Processus Stochastiques Rémy Mahfouf

ENS Paris, 2020-2021 Bureau V2

remy.mahfouf@ens.fr

TD 1 : Convergence en loi

Vendredi 18 Septembre

Exercice 1 Quelques applications du cours

1
Pn L
1. Soient X1 . . . Xn i.i.d de loi symétrique sur R. On suppose que n i=1 Xi = X1 pour tout
n ≥ 1. Déterminez la loi de X1 .
X+Y L
2. Soient X et Y , i.i.d de carré intégrable. On suppose que √
2
= X. Déterminez la
moyenne puis la loi de X.
L L
3. Soit h : R → R continue et Xn −→ X. Peut-on conclure que h(Xn ) −→ h(X) ?
n→∞ n→∞

L
4. Supposons que Xn −→ X. Montrez que ΦXn −→ ΦX uniformément sur tout compact
n→∞ n→∞
de R. On commencera par montrer que pour ε > 0 fixé, il existe un réel K > 0 tel
que P(Xn 6∈ [−K, K]) ≤ ε uniformément en n. On conclura avec les théorèmes usuels
d’analyse.

Solution de l’exercice 1

1. Soit φ = φX1 la fonction caractéristique de X1 . En utilisant l’indenpendance des Xi

ainsi que l’indentité entre les lois, on obtient facilement que pour n ≥ 0 et ξ ∈ R, on a
φ(nξ) = φ(ξ)n . Comme la loi de X1 est symétrique, la fonction caractéristique est réelle,
et même positive (en utilisant le cas n = 2). Elle est aussi continue et bornée. Des
résultats classiques d’equation fonctionelle (utilisant l’identité ci-dessus et la symétrie)
montrent que log ◦φ est linéaire sur R± puis que que φ(ξ) = e−a|ξ| avec a une constante
réelle positive. On déduit de l’injectivité de la transformée de Fourier que X est une loi
de Cauchy de paramètre a.

2. Comme X et Y sont dans L2 , on en déduit que X, Y et X+Y

√ sont dans L1 puis l’égalité
√ 2
E[X] = E[ X+Y
√ ] =
2
2E[X] = 0. Comme X ∈ L2 , on en déduit que φ = φX est deux fois
2 2
dérivable en 0 et qu’on a le développement de Taylor φ(ξ) = 1 − σ 2ξ + o(ξ 2 ) au voisinage
de ξ = 0 (avec σ 2 = E[X 2 ]). On fixe maintenant ξ ∈ R. Par récurrence, on obtient pour
2n
n ≥ 0 φ(ξ) = φ( 2ξn )2 . En utilisant le développement au voisinage de 0 on a
h σ2ξ 2 ξ 2 i22n σ2ξ 2
φ(ξ) = 1 − + o( ) −→ exp(− )
2 · 22n 22n n→∞ 2
On en déduit que X suit une loi normale centrée de variance σ 2 .
Voici une solution alternative et élégante, due à Ons R. On montre par récurrence sur
n ≥ 1 que pour X1 , . . . , X2n i.i.d de loi X, on a
X1 + . . . + X2n L
√ = X.
2n

1
 On applique alors le théorème central limite, au membre de gauche qui tend vers N (0, σ 2 ).
Comme l’espace des distributions de probabilités sur R est un espace métrique, on conclut
L
facilement que X = N (0, σ 2 ).

3. La proposition est vraie. Pour toute fonction continue bornée f , la fonction f ◦ h reste
continue bornée. Il suffit alors d’appliquer le théorème de Portemanteau.

4. La convergence en loi assure que la suite (Xn )n≥0 est tendue. Fixons ε > 0. On peut
trouver K > 0 tel que P(|Xn | ≥ K) ≤ ε uniformément en n. Ceci traduit que la
masse de la suite de loi de probabilités ne s’échappe pas à l’infini. On pose pour n ≥ 0,
X̃n := Xn 1|Xn |≤K+1 . Sur le segement [−M, M ] ⊂ R, on peut appliquer la convergence
uniforme des applications ξ 7→ φX̃n (ξ), qui convergence simplement (par convergence
en loi et quantification) donc uniformément sur tout compact de R puisque toutes les
fonctions φX̃n sont lipchitziennes. Comme ε est arbitraire et indépendant de n, cela
assure le résultat pour la suite des fonctions φXn .

