Leçon 17

Convergence presque sûre

de suites de variables aléatoires

1. Convergence presque sûre

2. Critère de Borel-Cantelli

3. Suite de variables aléatoires indépendantes

4. Convergence presque sûre et convergence dans Lp

Exercices

1
 La convergence presque sûre n’est rien d’autre que la convergence presque
partout de la théorie de la mesure. Elle est présentée ici dans le cadre proba-
biliste. Le lemme de Borel-Cantelli (Leçon 15) s’avère un outil précieux pour
démontrer, et même caractériser dans certains cas, la convergence presque sûre
de suites de variables aléatoires.
Dans cette leçon, Xn , n ∈ N, désigne une suite de variables aléatoires réelles
définies sur un espace probabilisé (Ω, A, P), et convergeant potentiellement vers
une variable limite X (définie sur le même espace). En fait, la présentation
est la même pour des variables aléatoires à valeurs dans Rd (en particulier
des variables complexes), en remplaçant les valeurs absolues par une norme
quelconque sur Rd . Le cas de variables à valeurs dans un espace métrique (E, d)
se développe de la même façon.

1 Convergence presque sûre

Définition 1 (Convergence presque sûre). Une suite Xn , n ∈ N, de variables
aléatoires réelles converge presque sûrement vers une variable aléatoire réelle
X s’il existe Ω0 ∈ A tel que P(Ω0 ) = 1 et, pour tout ω ∈ Ω0 ,

lim Xn (ω) = X(ω).

n→∞

Dans la terminologie de la théorie de la mesure, il est équivalent d’exprimer

que l’ensemble où Xn ne converge pas vers X est de mesure nulle. La conver-
gence presque sûre d’une suite de variables aléatoires (fonctions mesurables)
est donc simplement la convergence ponctuelle usuelle en dehors d’un ensemble
négligeable. La convergence presque sûre se prête donc aisément aux opérations
traditionnelles sur les limites (somme, produit, etc.), par réunion d’ensembles
de mesure nulle.
La suite de ce paragraphe va s’attacher à décrire explicitement l’événement
Ω0 de la définition afin que ce dernier se prête à l’utilisation du lemme de

2
Borel-Cantelli (Leçon 15).
Dire que Xn (ω), n ∈ N, converge vers X(ω) signifie
 
∀ ε > 0, ∃ m ∈ N tel que ∀ n ≥ m, Xn (ω) − X(ω) < ε,

autrement dit \ [ \
ω ∈ |Xn − X| < ε .
ε>0 m∈N n≥m

Pour les besoins de la théorie de la mesure qui exige des opérations dénom-
brables, l’intersection sur les ε > 0 (ou seulement 0 < ε ≤ 1) peut être rempla-
cée par une intersection sur tous les entiers ` ≥ 1 avec ε = 1` (ou tout autre suite
de réels strictement positifs convergeant vers 0), puisque pour tout 0 < ε ≤ 1
1
il existe ` ≥ 1 tel que `+1 < ε ≤ 1` .
Ainsi, la suite Xn , n ∈ N, converge presque sûrement vers X si, et seulement
si, \ [ \ 
1

P |Xn − X| < ` = 1
`∈N m∈N n≥m

(c’est l’événement Ω0 de la définition). Par passage au complémentaire,

[ \ [ 
1

P |Xn − X| ≥ ` = 0.
`∈N m∈N n≥m

Pour une suite B` , ` ∈ N,
d’événements de A, il est équivalent (par sous-

S
additivité) que P `∈N B` = 0 ou que P(B` ) = 0 pour tout ` ∈ N. Ainsi, la
suite Xn , n ∈ N, converge presque sûrement vers X si, et seulement si, pour
tout ` ∈ N, \ [ 
|Xn − X| ≥ 1`

P = 0.
m∈N n≥m

De façon traditionnelle, il est équivalent à ce stade de revenir à ε > 0 en

lieu et place de 1` par exactement le raisonnement inverse de précédemment.

