I.P.E.I.

Monastir
9 Mai 2022 MP

Examen de Mathématiques

Analyse
———————————————————–

Durée : 4 heures
——————————–

On travaille tout au long dans un espace probabilisé (Ω, T , P) où T est une tribu sur Ω et P une pro-
babilité .
Si la variable aléatoire X : Ω −→ R est d’espérance finie, on note E(X) son espérance.
On étend aux variables aléatoires discrètes à valeurs complexes la notion d’espérance définie pour
les variables aléatoires discrètes réelles. Ainsi, on dit qu’une variable aléatoire discrète à valeurs com-
plexes Z : Ω −→ C est d’espérance finie si les variables aléatoires ℜ(Z) et ℑ(Z) sont d’espérances finies et
on définit alors l’espérance de Z par
E(Z) = E ℜ(Z) + i E ℑ(Z) .
¡ ¢ ¡ ¢

On admettra les résultats suivants qui étendent aux variables aléatoires complexes les résultats ana-
logues sur les variables aléatoires réelles. © ª
I Théorème de Transfert Soit X une variable aléatoire avec X(Ω) = x n , n ≥ 0 où les x n sont deux à
deux distincts et soit f une application définie sur X(Ω) à valeurs complexes. X
Alors la variable aléatoire f (X) est d’espérance finie, si et seulement si la série f (x n )P(X = x n ) est
n≥0
absolument convergente. Dans ce cas
+∞
E( f (X)) =
X ¡ ¢
f (x n )P X = x n .
n=0

II Soit Z une variable aléatoire complexe et Z : w 7−→ Z(w) sa variable aléatoire conjuguée.
Si Z est d ’espérance finie, alors Z est d ’espérance finie et E Z = E(Z).
¡ ¢

III Soit Z1 et Z2 deux variables aléatoires complexes d¡’espérance ¢ finie et soit λ ∈ C.¡
Alors Z1 + Z2 et λZ1 est d ’espérance finie et on a E Z1 + Z2 = E(Z1 ) + E(Z2 ) et E λZ1 = λE(Z1 ).
¢

On dit qu’une variable X est symétrique si X et −X ont même loi. Autrement dit
∀x ∈ X(Ω) : P(X = x) = P(X = −x).

sin(t )

 si t 6= 0
t

On introduit sur R l’application ψ par ψ(t ) = et on admet que ¯ψ(t )¯ ≤ 1.
¯ ¯



1 si t = 0
A toute variable aléatoire réelle et discrète X, on associe l’application ΦX , appelée fonction caractéristique
de X et définie par ³ ´
∀t ∈ R, ΦX (t ) = E e i .t .X .

page 1 de 25
L’objectif de ce problème est d’étudier la fonction caractéristique d’une variable aléatoire discrète
réelle. Nous envisageons aussi le comportement asymptotique de la loi d’une somme de variables
aléatoires réelles indépendantes et de même loi dans deux cadres différents.
La partie B ne demande que les résultats de la Partie A-I.

Partie A
I- Propriétés de la Fonction Caractéristique.
Z +∞ 1 − cos(t )
Z +∞ sin(t )
1. Montrer que le intégrales d t et d t sont convergentes. Dans la suite, on
0 t2 0 t
+∞ sin(t ) π
Z
admet que dt = .
0 t 2
1 − cos(t )
* L’application t 7−→ est continue sur ]0, +∞[, donc elle est continue par morceaux
t2
sur ]0, +∞[.
Cette application est positive, donc il nous suffit de démontrer la convergence de cette inté-
1 − cos(t )
grale en prouvant l’intégrabilité de t 7−→ sur ]0, +∞[.
t2
1 − cos(t )
Au voisinage de 0, l’application t − 7 → se prolonge par continuité en 0 à droite
t2
1 − cos(t ) 1
lim+ = , donc elle est intégrable sur ]0, 1].
t −→0 t2 2
1 − cos(t ) 2
Pour tout t ≥ 1, 0 ≤ 2
≤ 2.
t t
1
L’application t 7−→ 2 est intégrable sur [1, +∞[. Alors par le crière de comparaison, l’appli-
t
1 − cos(t )
cation t 7−→ est aussi intégrable sur [1, +∞[.
t2
1 − cos(t )
En définitive, l’application t 7−→ est intégrable sur ]0, +∞[.
t2
sin(t )
** L’application t 7−→ est continue donc continue par morceaux sur ]0, +∞[.
t
1 1
On pose f : t 7−→ et g 0 : t 7−→ sin(t ), alors f 0 = − 2 et g (t ) = 1 − cos(t ) (choix de la constante).
t t
1 − cos(t ) 1 − cos(t )
lim+ f (t )g (t ) = lim = 0 et lim f (t )g (t ) = lim = 0. Ainsi, lim+ f (t )g (t )
t −→0 0 t t −→+∞ t −→+∞ t t −→0
et lim f (t )g (t ) existent et finies, alors par le théorème de l’intégration par parties, les inté-
t −→+∞
Z +∞ Z +∞
1 − cos(t ) sin(t )
grales d t et d t sont de même nature.
0 t2 0 t Z +∞ Z +∞
1 − cos(t ) sin(t )
Comme on a démontré la convergence de 2
d t , alors d t est une inté-
0 t 0 t
grale convergente.
2. On suppose dans cette question que X(Ω) = x n , n ∈ N ⊂ R..
© ª
¯ ¯
(a) Montrer que ΦX est définie sur R et que pour tout t ∈ R : ¯ΦX (t )¯ ≤ 1.
¯ ¯

Soit t ∈ R. La variable aléatoire e i t X est bornée. Donc elle a une espérance finie, donc ΦX (t )
existe.
D’aprés l’inégalité triangulaire
¯ ¯
∀t ∈ R : X (t )| = ¯E(e )¯ ≤ E(|e i t X |) = 1.
¯ i tX ¯
|Φ

page 2 de 25
 (b) Soient a et b deux réels et Y = a.X+b . Pour tout réel t , exprimer ΦY (t ) en fonction de ΦX (t ), a
et b .
Soit t ∈ R. D’aprés la linéarité de l’espérance (III du préambule) :

ΦY (t ) = E(e i t aX e i t b ) = e i t b E(e i t aX ) = e i bt ΦX (at ).

(c) Exprimer ΦX (−t ) en¡ fonction

¢ de ΦX (t ), (t ∈ R). En déduire que ΦX est une application paire,
si et seulement si E sin(Xt ) = 0, (t ∈ R).
On pose a = −1 et b = 0 de la question précedente :

∀t ∈ R : Φ−X (t ) = ΦX (−t ) = E(e −i t X ) = E(e i t X ) = E(e i t X ) = ΦX (t ).

En particulier, ΦX est paire, si et seulement si ΦX (−t ) = ΦX (t ).

Avec le résultat précedent, ΦX (t ) = ΦX (t ), c.a.d ΦX (t ) est un nombre réel et donc ℑ(ΦX (t )) =
E(sin(Xt )) = 0.
(d) Soient X et Y deux variables aléatoires réelles indépendantes. Montrer que ΦX+Y = ΦX ΦY .
X et Y sont indépendante, alors d’aprés le lemme de coalition, pour toutes fonctions f et g
définies respectivement sur X(Ω) et Y(Ω), les v.a f (X) et g (X) sont indépendantes. En particu-
lier pour tout t ∈ R, e i t X et e i t Y sont deux v.a indépendantes.
Par indépendance, on a
Indép
∀t ∈ R : ΦX+Y (t ) = E(e i t X e i t Y ) = E(e i t X )E(e i t Y ) = ΦX (t )ΦY (t ).

