Université Pierre et Marie Curie 2010-2011

Probabilités et statistiques - LM345 Feuille 8

Suites de variables aléatoires.

1. Soit (Ω, F , P) un espace de probabilités. Déterminer pour chacune des convergences

suivantes à quelle condition sur la suite (An )n≥1 elle a lieu.
a. La suite (1An )n≥1 converge en probabilité vers 0.
b. La suite (1An )n≥1 converge dans L2 vers 0.
c. La suite (1An )n≥1 converge presque sûrement vers 0.
Solution de l'exercice 1. a. Supposons que 1An converge vers 0 en probabilité. Alors

en particulier, P(1An > 21 ) = P(An ) tend vers 0. Réciproquement, si P(An ) converge vers
0, alors pour tout ε > 0, P(1An > ε) ≤ P(An ) converge vers 0.
Finalement la condition est limn→∞ P(An ) = 0.
b. On a E[1An ] = P(An ). La condition est donc limn→∞ P(An ) = 0.
c. Soit ω ∈ Ω. La suite (1An (ω))n≥1 converge vers 0 si et seulement si elle est station-
naire, égale à 0 à partir d'un certain rang. Ceci a lieu si et seulement si ω appartient à
lim inf Acn , qui est le complémentaire de lim sup An . Ainsi, la convergence a lieu presque
sûrement si et seulement si P(lim sup An ) = 0.

2. Soit (Xn )n≥1 une suite de variables aléatoires. Montrer que si la suite Xn converge
simultanément vers deux variables aléatoires X et Y , alors X = Y presque sûrement, et
ceci quel que soit le mode de convergence vers X et quel que soit le mode de convergence
vers Y , parmi : convergence presque sûre, convergence dans Lp avec p ∈ {1, 2}, convergence
en probabilité.
Solution de l'exercice 2. Tous les modes de convergence considérés entraînent la conver-

gence en probabilité, qui est le plus faible d'entre eux. Ainsi, on a au moins convergence
en probabilité de la suite (Xn )n≥1 vers X et Y simultanément.
Montrons que pour tout ε > 0, on a P(|X − Y | > ε) = 0. En eet, on a, pour tout
n ≥ 1,
 ε ε
P(|X − Y | > ε) ≤ P |X − Xn | > ou |Xn − Y | >
2 2
 ε  ε
≤ P |X − Xn | > + P |Xn − Y | > .
2 2
Lorsque n tend vers +∞, le membre de droite tend vers 0 par dénition du fait que (Xn )n≥1
converge en probabilité vers X et Y , donc P(|X − Y | > ε) = 0. On peut maintenant écrire
!  
[ 1 1
6 Y)=P
P(X = |X − Y | > = lim P |X − Y | > = 0.
k≥1
k k→∞ k

1
Ainsi, X et Y sont égales presque sûrement.

3. Soit (Ω, F , P) un espace de probabilités. Soient X, X1 , X2 , . . . : (Ω, F , P) → R des

variables aléatoires réelles. On suppose que la suite (Xn )n≥1 converge en probabilité vers
X.
a. Montrer qu'il existe une suite strictement croissante d'entiers 1 ≤ n1 < n2 < . . .
telle que pour tout k ≥ 1 on ait
 
1 1
P |Xnk − X| > ≤ k.
k 2

b. Pour tout k ≥ 1, on pose Yk = Xnk (on dit que la suite (Yk )k≥1 est extraite de la
suite (Xn )n≥1 ). Montrer que la suite (Yk )k≥1 converge presque sûrement vers X .
On a montré que d'une convergence en probabilité on pouvait extraire une convergence

presque sûre.

Solution de l'exercice3. a. Soit k ≥ 1. Supposons qu'on a construit les k − 1 premiers

termes n1 < · · · < nk−1 de la suite. Comme P |Xn − X| > k → 0 lorsque n → ∞, on
1

peut trouver n = nk > nk−1 tel que

 
1 1
P |Xnk − X| > ≤ k.
k 2

b. On remarque que
K   X  
X 1 1
lim P |Xnk − X| > = P |Xnk − X| > < +∞.
K→∞
k=1
k k≥1
k

Or, par le théorème de convergence monotone,

K
" K #
X  1
 
1

1{|Xnk −X|> k1 }
X X
P |Xnk − X| > = lim P |Xnk − X| > = lim E
k≥1
k K→∞
k=1
k K→∞
k=1
" K
# " #
1{|Xnk −X|> k1 } = E 1{|Xnk −X|> k1 } .
X X
= E lim
K→∞
k=1 k≥1

Comme cette espérance est nie, on en déduit que la variable aléatoire k≥1 1{|Xn −X|> 1 }
P
k k
est nie presque sûrement. Autrement dit, il y a seulement un nombre ni (dépendant
de ω ) d'indices k tels que |Xnk − X| > k1 . On en déduit qu'avec probabilité 1, pour tout
k assez grand |Xnk − X| ≤ k1 . En particulier, |Xnk − X| → 0 quand k → ∞ presque
sûrement.