3
 En conclusion, la suite Xn , n ∈ N, converge presque sûrement vers X si, et
seulement si, pour tout ε > 0 (ou seulement 0 < ε ≤ 1),
\ [ 

P |Xn − X| ≥ ε = 0.
m∈N n≥m

L’événement en question ici est exactement celui qui intervient dans le lemme
de Borel-Cantelli (Leçon 15) pour An = {|Xn − X| ≥ ε}, n ∈ N (voir les
paragraphes suivants).
Pour des comparaisons ultérieures, il est bénéfique de transcrire la caracté-
risation précédente sous la forme


lim P sup |Xn − X| ≥ ε = 0
m→∞ n≥m

pour tout ε > 0. En effet,

 [
sup |Xn − X| ≥ ε ⊃ |Xn − X| ≥ ε , m ∈ N,
n≥m
n≥m

et [
|Xn − X| ≥ ε0 ,

sup |Xn − X| ≥ ε ⊂ m ∈ N,
n≥m
n≥m

pour tout ε0 < ε. Comme par limite décroissante

[  \ [ 
 
lim P |Xn − X| ≥ ε = P |Xn − X| ≥ ε = 0,
m→∞
n≥m m∈N n≥m

l’affirmation s’ensuit.
Comme indiqué plus haut, cette caractérisation (et les développements sui-
vants) est identique pour des vecteurs aléatoires, ou même des variables aléa-
toires à valeurs dans un espace métrique (E, d) en remplaçant |Xn − X| par
d(Xn , X).

4
2 Critère de Borel-Cantelli
La caractérisation précédente de la convergence presque sûre est précieuse,
car elle est directement en relation avec le lemme de Borel-Cantelli, ici la partie
directe – lemme de Borel (Leçon 15), qui fournit un critère efficace de conver-
gence presque sûre. La proposition suivante en découle immédiatement.

Proposition 2 (Premier critère de Borel-Cantelli). Pour qu’une suite Xn ,

n ∈ N, converge presque sûrement vers X, il suffit que pour tout ε > 0,
X

P |Xn − X| ≥ ε < ∞.
n∈N

Comme dans le paragraphe précédent, pour des raisons de décroissance, il

suffit que le critère soit satisfait pour tout 0 < ε ≤ ε0 pour un ε0 > 0, par
exemple ε0 = 1.
L’exemple suivant est illustratif, et sera repris plus loin. Si les variables Xn ,
n ∈ N, sont de Bernoulli avec P(Xn = 1) = pn , P(Xn = 0) = 1 − pn , n ∈ N,
pour tout 0 < ε ≤ 1,


P |Xn | ≥ ε = P(Xn = 1) = pn .
P
Ainsi, si n∈N pn < ∞, la suite Xn , n ∈ N, converge presque sûrement vers la
variable aléatoire X = 0.

3 Suite de variables aléatoires indépendantes

Le lemme de Borel-Cantelli dans sa partie réciproque – lemme de Cantelli
(Leçon 15), fournit une équivalence au critère du paragraphe précédent en pré-
sence d’indépendance. Comme pour le premier critère, la proposition suivante
en découle immédiatement.

5
Proposition 3 (Deuxième critère de Borel-Cantelli). Pour qu’une suite Xn ,
n ∈ N, de variables aléatoires indépendantes converge presque sûrement vers
la variable aléatoire X = 0, il faut et il suffit que pour tout ε > 0,
X

P |Xn | ≥ ε < ∞.
n∈N

La limite dans cet énoncé doit être nulle, ou presque sûrement constante,
afin d’assurer l’indépendance des événements {|Xn | ≥ ε}, n ∈ N.
La démonstration de la nécessité résulte donc de la description de la conver-
gence presque sûre développée dans le Paragraphe 1 et de la réciproque du
lemme de Borel-Cantelli exprimant que si Xn , n ∈ N, converge presque sûre-
ment vers 0, à savoir, pour tout ε > 0,
\ [ 

P |Xn | ≥ ε = 0
m∈N n≥m
P
(ou seulement < 1), alors la série n∈N P(|Xn | ≥ ε) converge.
L’exemple précédent des variables Xn de Bernoulli de paramètre pn , n ∈ N,
montre que si celles-ci sont indépendantes, alors la convergence presque sûre
P
vers 0 de la suite Xn , n ∈ N, a lieu si et seulement si n∈N pn < ∞.