3. (a) Soient X une variable aléatoire symétrique et f : R −→ R une fonction impaire. Montrer que
f (X) est symétrique et si f (X) a une espérance finie, alors E( f (X)) = 0.
On utilise le fait que si X et Y ont même loi, alors f (X) et f (Y) ont même loi. En effet : Soit
y ∈ X(Ω) = Y(Ω) (X et Y ont même loi donc ont le même espace des états).
On demontre que
P( f (X) = y) = P( f (Y) = y).
Or
f (X) = y = X ∈ f −1 ({y}) = {s ∈ X(Ω) : f (s) = y} =: E y
¡ ¢ ¡ ¢

et cet ensemble est fini ou dénombrable puisque X(Ω) est fini ou dénombrable par definition
de X.
Ainsi
à !
P( f (X) = y) P P(X = s)
] X
= (X = s) =
s∈E y s∈E y
à !
même loi
P(Y = s) = P (Y = s) = P( f (Y) = y).
X ]
=
s∈E y s∈E y

En vertu de la remarque précedente, X et −X ont même loi, alors f (X) et f (−X) ont même loi
et comme f est impaire, alors f (X) et − f (X) ont même loi.
Sous la condition E(| f (X)|) < ∞ et X symétrique, et comme on sait que deux v.a aléatoires ont
même loi donc ont même espérance (sous resèrve de son existence). Ainsi

E( f (X)) = E( f (−X)) = −E( f (X)).

Il vient alors que E( f (X)) = 0.

page 3 de 25
 (b) En déduire que si X est symétrique, alors ΦX (t ) = E(cos(t X)), (t ∈ R).
Soit X une v.a symétrique et t ∈ R. L’application t 7−→ sin(t ) est impaire bornée, alors sin(t X)
est symétrique et a une espérance finie. Ainsi E(sin(t X)) = 0.
Par definition de la fonction caractéristique de X :
ΦX (t ) = E(cos(t X)) + i E(sin(t X)) = E(cos(t X)).

(c) Montrer que si X et Y sont deux variables symétriques et indépendantes, alors X + Y est sy-
métrique.
On suppose que X et Y sont symétriques. On veut démontrer que pour tout z ∈ (X + Y)(Ω) :
P(X + Y = z) = P(X + Y = −z).
Comme Y est symétrrique, alors Y(Ω) est un ensemble symétrique et on désigne cette symé-
trie par Y(Ω) = −Y(Ω).
Par formule des probabilités totales (F.P.T), (on distribue selon les états de Y). :
P(X + Y = −z) P(X + Y = −z|Y = y)P(Y = y)
X
=
y∈Y(Ω)

P(X + y = −z|Y = y)P(Y = y)

X
=
y∈Y(Ω)
X et Y indep
P(X = −y − z)P(Y = y)
X
=
y∈Y(Ω)
X, Y symétriques
P(X = y + z)P(Y = −y)
X
=
y∈Y(Ω)
X et Y indep
P(X + Y = z|Y = −y)P(Y = −y)
X
=
y∈−Y(Ω)=Y(Ω)
F.P.T
= P(X + Y = z).

(d) Soient X et Y deux variables aléatoires indépendantes et de même loi. Montrer que Xs := X−Y
est symétrique.

F.P.T
P(Xs = z) P(X − Y = z) = P(X − Y = z|Y = y)P(Y = y)
X
=
y∈Y(Ω)
indep
P(X = y + z)P(Y = y)
X
=
y∈Y(Ω)
X, Y, ont même loi
P(Y = y + z)P(X = y)
X
=
y∈X(Ω)
X, Y, indép F.P.T
P(Y = y + z|X = y)P(X = y) = P(Y − X = z) = P(−Xs = z).
X
=
y∈X(Ω)

¯ ¯2
(e) Montrer, avec les notations de la question précedente, que Φ (t ) = ¯ΦX (t )¯ , (t ∈ R).
¯ ¯
Xs
Notez bien que les v.a X et −Y sont aussi indépendnates.
Soit t ∈ R.
indep 2−(c)
ΦXs (t ) = ΦX−Y (t ) = ΦX (t )Φ−Y (t ) = ΦX (t )ΦY (t ) = |ΦX (t )|2 .

Dans la suite
Xdu problème, on X suppose
¡ que¢ la variable aléatoire X est à valeurs dans Z.
La somme u n désigne u 0 + u n + u −n .
n∈Z n≥1

page 4 de 25
II- Caractérisation de la Loi d’une variable Aléatoire
1
Z T
1. Pour tout m ∈ Z, on définit l’application Hm : T 7−→ ΦX (t )e −i mt d t , (T > 0).
2T −T
(a) À partir d’un théorème d’intégration, montrer que

ψ (n − m)T P(X = n).

X ¡ ¢
∀T > 0 : Hm (T) =
n∈Z

On commence par donner la forme de ΦX sous forme d’une série de fonctions.

À partir de la formule de Transfert :

1 T 1 T X i nt
Z Z
Hm (T) = ∀T > 0 : ΦX (t )e −i mt d t = e P(X = n)e −i mt d t
2T −T 2T −T n∈Z
1
Z T X i (n−m)t
= e P(X = n)d t
2T −T n∈Z

1
Z T +∞
Xh i 1 T
Z
i (n−m)t i (−n−m)t
= e P(X = n) + e P(X = −n) d t + P(X = 0)e −i mt d t .
2T −T n=1 2T −T
X
(La dérnière égalité provient de la definition de ).
n∈Z
On veut maintenant permuter entre symboles intégrale et somme. Et comme l’intégrale est
définie sur un segment, alors on pense a appliquer le théorème de l’intégration pour les
séries de fonctions. Soit alors T > 0.
i (n−m)t i (−n−m)t
* Pour tout n ≥ 1, t 7−→ eX h P(X = n) + e P(X = −n) est continue
i sur [−T, T].
** La série de fonctions e i (n−m)t P(X = n) + e i (−n−m)t P(X = −n) est normalement conver-
n≥1
gente
¯ sur [−T, T], donc elle est uniformément
¯ convergente sur [−T, T], puisque ∀n ≥ 1 :
¯ i (n−m)t i (−n−m)t
P(X = n) + e P(X = −n)¯ ≤ P(X = n) + P(X = −n) et la série
¯
¯e

P(X = n) + P(X = −n) = P(X = n)

X X
n≥1 n∈Z∗

est convergente de somme ≤ 1. (Il suffit de justifier la convergence de cette série en disant
que ((X = n)n∈Z ) est un système complet d’évenements).
En vertu du théorème de l’intégration pour les séries de fonctions,

1 +∞ T 1 T
Xh Z i Z
i (n−m)t i (−n−m)t
Hm (T) = e P(X = n) + e P(X = −n)d t + P(X = 0)e −i mt d t .
2T n=1 −T 2T −T

Or, par un calcul simple

 i (n−m)T
e − e −i T(n−m)
si n 6= m
Z T 


∀n ∈ Z : e i (n−m)t d t = i (n − m) = 2Tψ((n − m)T).
−T 

2T si n = m


(Comparer avec la definition de ψ).

Il vient que
Xh i
P((n−m)T)P(X = n)+ψ((−n−m)T)P(X = −n) +P(X = 0)ψ(−mT) = ψ((n−m)T)P(X = n).
X
Hm (T) =
n≥1 n∈Z

page 5 de 25
 1
Z T
(b) En déduire que P(X = m) = lim ΦX (t )e −i mt d t .
T−→+∞ 2T −T
De la question précedente, on démontre alors que

∀m ∈ Z : P(X = m) = lim ψ((n − m)T)P(X = n).

X
T−→+∞ n∈Z

Vérifions les deux conditions pour le théorème de la double limite :

(*) D’aprés l’expression de ψ, facilement,

h i  0 si m 6= n
∀n ∈ N : lim ψ((n − m)T)P(X = n) + ψ((−n − m)T)P(X = −n) =
T−→+∞
P(X = m) si n = m


ψ((n − m)T)P(X = n) est normalement convergente donc elle

X
(**) La série de fonctions
n∈Z
l’est uniformément sur R+ . X
D’aprés le théorème de la double limite, on peut permuter les symboles limites et :

1
Z T
ΦX (t )e −i mt d t = lim ψ((n − m)T)P(X = n) = lim ψ((n − m)T)P(X = n).
X X
lim
T−→+∞ 2T −T T−→+∞ n∈Z n∈Z T−→+∞

Tous les termes de cette dernière somme sont nuls, sauf n = m qui vaut P(X = m).
(c) Montrer alors que les variables aléatoires X et Y ont même loi si, et seulement si, ΦX = ΦY .
X et Y ont même loi, alors, pour tout n ∈ Z, P(X = n) = P(Y = n).
D’aprés la formule de transfert,

∀t : ΦX (t ) = P(X = n)e i nt = P(Y = n)e i nt = ΦY (t ).