2
 4. Lemme de Borel-Cantelli. Soit (Ω, F , P) un espace de probabilités. Soit (An )n≥1
une suite d'événements telle que
X
P(An ) < +∞.
n≥1

Montrer que P(lim sup An ) = 0. T S

On rappelle que lim sup An := k≥1 n≥k An = {ω ∈ Ω : {n : ω ∈ An }estinfini}.
l'exercice 4. An est décroissant (au sens de l'inclusion) en k , et donc,
[
Solution de
n≥k
quand k croît vers l'inni,
! !
[ \[
P An &P An = P (lim sup An ) .
n≥k k≥1 n≥k

Or, on a de manière évidente

!
[ X
P An ≤ P(An ).
n≥k n≥k

Comme la série des P(An ) est sommable, le membre de droite de cette inégalité, qui est
la queue de la série, tend vers 0 lorsque k tend vers l'inni. Donc le membre de gauche
de l'inégalité (dont on a dit juste avant qu'il tendait vers P(lim sup An )) tend aussi vers
0, ce qui prouve le résultat demandé (par unicité de la limite d'une suite de réels).

5. Soit X une variable aléatoire positive sur un espace de probabilités (Ω, F , P).
a. Montrer que
X
nP(n ≤ X < n + 1) < +∞ ⇔ E[X] < +∞.
n≥0

b. Montrer que X
P(X ≥ n) < +∞ ⇔ E[X] < +∞.
n≥1

Solution de l'exercice 5. a. Pour tout entier n ≥ 0, on a, presque sûrement,

n1n≤X<n+1 ≤ X 1n≤X<n+1 ≤ (n + 1)1n≤X<n+1 .

Par positivité de l'espérance, on en déduit que

nP(n ≤ X < n + 1) ≤ E[X 1n≤X<n+1 ] ≤ (n + 1)P(n ≤ X < n + 1).

3
On somme maintenant les inégalités précédentes sur n ≥ 0 pour obtenir
X X
nP(n ≤ X < n + 1) ≤ E[X] ≤ 1 + P(n ≤ X < n + 1).
n≥1 n≥0

Ce qui entraine de manière évidente le résultat demandé (chaque inégalité donnant un

sens de l'équivalence).
b. On considère la série double (ak,n )k≥0,n≥0 := P(n ≤ X < n+1)1k<n . En commençant
par sommer en k, on obtient :

P(n ≤ X < n + 1)sumk≥0 1k<n =

XX X X
ak,n = nP(n ≤ X < n + 1).
n≥0 k≥0 n≥0 n≥0

En sommant d'abord en n puis en k, on trouve :

XX XX X X
ak,n = P(n ≤ X < n + 1) = P(X ≥ k + 1) = P(X ≥ k).
k≥0 n≥0 k≥0 n>k k≥0 k≥1

Comme la série est à termes positifs, l'ordre de sommation n'a pas d'importance et on peut
identier les deux résultats. On conclut en utilisant le résultat de la question précédente.

6. Soit (Xn )n≥1 une suite de variables aléatoires toutes de même loi.
a. Montrer qu'on a Xnn −→P
0.
n→∞
1
b. Montrer que si E[|X1 |] < +∞, alors Xn L
−→ 0
n n→∞
. Étudier la réciproque.
c. Montrer que si E[|X1 |] < +∞, alors Xn p.s.
−→ 0
n n→∞
. Étudier la réciproque.
Solution de l'exercice 6. a. Comme les Xn sont de même loi, on a, pour tout ε > 0 et
n ≥ 1,    
|Xn | |X1 |
P >ε =P > ε = P(|X1 | > nε).
n n
Le membre de droite est la probabilité d'une suite décroissante d'événements, qui tend,
lorsque n → ∞, vers
\
lim P(|X1 | > nε) = P( {|X1 | > nε}) = P(|X1 | = +∞) = 0.
n→∞
n≥1

b. Quand n → +∞, on a bien, en supposant E[|X1 |] < +∞

   
|Xn | |X1 | 1
E =E = E [|Xn |] → 0.
n n n
1
Réciproquement, si on suppose toujours les Xn de même loi, alors Xn L
−→
n n→∞
0 entraine
bien sûr que E[|X1 |] < +∞ est nie.