Exercice 2 Métrique de Lévy pour la convergence en loi

Soient F et G deux fonctions de distribution sur R. On définit

d(F, G) := inf{ δ > 0 : ∀x ∈ R, F (x − δ) − δ ≤ G(x) ≤ F (x + δ) + δ}.

Montrez que d est une distance qui maitrise la topologie de la convergence en loi.
Solution de l’exercice 2

1. La symétrie provient de la définition. Soit x un point de continuité de F . On rappelle

qu’il y a au plus un nombre dénombrable de points de discontinuité de F . Pour δ > 0 on
a G(x) ≤ F (x + δ) + δ puis G(x) ≤ F (x) en passant à la limite. On en déduit que G ≤ F
Lebesque presque partout. De même en utilisant l’autre inégalité dans la définition on en
déduit que F ≤ G Lebesque presque partout puis que F = G en dehors d’un ensemble
de mesure de Lebesgue nulle. Comme F et G sont continues à droite, cela donne la
séparation. Pour ce qui est de l’inégalité triangulaire, on remarque que δ1 > d(F, G) et
δ2 > d(F, H) on a

G(x) ≤ F (x + δ1 ) + δ1 ≤ H([x + δ1 ] + δ2 ) + δ1 + δ2 .

Cela montre que pour tout δ3 > d(F, G) + d(G, H) (que l’on peut écrire comme somme
de δ1 > d(F, G) et de δ2 > d(F, H) on a G(x) ≤ H(x + δ3 ) + δ3 . On obteint de même
G(x − δ3 ) − δ3 ≤ H(x) La minoration est obtenue de la même manière. On passe à la
borne inférieure en δ3 , ce qui donne le résultat.

2. Montrons que la distance d maitrise la convergence en loi.

δn
• On commence par supposer que d(Xn , X) = d(FXn , FX ) = −→
2 n→∞
0. Soit x un point
de continuité de FX . On a directement FX (x − δn ) − δn ) ≤ FXn (x) ≤ F (x + δn ) + δn .
Comme FX est continue en x, on a directement que FXn (x) converge vers FX (x)
lorsque n tend vers l’infini, ce qui assure la convergence en loi de Xn vers X.
• On travaille par contraposée. Supposons (quitte à extraire à nouveau une sous-
L
suite) que Xn −→ X mais que d(FXn , FX ) ≥ δ > 0. On commence par ramener
n→∞
notre étude à la convergence des fonctions de partitions FXn sur un compact de
L
R. Soit ε ≤ 4δ . Comme FX est une fonction de partition et que Xn −→ X, il
n→∞
existe M > 0 (que l’on choisit tel que ±M sont des points de continuité de FX )
et tel que F (x) ≥ 1 − 2ε sur [M ; +∞[ et F (x) ≤ 2ε sur ] − ∞; M ]. Comme les

2
 FXn sont croissantes et que FXn (±M ) −→ FX (±M ), on a pour n suffisament grand
FXn (x − ε) ≤ FX (x) ≤ FXn (x + ε) pour les réels x en dehors de [−M ; M ]. On peut
ainsi supposer (quitte à extraire de nouveau) qu’on a par exemple l’inégalité stricte
FXn (xn − δ) − δ > FX (xn ) et avec xn ∈ [−M, M ] → x∞ . Pour n suffisament grand,
on a les inégalités FXn (x∞ − 2δ ) − δ ≥ FXn (xn − δ) − δ > FX (xn ) ≥ FX (x∞ − cδ) avec
c ∈]1/4; 1/2[. Quitte à diminuer légèrement δ, on peut supposer que x∞ − 2δ est un
point de continuité de FX . Ceci est absurde en passant à la limite en n.

Remarque: Ce résultat reste vrai avec une distance définie de manière analogue sur des
espaces métrisables séparables, mais la preuve (qui ne peut pas utiliser d’arguments basés
sur l’ordre lexicographique) est un joli casse-tête.