X X
n∈Z n∈Z

Inversement si ΦX = ΦY , alors

1
Z T 1
Z T
−i mt
∀m ∈ Z : P(X = m) = lim ΦX (t )e d t = lim ΦY (t )e −i mt d t = P(Y = m).
T−→+∞ 2T −T T−→+∞ 2T −T

Alors X et Y ont même loi.

2. On suppose qu’il existe t 0 ∈ R∗ tel que ¯ΦX (t 0 )¯ = 1. Soit alors a ∈ R tel que ΦX (t 0 ) = e i t0 .a .
¯ ¯

(a) Montrer que E 1¯ − cos(t¯ 0 (X − a) = 0.

¡ ¢¢

Noter bien que ¯ΦX (t 0 )¯ = ΦX (t 0 )e −t0 a = E(e i t0 (X−a) ).

En éxtrayant la partie réelle, on trouve que

E cos(t 0 (X − a) = 1.
¡ ¢¢

³ 2π ´
(b) En déduire que l’évènement X ∈ a + Z est présque sûr.
t0
La variable aléatoire 1 − cos(t 0 (X0 − a)) est positive et ayant une espérance nulle. Alors elle
est présque sûrement nulle. C’est a dire cos(t 0 (X0 − a)) = 1 présque sûrement et que t 0 (X0 − a)
est un multiple de 2π présque sûrement. Autrement dit
µ ¶
2π
X∈a+ Z
t0

est présque sûr.

page 6 de 25
 (c) En déduire que si ∃t 0 , t 1 ∈ R∗ tels que t 0 /t 1 soit irrationnel et ¯ΦX (t 0 )¯ = ¯ΦX (t 1 )¯ = 1, alors X est
¯ ¯ ¯ ¯

présque sûrment constante. µ ¶ µ ¶

2π 2π
D’aprés la question précedente, il existe a et b deux réels tels que X ∈ a + Z et X ∈ b + Z
t0 t1
sont présques sûrs.
Ainsi leur intersection est aussi un évenement présque sûr.
Si maintenent X n’est pas présque sûrment constante, alors il existe au moins deux points
2π
communs dans cette intersection. C’est a dire il existe k 6= k 0 et ` 6= `0 dans Z tesque a + k=
t0
2π 2π 0 2π 0
b+ ` et a + k =b+ ` . Et donc
t1 t0 t1
2π 2π 2π 0 2π 0
a −b = k− `= k − `.
t0 t1 t0 t1

Il vient
2π 2π
(` − `0 ) = (k − k 0 )
t1 t0
ou bien
` − `0 t 1
= .
k − k 0 t0
Ce dérnier résultat contredit que t 0 /t 1 est irrationnel. Absurde.

i bt i at
 e −e

si t 6= 0

3. Pour tous réels a et b tels que a < 0 < b , on pose Ka,b : t 7−→ 2i t
b−a
si t =0



2
(a) À partir d’une série entière, montrer que Ka,b est une application de classe C ∞ sur R.
L’application e i x est développable en une série entière en 0 et on a
X (i x)n
∀x ∈ R : e i x = .
n≥0 n!

De plus, comme toute somme d’une série entière, l’application somme est C ∞ sur son in-
tervalle ouvert de convergence, c’est a dire R.
Ainsi, aprés simplification,

1 X (i bx)n − (i ax)n 1 X b(i bx)n−1 − a(i ax)n−1

∀x ∈ R∗ : Ka,b (x) = = .
2i x n≥0 n! 2 n≥1 n!

b−a
Noter que cette dernière somme vaut pour x = 0.
2
Ainsi Ka,b coincide avec une somme d’une série entière sur R. Alors Ka,b est C ∞ sur R.
Z +∞
(b) Justifier la convergence de l’intégrale Ka,b (t )d t .
−∞
L’application t 7−→ Ka,b (t ) est continue sur R, conc elle l’est par morceaux sur R. Il suffit de
Z +∞ Z −1
démontrer que les intégrales Ka,b (t )d t et Ka,b (t )d t sont convergentes.
1 −∞
On pose f 0 (t ) = e i bt − e i at , f (t ) = 1/(i b)e i bt − 1/(i a)e i at et g (t ) = 1/t alors g 0 (t ) = −1/t 2 .
e i bt /(i b) − e i at /(i a)
lim f (t )g (t ) = lim =0
l −→+∞ t −→+∞ t
+∞ +∞ e i bt /(i b) − e i at /(i a)
Z Z
Par le théorème de l’intégration par parties, les intégrales Ka,b (t )d t et d
1 1 t2

page 7 de 25
 sont de même nature.
Comme ¯ i bt
¯ e /(i bt ) − e i at /(i a) ¯
¯ µ ¶
1 1 1
¯ ¯≤ + ∀t ≥ 1,
¯ t2 ¯ |b| |a| t 2
Z ∞ dt
et l’intégrale est une intégrale de Riemann convergente, alors par le critère de com-
1 t2
paraison, notre intégrale est convergente.
e i bt /(i b) − e i at /(i a)
De même : lim f (t )g (t ) = lim = 0, alors par le théorème de l’inté-
l −→−∞ t −→−∞ t
1/(i b)e i b − 1/(i a)e i a
Z −1 Z −1
gration par parties, les intégrales Ka,b (t )d t et d t sont de même
−∞ −∞ t2
nature.
1/(i b)e i b − 1/(i a)e i a
Z
L’intégrale d t est absolument convergente, puisque
R t2

¯ 1/(i b)e i b − 1/(i a)e i a ¯

¯ ¯
¯ ¯ ≤ (|1/b| + |1/a|) 1
¯ t 2 ¯ t2

1
et t 7−→ est intégrable sur ] − ∞, −1] et on conclut via le crière de comparaison.
t2
(c) Soit n ≥ 1. Z n
Montrer que l’application f : x 7−→ Ka, x (t )d t est de classe C 1 sur R et que f 0 (x) = nψ(n.x), (x ∈
−n
R).
L’application f est définie par une intégrale a paramètre sur un segment, on utilise alors
théorème de dérivation sous signe intégral sur un segment :
ei t x − ei t a x −a
* L’application (t , x) 7−→ Ka,x (t ) = si t 6= 0 et est continue sur [−n, n] × R.
2i t 2
∂ ei t x
** L’application (t , x) 7−→ Ka,x (t ) = existe et est continue sur [−n, n] × R.
∂x 2
Par le théorème de dérivation sous signe intégral (sur un segment) f de classe C 1 sur R et
que Z n
f 0 (x) = 1/2e i xt d t = nψ(n.x), (x ∈ R).
−n

Z n Z bn
(d) Déduire que, pour tout n ≥ 1 : Ka,b (t )d t = ψ(t )d t .
−n an
Ainsi, f est une primitive de x 7−→ nψ(nx). C’a.d, on peut écrire
Z x y=nt
Z nx
f (x) = nψ(t n)d t + C=C + ψ(y)d y.
0 0

Comme
n 1 − e i at n 1 − e i at 1 − e i at
Z Z Z 0 Z n
f (0) = C = Ka,0 (t )d t = dt = dt + dt
−n −n 2i t −n 2i t 0 2i t
1 − e −i at 1 − e i at
Z 0 Z n Z n
y=−t sin(at )
= dt + dt = − .
n 2i t 0 2i t 0 t
Z nx Z na Z nx
Ainsi, par le changement de variables t = y a : f (x) = ψ(y)d y − ψ(y)d y = ψ(t )d t .
0 0 na

page 8 de 25
  π si
 ¤ £
Z +∞ Z ∞ n ∈ a, b
(e) En déduire que ∀n ∈ Z : Ka,b (t )e −i nt d t = Ka−n,b−n (t )d t =
−∞ −∞
£ ¤
0 si n ∉ a, b .