4
 c. On suppose E[|X1 |] < +∞. Soit ε > 0. Par le b. de l'exercice précédent appliqué
à X = |X1 |/ε, on sait que e la série de terme général P(|X1 | ≥ εn)P(|Xn | ≥ εn) est
sommable. Par le lemme de Borel-Cantelli, on en déduit que
P (lim sup{|Xn | ≥ εn}) = 0.

Autrement dit, sur un événement Aε de probabilité 1 est inclus dans le complémentaire

de lim sup{|X1 | ≥ εn}, c'est-à-dire que
∃N ≥ 0, ∀n ≥ N, |Xn | < εn.

En particulier, sur Aε , lim sup |Xn |/n ≤ ε. On prend ε = 1/k, pour tout entier k ≥ 1.
Alors ∩n≥1 A1/k a aussi probabilité 1 (parce que son complémentaire est inclus dans la
réunion des complémentaires des A1/k qui est de probabilité nulle), et sur cet événement,
on a lim sup |Xn |/n = 0, ce qu'on voulait démontrer.
La réciproque est fausse. En eet, soit X une variable aléatoire réelle non intégrable.
Alors le choix Xn := X pour tout n ≥ 1 fournit un contre-exemple.

7. Soit (Xn )n≥1 une suite de variables aléatoires indépendantes et toutes de carré
intégrable.
a. Montrer que pour tout n ≥ 1 et tout a ∈ R, on a
E[(Xn − a)2 ] = (E[Xn ] − a)2 + Var(Xn ).

b. En déduire que la suite (Xn )n≥1 converge en moyenne quadratique vers une constante
a si et seulement si on a les convergences

lim E[Xn ] = a et lim Var(Xn ) = 0.

n→∞ n→∞

Solution de l'exercice 7. a. On a
E[(Xn − a)2 ] = E[((Xn − E[Xn ]) + (E[Xn ] − a))2 ]
= Var(Xn ) + 2E[(Xn − E[Xn ])(E[Xn ] − a)] + (E[Xn ] − a))2 .

En sortant la constante (E[Xn ] − a) de l'espérance du deuxième terme du membre de

droite, on constate que celui-ci est nul, d'où le résultat.
b. Supposons d'abord que E[(Xn − a)2 ] → 0 lorsque n → ∞. Alors, l'inégalité de
Cauchy-Schwarz entraine que
p
0 ≤ E[(Xn − a)] ≤ E[(Xn − a)2 ] → 0.

Par conséquent, Var(Xn ) = E[(Xn − a)2 ] − (E[Xn ] − a)2 → 0 lorsque n → ∞.

Réciproquement, supposons que
lim E[Xn ] = a et lim Var(Xn ) = 0.
n→∞ n→∞

5
On conclut grâce à l'égalité démontrée au a., en remarquant que les deux termes du
membre de droite tendent vers 0.

8. Soit (Xn )n≥1 une suite de variables aléatoires. Montrer que si la suite (Xn )n≥1
converge dans L2 vers une variable aléatoire X , alors la suite (Xn2 )n≥1 converge dans L1
vers X 2 . La réciproque est-elle vraie ?
Solution de l'exercice 8. On suppose que la suite (Xn )n≥1 converge dans L vers une
2

variable aléatoire X . Par l'inégalité de Cauchy-Schwarz :

p p
0 ≤ E[|(Xn2 − X 2 )|] = E[|Xn − X|(Xn + X)] ≤ E[(Xn − X)2 ] E[(Xn + X)2 ].

Comme la norme 2 est sous-additive et continue,

p
E[(Xn + X)2 ] = kXn + Xk2 ≤ kXn k2 + kXk2 → 2kXk2 .

En particulier, cette suite est bornée et, comme E[(Xn − X)2 ] → 0 par hypothèse, on a
bien E[|Xn2 − X 2 |] → 0, autrement dit la suite (Xn2 )n≥1 converge dans L1 vers X 2 .
La réciproque est fausse. Il sut de prendre X telle que P(X = 0) < 1 et Xn = −X
pour s'en convaincre.