Exercice 3 Methode des moments

1. Soit X une variable aléatoire à valeur dans [−M, M ]. Montrez que la loi de X est
uniquement déterminée par la suite {E[X k ]}k≥1 de ses moments. Montrez ensuite que
pour X, X1 , X2 , . . . à support dans [−M, M ], on a
L
Xn −→ X ⇐⇒ ∀k ∈ N, E[Xnk ] −→ E[X k ].
n→∞ n→∞

2. Soit (Xn )n≥0 une suite de variables gaussiennes qui convergent en loi vers une variable
aléatoire X. Montrez que X est gaussienne.

3. On suppose maintenant que la suite des moments converge. Montrez que la suite (Xn )n≥1
est tendue, puis qu’il existe une variable X dont les moments sont exactement les limites
des moments des (Xn )n≥1 (on utilisera le théorème de représentation de Skorokhod).

4. Montrez qu’en général il n’y a pas convergence en loi.

Solution de l’exercice 3

1. Comme X est bornée par M , elle admet des moments de tout ordre. De plus, on peut
appliquer le théorème de Fubini-Tonelli pour voir que sur D(0, M1 ), on a le développement
ik E[X k ] k
φX (ξ) = φ(ξ) = E[eiξX ] = ∞
P
k=0 k!
ξ i.e. φ est holomorphe au voisinage de 0. Le
théorème d’identification des séries entières assure qu’une série entière au voisinage de 0
est caractérisée par ses coefficients (et donc ici par les moments de X). Le théorème de
Lévy permet de conclure.
L
Supposons Xn −→ X. On pose fk := x 7→ xk 1|x|≤M k + M k 1x>M k − M k 1x<−M k . La
n→∞
fonction fk est continue bornée, on en déduit par le théorème de Porte-manteau que
E[fk (Xn )] −→ E[fk (X)] ce prouve l’implication dans ce sens. Réciproquement sup-
n→∞
1
posons pour tout les k ≥ 0, on a E[Xnk ] −→ E[X k ]. On voit que sur D(0, 2M ), on a
n→∞
φXn (ξ) −→ φX (ξ) (uniformément en ξ par ailleurs). On conclut par le théorème de Lévy
n→∞
et l’identification des fonctions holomorphe par leur restriction sur un voisinage de 0.

2. En utilisant les fonctions caracteristiques, on montre (en passant au module en évaluant en

2
ξ = 1) que φXn (1) = exp(− σ2n ) converge donc (σn )n≥1 converge. On voit ensuite que eiuµn
converge, puis le théorème de Lévy appliqué aux variables déterministes Zn δµn assure que
2 2
(µn )n≥1 converge. La fonction caractéristique de X est donc de la forme exp(imξ − σ 2ξ ),
ce qui permet de conclure en utilisant le théorème de Lévy.

3
 3. On commencer par utiliser le théorème de représentation de Skorokhod qui nous donne
0
un espace (X, A, P̃) et une suite Xn ∼ Xn qui converge presque surement vers X∞ dans
X. Par le lemme de Fatou, E[lim inf |Xn |k ] ≤ lim inf E[Xnk ] < ∞ ce qui assure que X∞
n→∞ n→∞
admet des moments de tout ordre. Soit ψL une fonction positive continue bornée par 1 et
à support dans [−L−1, L+1], qui est constante égale à 1 sur [−L, L]. Par convergence en
loi on a E[Xnk ψL (Xnk )] −→ E[X∞k k
ψL (X∞ )]. D’un autre coté on a E[|Xnk ψL (Xnk ) − Xnk |] ≤
n→∞
1 1
E[|Xnk |1|Xnk |≥L ] ≤ E[Xn2k ] 2 P(Xnk ≥ L) 2 . La convergence des moments et la tension assurent
ensuite le résultat en prenant L → ∞.

4. On peut utiliser la loi sur R?+ qui admet la densité f (x) := c1λ exp(− x1λ )[1 + a sin(βxλ )]
avec λ > 0, a ∈] − 1, 1[ et β bien choisi. On calcule ses moments en utilisant le théorème
des résidus.

Exercice 4 Une loi infiniement divisible

On veut montrer que ξ 7→ exp(−|ξ|α ) est la fonction caractéristique d’une variable aléatoire
lorsque α ∈]0, 2[. On rappelle que sur D(1, 1) on a
∞
X β(β − 1) · · · (β − n + 1) n
(1 − z)β = 1 + (−1)n z .
n=1
n!