La première égalité est simple.
D’aprés la question précedente
Z ∞ Z (b−n)N
Ka−n,b−n (t )d t = lim ψ(t )d t .
−∞ N−→+∞ (n−a)N

Si n ∈]a, b[, alors (n − a)N −→ −∞ et (b − n)N −→ +∞, c’est a dire

Z ∞ Z (b−n)N Z ∞
Ka−n,b−n (t )d t = lim ψ(t )d t = ψ(t )d t = π.
−∞ N−→+∞ (n−a)N −∞

D’autre part, si n ∈]a, b[, (n − a)N −→ +∞ et (b − n)N −→ +∞ lorsque N −→ +∞. Ainsi, en

utilisant le reste d’une intégrale convergente :
Z ∞ Z (b−n)N µZ +∞ Z +∞ ¶
Ka−n,b−n (t )d t = lim ψ(t )d t = lim ψ(t )d t − ψ(t )d t = 0.
−∞ N−→+∞ (n−a)N N−→+∞ (n−a)N (b−n)N

(f) Soit X une variable aléatoire telle que X(Ω) est un ensemble fini. Montrer alors si a ∉ X(Ω) et
b ∉ X(Ω) :
³Z
¤´ 1 +∞
P X ∈ a, b = ΦX (−t )Ka,b (t )d t .
£
π −∞
Comme X(Ω) est fini et d’aprés la formule de transfert,

ΦX (−t ) = e i nt P(X = n)
X
n∈X(Ω)
Z +∞
est une somme est finie. Substituons cette somme dans l’intégrale ΦX (−t )Ka,b (t )d t :
−∞
à !
Z +∞ Z +∞
ΦX (−t )Ka,b (t )d t e −i nt P(X = n) Ka,b (t )d t
X
=
−∞ −∞ n∈X(Ω)
à !
X Z +∞
= e −i nt P(X = n)Ka,b (t )d t
n∈X(Ω) −∞

D’aprés la question précedente, si un indice n de la somme est telque n ∉]a, b[, alors ce terme
il est nul, sinon il vaut πP(X = n).
Alors la somme précedente sera réduite qu’aux termes d’indices n ∈ [a, b] :
à !
Z +∞
ΦX (−t )Ka,b (t )d t πP(X = n)
X
=
−∞ n∈[a,b]
= π P(X = n) = πP(X ∈ [a, b]).
X
n∈[a,b]

Notez que par sa definition

P(X ∈ [a, b]) = P(X = n).

X
n∈[a,b]

page 9 de 25
 1 +∞ 1 − cos(xt )
Z
¯ ¯
4. (a) Montrer que pour tout x réel, d t = ¯ x ¯.
π −∞ t2
Si x = 0, rien a établir.
On suppose que x 6= 0. Poser le changement de variables y = t x et attention au signe de x
(sinon poser deux cas x > 0 et x < 0) :
 Z +∞
x 1 − cos(t )
dt si x > 0


 π −∞ t2

+∞

1 1 − cos(xt )
Z
dt =
π−∞ t2 
 x −∞ 1 − cos(t )
Z
−x +∞ 1 − cos(t )
Z
dt = d t si x < 0


π +∞ t2 π −∞ t2


Z +∞ Z +∞
1 − cos(t ) sin(t )
Enfin on utilise la question I-1, 2
dt = d t = π.
−∞ t −∞ t
Z +∞
1 − ℜ (ΦX (t ))
(b) En déduire que X a une espérance finie, si et seulement si l’intégrale d t est
−∞ t2
convergente et que dans ce cas
¡¯ ¯¢ 1
Z +∞ 1 − ℜ (ΦX (t ))
E ¯X¯ = dt.
π −∞ t2

Notez que
1 +∞
1 − cos(Xt )
Z
¯ ¯
d t = ¯X¯.
−∞ π t2
1 +∞ 1 − cos(Xt )
Z
X a une espérance fini, ssi E(|X|) < ∞ ssi
¯ ¯
d t = ¯X¯ a une espérance finie, si,
π −∞ t2
est seulement si, via la formule de Transfert, la série
X 1 Z +∞ 1 − cos(nt )
d t P(X = n)
n∈Z π −∞ t2

est absolument convergente (donc convergente puisqu’elle est a termes positifs), si, et seule-
ment si · Z +∞ Z +∞ ¸
X 1 1 − cos(nt ) 1 1 − cos(−nt )
d t P(X = n) + d t P(X = −n)
n≥1 π π
t 2 t2
−∞ −∞
X
est convergente (par definition de la somme et noter que le terme d’incdice 0 est nul).
Z n∈Z
X
On veut permuter les symboles et par le théorème d’intégration terme a terme dont
ses conditions sont vérifiées
* La série de fonctions
· ¸
X 1 1 − cos(nt ) 1 − cos(−nt )
P(X = n) + P(X = −n)
n≥1 π t2 t2

est simplement convergente sur R, puisque

¯ ¯
¯ 1 − cos(nt ) 1 − cos(−nt )
P(X P(X ¯ ≤ M(P(X = n) + P(X = −n))
¯
¯ d t = n) + d t = −n)
¯ t2 t2 ¯

1 − cos(t )
(où M est un majorant sur R de l’application bornée t 7−→ P(X =
X
2
) et la série
t n≥1
n) + P(X = −n) est convergente (de somme ≤ 1).

page 10 de 25
 · ¸
1 1 − cos(nt ) 1 − cos(−nt )
** Pour tout n ≥ 1, l’application t 7−→ P(X = n) + P(X = −n) est in-
π t2 t2
tégrable sur R, d’aprés la question précedente (avec x = ±n ) et on a
· ¸
1 1 − cos(nt ) 1 − cos(−nt )
Z
P(X = n) + P(X = −n) = nP(X = n) + nP(X = −n).
Rπ t2 t2

*** La série · ¸
X 1 − cos(−nt )
P(X = −n) =
X
2
nP(X = n) + nP(X = −n)
n≥1 t n≥1

est convergente puisque X a une espérance finie.

Les conditions du théorème
Z de l’intégration terme a terme sont vérifiées Alors on peut per-
X
muter les symboles et :

E(|X|)
X
= nP(X = n) − nP(X = −n) =
n≥1
Z ∞ ·
X 1 − cos(nt )
¸
1 − cos(nt )
= P(X = n) − P(X = −n) d t
−∞ n≥1 t2 t2
Z ∞ µ ¶
transfert 1 − cos(Xt )
= E
t2
Z−∞
∞ 1 − E(cos(Xt )) Z ∞
1 − ℜ(ΦX (t ))
= 2
dt = dt
−∞ t −∞ t2

5. Application : On modélise une marche aléatoire symétrique simple sur R de la façon suivante :
On se donne une suite (Xn )n≥1 de variables aléatoires indépendantes, de même loi donnée par
1
∀n ≥ 1 : P(Xn = 1) = P(Xn = −1) = .
2
n
X
On pose S0 = 0 et pour tout n ≥ 1, Sn = Xk .
k=1
(a) Soit n ≥ 1. Montrer que pour tout réel t , ΦSn (t ) = cosn (t ).
Sn est une somme de v.a. indépendante et ayant même loi celle de X1 . Alors

ΦSn (t ) = E(e i X1 t × . . . × e i Xn t ) = (E(e i X1 t ))n .