9. Lemme de Borel-Cantelli (suite). Soit (Ω, F , P) un espace de probabilités. Soit

(An )n≥1 une suite d'événements indépendants telle que
X
P(An ) = +∞.
n≥1

On veut démontrer que P(lim sup An ) = 1.

a. Montrer que pour tout réel x, on a l'inégalité 1 + x ≤ ex .
b. Montrer que pour tous entiers n, m tels que 1 ≤ m ≤ n, on a
n
! n
!
\ X
P Ack ≤ exp − P(Ak ) .
k=m k=m

∞
!
c. En déduire que pour tout m ≥ 1, on a P = 0, puis conclure.
\
Ack
k=m
Solution de l'exercice 9. a. Il s'agit d'une inégalité de convexité classique (le graphe de
l'exponentielle reste au dessus de sa tangente en x = 0).
b. D'après le a. avec x = −P(Ak ), on obtient pour chaque entier k ≥ 1,
P(Ack ) = 1 − P(Ak ) ≤ e−P(Ak ) .

6
On fait maintenant le produit de ces inégalités, pour k = m, . . . , n, ce qui donne, grâce à
l'indépendance :
n
! n n
!
\ Y X
P Ack = P(Ack ) ≤ exp − P(Ak ) .
k=m k=m k=m

c. On fait tendre n vers l'inni dans l'inégalité précédente. Pour le membre de gauche,
n
on utilise la décroissance en n de la suite d'événements Ack . Pour celui de droite, on
\

k=m
utilise l'hypothèse P ( Ack ) = 0. On obtient nalement
T∞
k=m

∞
! n
!
\ \
P Ack = lim P Ack = 0.
n→∞
k=m k=m

∞
En prenant la réunion sur m ≥ 1 des événements de probabilité nulle Ack , on ob-
\

k=m
tient encore un événement de probabilité nulle, qui est précisément le complémentaire de
lim sup(An ). D'où le résultat.

10. Soit (Xn )n≥1 une suite de variables aléatoires indépendantes de loi de Bernoulli
de paramètre p ∈]0, 1[. Montrer qu'avec probabilité 1, la suite (Xn )n≥1 prend une innité
de fois la valeur 1 et une innité de fois la valeur 0.
Solution de l'exercice 10. Pour tout n ≥ 1, posons An = {Xn = 1} et Bn = {Xn = 0}.

Les événements (An )n≥1 sont indépendants et tous de probabilité p > 0. En particulier,
n≥1 P(An ) = +∞. La deuxième partie du lemme de Borel-Cantelli entraîne donc que
P
P(lim sup An ) = 1. Le même raisonnement s'applique aux événements Bn qui sont de
probabilité 1 − p > 0. Donc P(lim sup Bn ) = 1, et P(lim sup An ∩ lim sup Bn ) = 1. Or
l'événement lim sup An ∩lim sup Bn est précisément l'événement où la suite (Xn )n≥1 prend
une innité de fois la valeur 1 et une innité de fois la valeur 0.

11. Soit (Xn )n≥1 une suite de variables aléatoires indépendantes et identiquement
distribuées. On
suppose que E[|X1 |] = +∞. On veut montrer que presque sûrement, la
suite X1 +...+X
n
n
n≥1
n'a pas de limite réelle.
a. Montrer que si une suite (xn )n≥1 de réels est telle que la suite x1 +...+x ait une
n


n n≥1
limite réelle, alors
xn
lim = 0.
n→∞ n
b. Montrer que P(|Xn | ≥ n) = +∞ et conclure.
X

n≥1

7
 Solution de l'exercice11. a. Notons, pour n ≥ 1, un := x1 +...+x
n
n
et u la limite de cette
suite. Introduisons, pour n ≥ 2, vn := un−1 n . Cette suite converge aussi vers u. Par
n−1

conséquent, quand n → ∞, on a bien

xn
= un − vn → u − u = 0.
n
b. La divergence de la série de terme général P(|Xn | ≥ n) = P(|X1 | ≥ n) découle de
celle de l'espérance de |X1 | et du b. de l'exercice 5.
Comme les An = {|Xn | ≥ n} sont indépendants et que la série de leur probabilités
diverge, le lemme de Borel-Cantelli (exercice 9) nous permet d'armer que A = lim sup An
a probabilité 1. Autrement dit, presque sûrement, il existe une innité de n tels que
|Xn | ≥ n.
Or, d'après le a., on a l'inclusion
{Sn /n admet une limite réelle} ⊂ {Xn /n → 0} ⊂ Ac .

Par ce qui précède, on conclut que la probabilité de ces événements est nulle.