1. Montrez que si φ est une fonction caracteristique et n ∈ N,P alors φn l’est aussi. Montrez
P si φ1 , φ2 , . . . sont des fonctions caracteristiques et que n pn = 1 avec pn ≥ 0, alors
que
n pn φn est encore une fonction caracteristique.

2. Montrez que pour α ∈]0, 2[ et ψ(t) = 1 − (1 − cos(t))α/2 on a

∞
X
ψ(t) = pn cosn (t)
n=1
P
avec n pn = 1 puis que ψ est encore une fonction caracteristique.

3. Montrez que pour ξ ∈ R on a

√
lim ψ(ξ 2n−1/α )n = exp(−|ξ|α ),
n→∞

et en déduire que exp(−|ξ|α ) est à son tour une fonction caracteristique. Soient X1 , . . . , Xn
L
i.i.d de fonction caracteristique exp(−|ξ|α ). Montrez que n−1/α (X1 + . . . + Xn ) = X1 . Que
dire du comportement de la marche simple dont les incréments sont de loi X1 ?
0
4. Montrez pour X, X 0 deux variables i.i.d, on a |φX (ξ)|2 = E[eiξ(X−X ) ]. En déduire que si
X n’est pas constante, il existe δ, ε > 0 tel que |φX (ξ)| ≤ 1 − εξ 2 pour ξ ∈ [−δ, δ].

5. Montrez que si |φX | = 1 au voisinage de ξ = 0, alors |φX | = 1 sur R. Montrez aussi

L
que pour X, X 0 i.i.d., on a X + X 0 = X implique X = 0 presque surement. Conclure
que ξ 7→ exp(−|ξ|α ) n’est pas la fonction caracteristique d’une loi de probabilité lorsque
α > 2.

Solution de l’exercice 4 Voir TD de la semaine prochaine.

Exercice 5 Theoreme local limite
On se donne une suite de variables aléatoires (Xn )n≥1Pi.i.d de fonction caractéristique φ ∈ L1 .
On suppose E[X1 ] = 0 et E[X12 ] = 1 et on pose Sn = ni Xi .
1
R −itx n
1. Montrez que Sn admet une densité fn donnée par fn (x) := 2π e φ (t)dt.

4
 2. Montrez que lim φ(t) = 0 puis que pour [ε, K] ∈ R?+ , on a sup |φ| < 1.
t→±∞ [ε,K]

√ √ 2
3. Montrez que pour tout x ∈ R, lim nfn ( nx) = √1 e−x /2 .
n→∞ 2π
Indication : On découpera l’intégrale.

Solution de l’exercice 5

1. C’est une conséquence directe de la formule de transformée de Fourier inverse et du fait

que φSn = (φX1 )n .

2. On montre d’abord le résultat pour les fonctions en escalier à support compact puis on
étend le résultat par densité dans L1 . Pour la seconde partie de la question, supposons
que |φ(ξ)| = 1 pour x 6= 0. On a donc (en utilisant la densité continue apportée par la
question (1)) qu’il existe β ∈ R tel que
Z
f (t)eitξ−iβ dt = 1.
R

Comme f est en densité continue, on obtient directement que eitξ−iβ = 1 Lebesgue presque
partout ce qui est impossible (car ξ 6= 0).

3. Après un changement de variables linéaire, on obtient directement que

√ √
Z
t
nfn ( nx) = e−itx φn ( √ )dt
R n

On découpe cette intégrale en 2 parties. Sur [−K, K], on applique le théorème central
limite ainsi que la question 3 de l’exercice 1 pour obtenir la convergence uniforme de
t2
e−itx φn ( √tn ) vers e−itx e− 2 . En dehors de [−K, K], par la question 2 (et en renversant le
√ R
dernier changement de variable réalisé), on obtient que n R e−itx φn (t)1|t|≥K √n dt tend
vers 0 en utilisant le théorème de convergence dominée. En particulier comme K est
arbitraire on peut le prendre aussi grand que l’on veut et la limite voulue en découle.

Exercice 6 Inversion de Fourier

On veut montrer que pour X variable aléatoire réelle telle que ΦX ∈ L1 (R), alors X admet une
densité continue bornée fX donnée par
Z
1
fX (x) := e−itx ΦX (t)dt.
2π R

1. Montrez que fX définie ci-dessus est bien continue, bornée, puis déterminer une variable
X0 telle que l’identitée ci-dessus soit vraie.