Or, par lea formule de transfert :

1 1
E(e i X1 t ) = exp(i t ) + exp(−i t ) = cos(t ).
2 2

¢¢n
1 − cosn (t )
¡ ¡p
+∞ 1 n +∞ 1 − cos 2t /n
r Z
¡¯ ¯¢ 2
Z
(b) En déduire que E ¯Sn ¯ = dt = p dt.
π 0 t2 π 2 0 t t
Utiliser
p
le résultat de la question 4 avec X = s n et ensuite faire le changement de variables
t = 2x/n.
¤ ¤ ¯¯ ³ ³p ´´n ¯
(c) Montrer que pour tout n ≥ 1 et t ∈ 0, 1 : ¯1 − cos 2t /n ¯ ≤ t .
¯
à r !n à r !n−1 r r
2u 0 2u 2u 2 1
Soit g (u) = cos ; g (u) = −n cos sin . . p .
n n n n 2 u

page 11 de 25
 Soit u > 0, du théorème des accroissements finis appliqué à g qui est continue sur [0, u] et
g (0) − g (u)
dérivable sur ]0, u[, ∃ζ ∈]0, u[ tel que = g 0 (ζ), alors :
−u
 r s 
³ p ´n 2 2ζ 1 
|1 − cos 2u/n | ≤ u n p =u
n n 2 ζ

r Z +∞ −t
2n e p
(d) En déduire que E Sn ∼ , (n −→ +∞). (On pourra utiliser Γ(1/2) = p d t = π.)
¡¯ ¯¢
¯ ¯
" Ãrπ !#n 0 t
2u 2u 1
Pour n assez grand, cos = e n ln(1− 2n +o( n )) = e −u+o(1) qui tend vers e −u quand n →
n
+∞. ¡ ¡p ¢¢n
∗ 1 − cos 2u/n
Si on pose ∀n ∈ N , ∀u > 0 f n (u) = p ,
u u
∀n ∈ N∗ , f n est continue sur ]0, +∞[.
1 − e −u
la suite ( f n )n≥1 converge simplement vers u 7−→ p qui est continue sur ]0, +∞[.
u u
1
∀n ∈ N∗ , ∀u ∈]0, 1[; | f n (u)| ≤ p question précédente.
u
∗ 2
∀n ∈ N , ∀u ∈ [1, +∞[; | f n (u)| ≤ p .
u u
2 1
Soit ϕ définie par ϕ(u) = p sur [1, +∞[, et ϕ(u) = p sur ]0, 1[, ϕ est continue sur ]0, 1[ et
u u u
sur ]1, +∞[ admet des limites finies en 1 à gauche et à droite, donc continues par morceaux
et intégrable sur ]0, +∞[.
Le théorème de la convergence dominée s’applique et on a :
+∞ 1 − e −u
+∞
Z Z
lim f n (t )d t = p d u = `. Or
n→+∞ 0 0 u u
p
1 − e −u 1 − e −u ∞ Γ(1/2) π
Z +∞ Z ∞ −u
e
· ¸
IPP
`= p du = − p + p du = = .
0 u u 2 u 0 0 2 u 2 2

IV- Lien entre Moments de X et Régularité de ΦX

1. À partir de la formule de transfert, montrer que ΦX est une application continue sur R.
A partir de la formule de transfert,
X³ ´
∀t ∈ R : ΦX (t ) = e i nt P(X = n) = P(X = 0) + e i nt P(X = n) + e −i nt P(X = −n) .
X
n∈Z n≥1

Il s’agit, pour montrer que ΦX est continue sur R, est de vérifier les conditions du théorème de
continuité pour les séries³ de fonctions : ´
* pour tout n ≥ 0, t 7−→ e i nt P(X = n) + e −i nt P(X = −n) est continue sur R.
** ¯ ¯
∀n ≥ 1 : ¯e i nt P(X = n) + e −i nt P(X = −n)¯ ≤ P(X = n) + P(X = −n).
¯ ¯

P(X = n) + P(X = −n) est convergente (somme des probabilités des états de X) et
X
La série
n≥1
X ³ i nt ´
de somme ≤ 1. Alors e P(X = n) + e −i nt P(X = −n) est normalement convergente, donc
n≥1
uniformément convergente sur R.

page 12 de 25
 D’aprés le théorème de continuité pour les séries de fonctions, ΦX est continue sur R.
2. Soit k ≥ 1. On suppose que X a un moment d’ordre k . Montrer que ΦX est une application de
classe C k sur R et exprimer E(Xk ) en fonction de ΦX(k) (0).
X a un moment do’rdre k ≥ 1 (c.a.d E(|X|k ) < ∞), alors elle a un moment d’ordre j ≤ k.
Soit j ≤ k . Dire que X a un moment d’ordre j , revient par la formule de transfert, a dire que la
série
|n| j P(X = n) = n j P(X = n) + n j P(X = −n)
X X
n∈Z n≥1

est convergente et que, dans ce cas

E(X j ) = n j P(X = n) = n j P(X = n) + (−n) j P(X = −n).

X X
n∈Z n≥1

La formule de transfert donne,

X³ ´
∀t ∈ R : ΦX (t ) = e i nt P(X = n) = P(X = 0) + e i nt P(X = n) + e −i nt P(X = −n) .
X
n∈Z n≥1

On démontre ,par le théorème de dérivations succéssives pour les séries de fonctions que ΦX
classe C k sur R : ³ ´( j )
* Pour tout j ≤ k, t 7−→ e i nt P(X = n) + e −i nt P(X = −n) = (i n) j e i nt P(X = n) + (−i n) j e −i nt P(X =
−n) est continue sur R.
(i n) j e i nt P(X = n) + (−i n) j e −i nt P(X = −n) est ab-
X
** Pour j = 0, 1, . . . , k − 1 la série de fonctions
n≥1
solument convergente sur R, donc elle l’est simplement sur R : en effet
¯ ¯
∀t ∈ R : ¯(i n) j e i nt P(X = n) + (−i n) j e −i nt P(X = −n)¯ ≤ n j P(X = n) + n j P(X = −n)
¯ ¯

n j P(X = n) + n j P(X = −n) est convergente puisque X a un moment d’ordre j

X
et la série
n≥1
(voir remarque ci dissus.)
(i n)k e i nt P(X = n) + (−i n)k e −i nt P(X = −n) est normalement conver-
X
*** La série de fonctions
n≥1
gente sur R, donc elle l’est uniformément sur R :
¯ ¯
∀t ∈ R : ¯(i n)k e i nt P(X = n) + (−i n)k e −i nt P(X = −n)¯ ≤ n k P(X = n) + n k P(X = −n)
¯ ¯

n k P(X = n) + n j P(X = −n) est convergente puisque X a un moment d’ordre k

X
et la série
n≥1
(voir remarque ci dissus.)
Ainsi, par le théorème de dérivations succéssives pour les séries de fonctions, ΦX classe C k sur
R et on a
∀t ∈ R : Φ(k) (i n)k e i nt P(X = n).
X
X
(t ) =
n∈Z

En particulier, lorsque t = 0 :

Φ(k) (i n)k P(X = n) = i k E(Xk ).

X
X
(0) =
n∈Z

n o
3. Dans cette question, on suppose que X(Ω) = n 2 , n ≥ 0 avec pour tout n ≥ 0 : P(X = n 2 ) = µe −n .

page 13 de 25
(a) Déterminer µ.
(X = n 2 ), n ≥ 0 est un système complet d’évenements : alors

géom µ
P(X = n 2 ) = µe −n =
X X
1= .
n≥0 n≥0 1 − e −1

Il vient que µ = 1 − e −1 .
(b) Montrer que X a un moment a tout ordre.
Soit k ≥ 1. On démontre que la série

n 2k P(X = n 2 ) = µn 2k e −n
X X
n≥0 n≥0

est convergente. Mais ce point découle du critère de D’Alemenbert.

(c) Montrer que l’application ΦX est de classe C ∞ sur R et que
¯ Φ (0) ¯
¯ (k) ¯
¯≥µ 1 n e ≥ k k e −k .
X 2k −n
∀k ≥ 0 : ¯¯
k! ¯ k! n≥k

Pour tout k ≥ 1, X a un moment d’ordre k , alors pour tout k ≥ 1, ΦX est de classe C k sur R.
Alors ΦX est de classe C ∞ sur R.
D’aprés la question précedente
¯ Φ (0) ¯
¯ (k) ¯ ¯ ¯
1 ¯¯ X 2k 2k −n ¯¯ 1 X 2k −n
¯
¯ k! ¯
¯ = (i )n µe ¯ = n µe
k! ¯n≥0 k! n≥0
1 X 2k −n n≥k k 2k X −n
≥ n µe ≥ µe
k! n≥k k! n≥k
k k ≥k! X −n géom k e −n
≥ kk µe = k µ −1
= k k e −n .
n≥k 1 − e

(d) En déduire que ΦX n’est pas développable en série entière en 0.