4 Convergence presque sûre et convergence

dans Lp
Comme présenté dans la Leçon 5, pour p > 0,

Lp = Lp (Ω, A, P) = Lp (Ω, A, P); R

est l’espace des variables aléatoires réelles X telles que E(|X|p ) < ∞. La même
définition vaut pour des variables complexes ou à valeurs dans Rd en remplaçant

6
| · | par le module ou la norme euclidienne (ou n’importe quelle autre norme)
sur Rd . Rappeler que pour des mesures de probabilités, d’après l’inégalité de
0
Jensen par exemple, Lp ⊂ Lp si p0 ≥ p.
À ces espaces est associée naturellement une notion de convergence.
Définition 4 (Convergence dans Lp ). Si Xn , n ∈ N, et X sont des variables
aléatoires réelles dans Lp , p > 0, la suite Xn , n ∈ N, converge vers X dans Lp
si
lim E |Xn − X|p = 0.


n→∞

Il est profitable d’observer que si cette limite a lieu, en vertu de l’inéga-

lité triangulaire, limn→∞ E(|Xn |p ) = E(|X|p ) (mais la réciproque est fausse en
général).
Le théorème de convergence dominée fournit une condition pour qu’une
suite Xn , n ∈ N, convergeant presque sûrement vers X converge également
vers celle-ci dans Lp (pour un p > 0). Il suffit que X ∈ Lp et qu’il existe une
variable aléatoire positive Y dans Lp telle que |Xn | ≤ Y presque sûrement pour
tout n ∈ N. Si tel est le cas en effet, presque sûrement pour tout n ∈ N,

p
|Xn − X|p ≤ |Xn | + |X| ≤ 2max(p−1,0) Y p + |X|p ,

où l’inégalité réelle élémentaire

(a + b)p ≤ 2max(p−1,0) (ap + bp ), a, b ≥ 0,

a été utilisée (diviser les deux membres de l’inégalité par a > 0, et faire une
étude de fonction de la variable u = ab ≥ 0). Comme |Xn − X|p → 0 presque
sûrement, et que Y p + |X|p est intégrable, le théorème de convergence dominée
exprime bien que
lim E |Xn − X|p = 0.


n→∞
Il pourrait être supposé aussi que |Xn − X| ≤ Y , n ∈ N, pour une variable
aléatoire Y dans Lp .

7
 Sans hypothèse de domination, la convergence presque sûre ne peut entraî-
ner seule la convergence dans Lp . Voici un exemple simple. Soit X une variable
aléatoire de loi exponentielle E(1) de paramètre 1 ; pour chaque entier n ∈ N,
poser
Xn = X 1[0,n] (X) + e2n 1]n,∞[ (X).
Si X ≤ n, alors Xn = X, de sorte que, pour tout ε > 0 et tout n,

P |Xn − X| ≥ ε ≤ P(X > n) = e−n

puisque X est de loi E(1). Donc la suite Xn , n ∈ N, converge presque sûrement

vers X (premier critère de Borel-Cantelli). Maintenant,

E(Xn ) ≥ e2n E 1]n,∞[ (X) = e2n P(X > n) = en .

Il s’ensuit que limn→∞ E(Xn ) = ∞ alors que E(X) = 1. Il n’est donc pas
possible que Xn converge vers X dans L1 . De la même façon, elle ne peut
converger dans Lp pour aucun p > 0.
Réciproquement enfin, la convergence dans Lp n’implique pas la convergence
presque sûre. Il suffit à cet effet de reprendre l’exemple de la suite de variables
aléatoires indépendantes Xn , n ∈ N, de lois de Bernoulli B(pn ) sur {0, 1}. Il y
P
a convergence presque sûre de Xn vers 0 si et seulement si n∈N pn < ∞. Mais
E(|Xn |p ) = E(Xn ) = pn , n ∈ N, et il y a donc convergence de Xn vers 0 dans
Lp dès que seulement pn → 0.

8
 Exercices
(Une étoile * désignera une question de difficulté supérieure.)

Exercice 1. Soit Yn , n ∈ N, une suite de variables aléatoires de lois de

Bernoulli B(pn ) sur {0, 1} de paramètres respectifs de succès pn = n1 .
a) Si Z est une variable aléatoire intégrable, démontrer que pour tout n ∈ N,
E |nYn − Z| ≥ E |Z| − E 1{Yn =1} |Z| .

En déduire que si la suite nYn , n ∈ N converge vers Z dans L1 , nécessairement

Z = 0 presque sûrement. Y-a-t-il convergence ?
b) Dans cette question, les Yn , n ∈ N, sont supposées mutuellement indépen-
dantes. Que dire des limites presque sûre et dans L1 de la suite Yn , n ∈ N ?
1
c) Mêmes questions si pn = n2 .

