit :
max(X , . . . , Xn ) max(X , . . . , Xnk+ ) max(X , . . . , Xnk+ ) ln(nk+ ) k+
Zn = ≤ ≤ = Znk+ · .
ln(n) ln(n) ln(nk+ ) ln(nk ) k
Il s’ensuit que p.s. Zn ≤ ( + )λ− pour tout n assez grand. Donc p.s. pour tout k ≥ , Zn ≤ λ + /k pour tout
n suffisamment grand.
On conclut que limn→∞ Zn =  p.s.
() Pour la convergence dans L , nous allons utiliser le lemme de Scheffé (exercice ), qui nous garantit qu’il
suffit de vérifier que E [Zn ] → /λ.
Montrons d’abord que
  +  + · · · + n
Z
ln( − v)v n− dv = − . ()
 n
P vk
Pour cela, on écrit ln( − v) = − k≥ k . Comme

XZ v k+n− X 
dv = < ∞,
 k (k + n)k
k≥ k≥

on a 

Z X
ln( − v)v n− dv = − .
 (k + n)k
k≥


    
 
Pour calculer cette somme, remarquons que k(k+n)
= n k − k+n , de sorte que

N  n
 X    
X  X  X
n = − = lim − = lim HN − Hn+N +
(k + n)k k k+n N →∞ k k+n N →∞ k
k≥ k≥ k= k=

en notant Hn =  +  + · · · + n la série harmonique. Comme Hn = ln(n) + O() quand n → ∞, on en déduit que

n
X  X
n = ,
(k + n)k k
k≥ k=

et () en découle.
Revenons maintenant au problème du comportement asymptotique de E [Zn ]. Posons Yn = max(X , . . . , Xn ),
de sorte que Zn = Yn / log(n), et déterminons une densité de Yn . Pour u ≥ , P (Yn ≤ u) = ( − e−λu )n . On en
déduit que λne−λu ( − e−λu )n− 1u≥ e une densité de Yn . Ainsi,
Z∞ Z∞
λn −λu n− λ u u
E [Zn ] = −λu
ue ( − e ) du = ue−λ n ( − e−λ n )n− du.
 ln(n)  ln(n)

En faisant le changement de variable v =  − e−λu , on en déduit que

n    
Z  
E [Zn ] = − ln( − v)v n− dv =  + + ··· +
λ  λ  n

compte tenu de (). On en déduit que E [Zn ] → /λ car Hn ∼ log(n) lorsque n → ∞, ce qui conclut.
R∞
Remarque. En utilisant la formule E [Yn ] =  P (Yn ≥ t) dt vue à l’exercice  de la PC  (suivi du changement de
variable u =  − e−t ), le calcul de E [Yn ] e un peu plus facile.

Remarque. Voici un argument probabili e qui permet de montrer que E [Yn ] = λ ( +  + · · · + n ). Imaginons
que nous disposons de n horloges et que Xk représente le temps auquel sonne la k-ième horloge. La variable
aléatoire Yn représente alors le temps au bout duquel sonne la dernière horloge. La première horloge sonne alors

au temps min(X , . . . , Xn ), qui e di ribué suivant une variable exponentielle de paramètre λn (d’espérance λn
donc), et d’après la propriété d’absence de mémoire, en remettant le temps à , les temps au bout desquels sonnent
les n −  horloges re antes sont indépendantes et de même loi exponentielle de paramètre λ. On en déduit que

E [Yn ] = λn + E [Yn− ], et le résultat voulu en découle.
Pour rédiger ceci de manière formelle, notons X() ≤ X() ≤ · · · ≤ X(n) le réarrangement croissant des variables
(X , . . . , Xn ). On montre alors que la densité conditionnelle de (X() − X() , . . . , X(n) − X() ) sachant X() e la même
que celle du réarrangement croissant de n −  variables aléatoires i.i.d. exponentielles de paramètre λ (ce calcul e
proche de celui des exercices  et  de la PC). On écrit alors :
h i h i h i h i  
E [Yn ] = E X(n) = E X(n) − X() + E X() = E E[X(n) − X() |X() ] + = E [Yn− ] + .
λn λn