On rappelle que ΦX est DSE(0) si, et seulement si, ΦX est infiniment dérivable dans un inter-
valle contenant 0 dans son intérieur et il existe R > 0 telque ΦX coincide dans ] − R, R[ avec sa
X Φ(k) (0) k
série de Taylor t .
k≥0 k!
X Φ(k) (0) k
Par contraposition, si le rayon de convergence de la série de Taylor t est nul,
k≥0 k!
alors ΦX n’est pas DSE(0) .
Comme
¯ Φ (0) ¯
¯ (k) ¯
k −k
¯ k! ¯ ≥ k e ,
¯ ¯

alors le rayon de convergence de la série de Taylor de ΦX (qu’on note par R) est majoré par
X k −k k
celui (qu’on note R1 ) de la série entière k e t . (0 ≤ R ≤ R1 )
k≥0
Or
(k + 1)k+1 e −k−1 |t |k+1 1 k −1
µ ¶
= (k + 1) 1 + e |t | −→ +∞, si t 6= 0.
k k e −k |t k | k
X k −k k
Ainsi, par le critère de D’Alembert, si t 6= 0, la série k e t est divergente.
k≥0
Ainsi R1 = 0 et par suite R = 0 et donc ΦX n’est pas DSE(0).

page 14 de 25
4. On suppose dans cette question que X a des moments a tout ordre et qu’il existe ρ > 0 et une
constante M ≥ 0 tels que µ ¶n
n
∀n ≥ 0 : E ¯Xn ¯ ≤ M
¡¯ ¯¢
.
ρ
(a) Montrer, à partir de la formule de Taylor avec reste intégral, que
¯ ¯ ¯ ¯n+1
n k¯ ¯y ¯
¯ i y X (i y) ¯
¯
∀y ∈ R, et ∀n ∈ N : ¯e − ¯≤ .
k=0 k!
¯ ¯ (n + 1)!

Appliquons la formule de Taylor avec reste intégral à exp à l’ordre n :

n i k yk (i y)n+1 1
Z
∀y ∈ R : exp(i y) = (1 − t )n exp(i y t )d t .
X
+
k=0 k! n! 0

Alors
¯ ¯
n i k yk ¯ ¯ (i y)n+1 1
¯ ¯ Z ¯
n
X ¯
¯exp(i y) − ¯ = ¯ (1 − t ) exp(i y t )d t ¯¯
¯ ¯ ¯
k=0 k! n! 0
¯ ¯
|y|n+1 1 ¯¯ |y|n+1 1 ¯¯ |y|n+1 1
Z Z
n
(1 − t )n ¯ d t =
¯ ¯
≤ (1 − t ) exp(i y t ) d t =
¯ ×
n! 0 n! 0 n! n +1
n+1
|y|
= .
(n + 1)!

(b) En déduire que ΦX est dévoloppable en série entière en 0 et que

h ρ ρi X (i t )n ¡ n ¢
∀t ∈ − , : ΦX (t ) = EX .
e e n≥0 n!
On pose dans la formule précedente y = i Xt et ensuite appliquons E :
à !
n i k (E(X))k t k n i k (Xt )k
∀t : ΦX (t ) − = E exp(i Xt ) −
X X
.
k=0 k! k=0 k!

Alors, par l’inégalité triangulaire (|E(Y)| ≤ E(|Y|)), on trouve

¯ ¯ ¯ Ã !¯ ¯ ¯
¯ n i k (E(X))k t k ¯ ¯ n i k (Xt )k ¯ ¯ n i k (Xt )k ¯
¯ΦX (t ) − ¯ = ¯E exp(i Xt ) − ¯ ≤ E ¯exp(i Xt ) −
X X X
¯.
¯ ¯ ¯ ¯ ¯ ¯
¯ k=0 k! ¯ ¯ k=0 k! ¯ ¯ k=0 k! ¯

En vertu de la questin précedente, on trouve

¯ ¯
n i k (E(X))k t k ¯ n+1 n+1
¯ E(|X| )|t |
¯
¯ΦX (t ) −
X
¯≤ .
¯
¯ k=0 k! ¯ (n + 1)!

Montrer que ΦX est DSE(0), c’est trouver un intervalle ]−r, r [ où r > 0 dans laquelle la somme
partielle de la série de Taylor de ΦX convereg simplement (point par point) vers ΦX .
Par la dérniere majoration ,il suffit de trouver un intervalle ] − r, r [ où r > 0 dans lequel
E(|X|n+1 )|t n+1 |
converge vers 0 pour tout t ∈] − r, r [.
(n + 1)! µ ¶n
n n
Or par hypothèse E(|X| ) ≤ M , on obtient
ρ

E(|X|n+1 )|t n+1 | n + 1 n+1 |t |n+1

µ ¶
≤M
(n + 1)! ρ (n + 1)!

page 15 de 25
 p
Par la formule de Stirling (n + 1)! ∼ ((n + 1)/e)n+1 2πn , on trouve
n + 1 n+1 |t |n+1 e|t | n+1 1
µ ¶ µ ¶
∼ p .
ρ (n + 1)! ρ 2πn
e|t | e|t | n+1 1
µ ¶ µ ¶
On sait que si > 1, alors p −→ +∞.
ρ ρ 2πn
e|t | e|t | n+1 1
µ ¶ µ ¶
Alors si, < 1 , alors p −→ 0.
ρ ρ 2πn
ρ
En conclusion, si |t | < , la série de Taylor de ΦX converge simplement sur ] − ρ/e, ρ/e[ vers
e
ΦX et donc ΦX est DSE(0).

V-Un Théorème Central Limite.

Soit (Xn )n≥1 une famille de variables aléatoires symétriques indépendantes et de même loi. On suppose
que X1 non constante (présque sûrement) et ayant un moment d’ordre deux au moins et posons σ2 =
Var(X1 ).
n Xn Sn
Xk , X∗n = p et S∗n = p , (n ≥ 1).
X
Soient de plus Sn =
k=1 nσ σ n
2
1. (a) Montrer que ΦS∗n n≥1 est simplement convergente sur R vers l’application t 7−→ e −t /2 .
¡ ¢

Soit t ∈ R :
Sn est somme de v.a indépendantes de même loi celle de X1 , alors les v.a e i t X1 , . . . , e i t Xn sont
indépendantes.
Il vient alors
p p ³ ³ p ´´n
n)Xn indép+même loi
ΦS∗n (t ) = E(e i t /(σn)X1
. . . e i t /(σ ) = E e i t X1 /(σ n) .

Par un DL : Ã µ ¶!
p
i t X1 / n i t X1 t 2 X21 1
E(e ) = E 1+ p − 2 +o .
σ n 2σ n n
X1 est symétrique, alors E(X) = 0 et utilisons la linéarité de E :
à à µ ¶!!n
i t X1 t 2 X21 1
ΦS∗n (t ) = E 1+ p − 2 +o
σ n 2σ n n
n
t 2 σ2
µ µ ¶¶
1
= 1− 2 +o
2σ n n
t σ
2 2
µ µ µ ¶¶¶
1
= exp n ln 1 − 2 + o
2σ n n
µ µ 2 µ 2
t t
µ ¶¶¶ ¶
DL 1 t2
= exp n − +o = exp − + o(1) −→ e − 2 .
2n n 2
2
/2
Ainsi ΦS∗n converge simplement sur R vers t 7−→ e −t .
(b) La convergence est elle uniforme sur R ?
La convergence n’est pas uniforme sur R. Posons
2
/2
Hn (t ) = ΦS∗n (t ) − e −t .