Exercice 2. Soit Xk , k ∈ N, une suite de variables aléatoires sur un espace

probabilisé (Ω, A, P) telle que, pour chaque k ∈ N, Xk suit une loi exponentielle
E(αk ) de paramètre αk > 0 ; poser Sn = nk=1 Xk , n ≥ 1.
P

a) Calculer E(Sn ) pour n ≥ 1. En déduire que si ∞ 1

P
P∞ k=1 αk < ∞, alors la série
k=1 Xk est presque sûrement convergente.

b*) Il est supposé de plus dans cette question que les variables Xk , k ≥ 1, sont
indépendantes. Calculer E(e−Sn ) pour n ≥ 1. Démontrer que si ∞ 1
P
P∞ k=1 αk = ∞,
alors la série k=1 Xk est presque sûrement divergente.

Exercice 3. Soit Xk , k ∈ N, une suite de variables aléatoires réelles indé-

pendantes de même loi exponentielle E(1) de paramètre 1, et Mn = max1≤k≤n Xk ,
n ≥ 1.
a) Démontrer que pour tout 0 < ε < 1,

 1 n h  1 i
P Mn ≤ (1 − ε) ln(n) = 1 − 1−ε = exp n ln 1 − 1−ε .
n n
9
En déduire, par le lemme de Borel-Cantelli, que presque sûrement
Mn
lim inf ≥ 1 − ε.
n→∞ ln(n)

b) Démontrer que pour tout ε > 0,

h  1 i
P Mn ≥ (1 + ε) ln(n) = 1 − exp n ln 1 − 1+ε .
n
Soit nk , k ∈ N, la sous-suite d’entiers définie par nk = bk ρ c, k ∈ N, ρ > 0, où
b·c désigne la partie entière. Par le lemme de Borel-Cantelli, déduire de ce qui
précède que si ερ > 1, alors presque sûrement
Mnk
lim sup ≤ 1 + ε.
k→∞ ln(nk )

c) Démontrer que pour tout k ∈ N,

Mn ln(nk+1 ) Mnk+1
max ≤ .
nk ≤n<nk+1 ln(n) ln(nk ) ln(nk+1 )

Mn
d) Déduire des questions précédentes que ln(n) → 1 presque sûrement. (Cette
limite est à comparer à la conclusion de l’Exercice 3, Leçon 15.)
e) Poser Zn = ne−Mn , n ≥ 1. Démontrer que la suite des fonctions de réparti-
tion de Zn converge vers une fonction de répartition F. Est-elle la fonction de
répartition d’une loi classique ? Si oui, laquelle ?

Exercice 4* (Récurrence et transience). Soient Xk , k ∈ N, des variables

aléatoires indépendantes de même loi à valeurs dans Z ; pour tout n ≥ 1, soit
Sn = X1 + · · · + Xn . La suite Sn , n ≥ 1, est dite récurrente si
∞
X
P(Sn = 0) = ∞,
n=1

10
et transiente sinon. Démontrer que si la suite Sn , n ≥ 1, est transiente, l’en-
semble d’entiers {n ≥ 1 ; Sn = 0} est fini presque sûrement (autrement dit, la
suite Sn , n ≥ 1, ne « visite » plus 0 à partir d’un certain rang).
Il est supposé à présent que E(X12 ) < ∞ et E(X1 ) = 0. Le projet de
l’exercice est de démontrer qu’alors la suite Sn , n ≥ 1, est récurrente.
a) Prouver que pour tout ε > 0 et tout n ≥ 1,
1
P |Sn | > εn ≤ 2 E(X12 ).


εn

b) Démontrer que pour tout k ≥ 1 et tout x ∈ Z,

k
X

P(Sk = x) = P {Sk = x} ∩ Bj
j=1

où B1 = {S1 = x} et

Bj = {Si 6= x, i = 1, . . . , j − 1, Sj = x}, j = 2, . . . , k.

Démontrer également que pour tous 1 ≤ j ≤ k et tout x ∈ Z,

P {Sk = x} ∩ Bj = P(Sk − Sj = 0) P(Bj ) = P(Sk−j = 0) P(Bj ).

c) Déduire de la question précédente que, pour tout n ≥ 1 et tout x ∈ Z,

n
X n−1
X
P(Sk = x) ≤ P(Sk = 0).
k=1 k=1

d) Démontrer que pour tout entier n ≥ 1 et tout réel N > 0,

n−1 n
X 1 X

P(Sk = 0) ≥ P |Sk | ≤ N .
2N + 1
k=1 k=1

11
En conclure que pour tout n ≥ 1 et tout ε > 0,
n−1 n
X 1 X

P(Sk = 0) ≥ P |Sk | ≤ εk .
2εn + 1
k=1 k=1

e) Déduire des questions a) et d) que la suite Sn , n ≥ 1, est récurrente.

12