2. Montrez que le resultat reste vrai pour εX0 pour tout ε puis pour εX0 + X pour toute
variable X indépendante de X0 .

3. En supposant à présent que ΦX ∈ L1 (R), conclure.

Solution de l’exercice 6

1. Comme φX est dans L1 , il est clair que t 7→ e−itx φX (t) est intégrable. Les théorèmes
usuels assurent que x 7→ e−itx φX (t) est continue bornée (avec par exemple |φ| comme
hypothèse de domination). De plus X0 ∼ N (0, 1) vérifie l’égalité demandée.

5
 2. D’un côté on sait que fεX0 (x) = 1ε fX0 ( xε ) (ce que l’on obtient dérivant la fonction de
partition par exemple) et d’un autre coté φεX0 (t) = φX0 (εt). Il suffit de faire le changement
de variable u = εt pour vérifier le résultat. Considérons maintenant X indépendante de
X0 . Il suffit de prouver la formule fX+εX0 (x) = EX [fεX0 (x − X)] (où l’espérance est prise
sous l’aléa associé à la variable X) pour conclure (en réinjectant dans l’égalité déjà obtenu
pour εX0 ). On a par les théorèmes usuels de dériavation
d d d
EX [fεX0 (x − X)] = EX [ FεX0 (x − X)] = EX [FεX0 (x − X)] = EX+εX0 [FεX0 +X (x)].
dx dx dx
La dernière égalité est justifiée l’indépendance, le théorème de Fubini et l’égalité
EX [EεX0 [1εX0 ≤x−X ]] = EX [EεX0 [1εX0 +X≤x ]] = EX+εX0 [FεX0 +X (x)].

3. On conclut par convergence dominée en envoyant ε vers 0 (avec comme hypothèse de

domination |φX |).

Exercice 7 Marche aléatoire sur le cercle

Soit (Xn )n≥1 une suite de variables réelles i.i.d. On note S̄n = X1 + · · · + Xn ≡ 1 . Déterminez
la limite de S̄n quand n → +∞.
Solution de l’exercice 7
On calcule la fonction caractéristique de S̄n . Pour tout k ∈ N, on a
h i n
E ei2kπS̄n = E ei2kπSn = E ei2kπX1 .
  

Par conséquent, on a
  i2kπX 
h i 
 0 si E e 1
<1
i2kπ S̄n
 i2kπX

lim E e = 1 si E e 1
=1
n→+∞ 
n’existe pas sinon.


On suppose pour commencer que pour tout k ∈ N∗ , E ei2kπX1 < 1. Dans ce cas, S̄n
 

converge vers la mesure uniforme sur [0, 1], comme on peut s’en convaincre en se ramenant
aux fonctions développables
 i2kπX  en séries de Fourier. On suppose maintenant qu’il existe k ∈ N∗
tel que E e 1
= 1. On note
T = inf k ∈ N : E ei2kπX1 = 1 .
  
 
• Si E ei2T πX1 = eiθ , avec θ 6∈ 2πZ, la suite des transformées de Fourier de Sn ne converge
pas, donc Sn ne converge pas en loi.
 
• Si E ei2T πX1 = 1, cela signifie que P(X1 ∈ {n/T, n ∈ Z}) = 1. On observe alors que
(
 2ikπX1  = 1 si T |k
∀k ∈ Z, E e
est de norme inférieure à 1 sinon.
En utilisant encore les fonctions développables en séries de Fourier, on montre que
Sn =⇒ Unif(1/T, 2/T, . . . 1}.

Exercice 8 Transformation de Laplace

Soit X une variable aléatoire positive. Pour z ∈ H, on définit LX (z) := E[e−zX ]. Montrez que
LX est continue sur H puis qu’elle est injective (lorsqu’on se restreint aux variables positives).
Solution de l’exercice 8
La continuité sur H provient des théorèmes usuels. Pour l’injectivité on observe que les trans-
formées de Fourier et de Laplace coincident sur l’axe imaginaire pur, ce qui permet de conclure
utilisant l’injectivité de la transformée de Fourier.