Par la question précedente, Hn converge simplement sur R vers 0.

p 2 2
Mais Hn (2π n) = E(e 2πSn ) − e −4π n/2 = 1 − e −2π n −→ 1 6= 0.
(Notez que Sn ∈ Z, alors e 2πSn = 1.)

page 16 de 25
 2. On suppose ici, que X1 a un moment d’ordre trois. Montrer que la convergence de (ΦS∗n )n≥1 est
uniforme sur tout segment de R.
La convergence étant simple.
Soit a ≥ 0. On peut pousser le dL à l’ordre 3 par hypothèse : En appliquant la formule de Taylor
avec reste intégral (X1 est symétrique) :

t 2 X2 t 3 X3
Z 1
t X1 p
µ ¶
t ∈ [−a, a] : cos p = 1 − 2 + p 3 (1 − t )2 cos(t X1 /(σ n))d t .
σ n 2σ n 2!n nσ 0

t 3 X3 1 p
µ Z ¶
2
Appellons, r n (t ) = E p (1 − t ) cos(t X1 /(σ n))d t . Noter que
2!n nσ∗ 0

E(|X3 |)a 3
r n (t ) ≤ p , ∀t ∈ [−a, a].
3n nσ3

(Il suffit de majorer cos par 1.) Noter aussi que par cette majoration que

M
|nr n (t )| ≤ p
n

pour une constante M.

¯ ¯ ¯ 2 2 ¯
t
µ µ ¶¶
− t2 ¯
¯ΦS∗ − e 2 ¯ = ¯exp n ln 1 −
¯ ¯ X − t2 ¯
+ r n (t ) − e 2 ¯¯
¯ n ¯ ¯ 2σ2 n
¯ ¯ e nr n (t ) − 1 ¯
2 ¯
¯ ¯
− t2 ¯ nr n (t )
= e e − 1¯ = ¯¯ ¯ × |nr n (t )|
nr n (t ) ¯

ey −1
D’une part, l’application y 7−→ est bornée sur [−a, a], alors pour n assez grand, posons M1
y
un majorant de cette application sur [−a, a].
Il vient d’aprés cette discussion et celle sur r n :
¯ ¯
− t2 ¯ M
∀t ∈ [−a, a] : ¯¯ΦS∗n − e 2 ¯¯ ≤ M1 p −→ 0.
¯
n

La convergence est uniforme sur [−a, a] et par suite sur tout segment de R.

Partie B : Fonction Caractéristique d’une Variable Aléatoire Symétrique a Forte

Dispersion
On fixe un réel α > 0. On dit qu’une variable aléatoire X vérifie la condition de dispertion Dα si, et
seulement si, lorsque n tend vers +∞,
¢ α
µ ¶
1
P ¯X¯ ≥ n = + O 2 .
¡¯ ¯
n n

1. Soit X une variable aléatoire vérifiant la condition Dα . Montrer que E(|X|)X= +∞.
Pour toute v.a discrète X ≥ 0, E(X) = ∞ est équivalente (par definition) a |n|P(X = n) est diver-
n∈Z
gente.
, on démontre que la série de terme géneral |n| P(X = n) + P(X =
X ¡
Par definition de la somme
n∈Z

page 17 de 25
 ¢ X
−n) est divergente. Ou, plus simplement que nP(|X| = n) diverge.
n≥1
Or
h i
nP(|X| = n) = n(P(|X| ≥ n) − P(|X| ≥ n + 1)) = (n − 1)P(|X| ≥ n) − nP(|X| ≥ n + 1) + P(|X| ≥ n).

Xh
Comme nP(|X| ≥ n) −→ α (par hypothèse), alors la série télescopique (n − 1)P(|X| ≥ n) −
i n≥1
nP(|X| ≥ n + 1) est convergente.
α
D’autre part, P(|X| ≥ n) ∼ , entrainne par le critère de comparaison que la série P(|X| ≥ n +1)
X

Xn n≥1
est divergente. Ainsi, nP(|X| = n) est la somme de deux séries de natures différentes, donc
n≥1
elle est divergente.
2. Un exemple :
1 1
Soit X une variable aléatoire telle que X(Ω) = Z∗ et P(X = n) = P(X = −n) = , (n 6= 0).
2ζ(2) n 2
1+∞ π2
(On rappelle que ζ(2) =
X
2
= .)
n=1 n 6
1 1 1 1
(a) Démonter que P ¯X¯ ≥ n ∼
¡¯ ¯ ¢
, (n −→ +∞). (On pourra remarquer que − ∼ 2 ).
ζ(2)n n −1 n n
On sait que
P(|X| ≥ n) = P(|X| = k)
X
k≥n
1 1 1
et comme pour tout k ≥ 1, P(|X| = k) = P(X = k) + P(X = −k) = + = . Alors
2ζ(2)k 2 2ζ(2)k 2 ζ(2)k 2

1 X 1
P(|X| ≥ n) = .
ζ(2) k≥n k 2

Comme
1 1 1
* 2∼ − ,
k k −1 k
X 1
** 2
est une série a termes positifs convergente,
k≥1 k
alors par le théorème de sommation de relations de comparaisons, on a l’équivalence
X 1 X∞ 1 1 Téléscopie 1 1
2
∼ − = ∼ .
k≥n k k=n k − 1 k n −1 n

1
C.a.d P(|X| ≥ n) ∼ .
ζ(2)n
1 +∞
X 1 1
(b) On pose, pour tout n ≥ 1, w n = − 2
. Montrer que w n − w n+1 ∼ − 3 .
n k=n k n
Calculs simples.
X∞ 1 1
(c) À l’aide d’un théorème de comparaison série-intégrale, montrer que 3
∼ 2.
k=n k 2n
1
L’application x 7−→ est contionue, donc continue par morceaux sur [1, +∞[, positive et
x3
décroissante.

page 18 de 25
 D’autre part, cette application est intégrable sur [1, +∞[.
Alors par le théorème de comparaison série-Intégrale, on a l’encadrement des restes :
Z +∞ dx X ∞ 1 Z ∞
dx
3
≤ 3
≤ 3
, (n ≥ 2).
n x k=n k n−1 x

∞ dx 1 ∞
· ¸
1
Z
Or 3
= − 2 = 2 , alors
n x 2x n 2n
Z ∞ Z ∞
dx 1 1 dx
3
= 2
∼ 2= .
n−1 x 2(n − 1) 2n n x3
X∞ 1 1
Alors 3
∼ 2.
k=n k 2n
1
(d) En déduire que w n ∼ − 2 , (n −→ +∞) et que X est symétrique et a forte dispersion.
2n
Comme
1
* w n − w n+1 ∼ − 3 ,
n
X 1
** la série 3
est une série de Riemann convergente,
n≥1 n
alors, par le théorème de sommation de relations de comparaisons, on a equivalence des
restes :
X X 1
w k − w k+1 ∼ − 3
.
k≥n k≥n k
X
Comme w n −→ 0, par definition de w n alors par télescopie w k − w k+1 = w n .
k≥n
X 1 1 1
3
∼ 2 , il vient w n ∼ − 2 .
k≥n k 2n 2n
1
X est a forte dispersion : Comme P(|X| ≥ n) ∼ , il ne reste qu’a prouver que
ζ(2)n
µ ¶ µ ¶
1 1
P(|X| ≥ n) − =O 2 .
ζ(2)n n
Or µ ¶ " #
1 1 X 1 1 1 1
P(|X| ≥ n) − = − =− wn ∼ .
ζ(2)n ζ(2) k≥n n 2 n ζ(2) 2ζ(2)n 2
Le résultat est alors établit et X vérifie D1/ζ(2) .
¯ ¯
3. (a) Montrer que l’application (x, t ) 7−→ ¯1 + t e i x ¯ est continue sur R2 .
¯ ¯

(b) En déduire qu’il existe, pour tout a ∈]0, π[, un réel m a > 0 telque
¯ ¯
∀(t , x) ∈ [0, 1] × [0, a] : ¯1 + t e i x ¯ ≥ m a .
¯ ¯
¯ ¯
L’application (x, t ) 7−→ ¯1 + t e i x ¯ est continue sur le compact [0, 1] × [0, a]. Alors, d’aprés le
¯ ¯

théorème des éxtremas, elle atteint ses bornes : il existe (x 0 , t 0 ) ∈ [0, 1] × [0, a] telque
n¯ ¯o
inf ¯1 + xe ¯ = |1 + x 0 e i t0 |.
it¯
¯
(t ,x)∈[0,1]×[0,a]

Posons m a = |1 + x 0 e i t0 |.
1 1
D’une part m a > 0, sinon e i t0 = − et donc 1 = , c.a.d x 0 = 1 donc e i t0 = −1 donne t 0 = ±π ∉
x0 x0
[0, a].
Par definition de la borne inf : ∀(t , x) ∈ [] × [0, a] : |1 + x 0 e i t0 | ≥ m a .

page 19 de 25
 (c) Montrer que l’application
1 ei x
Z
F : x 7−→ dt
0 1 + t ei x
est de classe C 1 sur − π, π et donner une expression de sa dérivée sous la forme d’une
¤ £

intégrale à paramètre.
Vérifier les conditions du théorème de dérivation sous intégrale (sur un segment) :
ei x
* L’application (t , x) 7−→ est continue sur [0, 1]×] − π, π[.
1 + t ei x
∂ ei x i ei x
** L’application (t , x) 7−→ = est continue sur [0, 1]×] − π, π[.
∂x¤1 + t e i x£ (1 + t e i x )2
Alors F est de classe C 1 sur − π, π et que
i ei x
Z 1
0
∀x ∈] − π, π[: F (x) = ix 2
dt.
0 (1 + t e )

1 ³x ´ i
0
(d) Montrer que ∀x ∈ − π, π : F (x) = − tan
¤ £
+ et en déduire la valeur de F(x) pour tout
2 2 2
x ∈ − π, π .
¤ £

On calcul l’intégrale définissant F0 (x) :

¸1
i i ei x −i e i x/2
·
0 −i
∀x ∈] − π, π[: F (x) = = −i + = − =
(1 + t e i x ) 0 1 + ei x 1 + e i x e i x/2 + e −i x/2
e i x/2 cos(x/2) + i sin(x/2) 1
= −i = −i = −i /2 + tan(x/2).
2 cos(x/2) 2 cos(x/2) 2

Ainsi, pour tout x ∈]−π, π[: F(x) = −i x/2+1/2primitive de (tan(x/2)) = −i x/2+ln (cos(x/2))+
C. Z
dt 1
Comme F(0) = = ln(2), alors ∀x ∈] − π, π[: F(x) = −i x/2 + ln(2 cos(x/2)).
0 1+t
(−1)n t n e i (n+1)x
Z 1
4. (a) Soit x ∈ − π, π . Montrer que lim
¤ £
d t = 0.
n−→+∞ 0 1 + t ei x
Soit x ∈] − π, π[. On peut calculer cette limite sans utiliser TCD : d’aprés 3-a :
(−1)n t n e i (n+1)x ¯¯ tn
¯Z 1 ¯ Z 1 Z 1 n
¯ t 1
lim ¯ ¯
i x
dt¯ ≤ i x
d t ≤ lim d t = lim = 0.
n−→+∞ 0 1+ te 0 |1 + t e | n−→+∞ 0 m a n−→+∞ (n + 1)m a

X (−1)n e i nx
est simplement convergente sur − π, π
¤ £
(b) En déduire que la série de fonctions
n≥1 n
et que
X (−1)n−1 e i nx
+∞
∀x ∈ − π, π : F(x) =
¤ £
.
n=1 n

La question est de transformer F en une somme d’une série de fonctions sur ] − π, π[:
Soit x ∈] − π, π[.
ei x n−1 (−1)n t n e i (n+1)x
(−1)k t k e i (k+1)t +
X
∀t ∈]0, 1[: = .
1 + t ei x k=0 1 + t ei x

Alors
Z 1 Ãn−1 !
(−1)n t n e i (n+1)x n−1 1 1 (−1)n t n e i (n+1)x
Z Z
k k i (k+1)t k k i (k+1)t
X X
F(x) = (−1) t e + dt = (−1) t e dt+ dt.
0 k=0 1 + t ei x k=0 0 0 1 + t ei x

page 20 de 25
 Aprés avoir calculé chaque intégrale :
X (−1)k e i (k+1)x
n−1 Z 1 (−1)n t n e i (n+1)x
F(x) = + dt.
k=0 k +1 0 1 + t ei x
1 (−1)n t n e i (n+1)x
Z
Comme lim d t = 0, alors
n−→+∞ 0 1 + t ei x
X (−1)k e i (k+1)x
n−1
La suite des sommes partielles , n ≥ 1 converge vers F(x). c.a.d La série
k=0 k +1
X (−1)k e i (k+1)x
est convergente de somme F(x).
k≥0 k +1
X (−1)k e i (k+1)x
Autrement dit La série de fonction est simplement convergente sur ] − π, π[
k≥0 k +1
et de somme F :
+∞ (−1)n e i (n+1)x +∞
X (−1)n−1 e i nx
∀x ∈] − π, π[ F(x) =
X
=
n=0 n +1 n=1 n

(c) En posant θ = π − x, montrer que

£ +∞ θ X sin(nθ) π − θ
+∞
µ µ ¶¶
¤ X cos(nθ)
∀θ ∈ 0, 2π : = − ln 2 sin et = .
n=1 n 2 n=1 n 2

D’aprés 3-(d) et 4-b :

(−1)n−1 e i nx
+∞
∀x ∈] − π, π[: F(x) =
X
= −i x/2 + l n (2 cos(x/2)) .
n=1 n

En posant x = π − θ, (θ ∈]0, 2π[) : :

+∞ (−1)n−1 e i n(π−θ)
= −i (π − θ)/2 + l n (2 cos((π − θ)/2))
X
n=1 n

alors, aprés simplification :

+∞ e −i nθ
= −i (π − θ)/2 + ln (2 sin(θ/2)) .
X
−
n=1 n

En éxtrayant les parties réelles et imaginaires, on obtient notre résultat.

Dans la suite de cette partie, on suppose que X est une variable symétrique ¢ et vérifiant la condi-
tion de forte dispersion Dα . Pour tout entier n ∈ N, on pose bn = P |X| ≥ n .
¡

5. (a) Montrer que pour tout t ∈ R :

+∞
ΦX (t ) =
X¡ ¢
b n − b n+1 cos(nt ).
n=0

X est symétrique, alors d’aprés A-I. ΦX (t ) = E(cos(Xt )).

En vertu de la formule de transfert,

ΦX (t ) = P(X = n) cos(nt ) = P(X = 0) + (P(X = n) cos(nx) + P(X = −n) cos(−nx))

X X
n∈Z n≥1
= P(X = 0) + (P(X = n) + P(X = −n)) cos(nx).
X
n≥1

page 21 de 25
 On sait P(X = n) + P(X = −n) = P(|X| = n) et P(X = 0) = P(|X| = 0), il vient alors

ΦX (t ) = P(|X| = n) cos(nt ).
X
n≥0

On conclut en remarquant que

∀n : P(|X| = n) = P(|X| ≥ n) − P(|X| ≥ n + 1).

X
(b) Justifier la convergence simple sur ]0, 2π[ de la série de fonctions b n cos(nt ). En déduire
n≥0
que
+∞
∀t ∈]0, 2π[: ΦX (t ) = 1 +
X ¡ ¢
b n cos(nt ) − cos(n − 1)t .
n=1
α X cos(nt )
X est forte dispertion, alors b n = +O (1/n 2 ). La série est simplement convergente
n n≥1 n
sur ]0, 2π[
X, d’aprés 4-(c).
la série cos(nt )Un où Un = O (1/n 2 ) est normalement convergente sur R donc simplement
n≥1
convergente
X sur R.
Alors b n cos(nt ) est simplement convergente sur ]0, 2π[.
n≥1
Pour l’autre relation, commencer par découper la somme en deux.
α i nt
¶
µ
6. (a) Justifier la convergence normale sur R de la série de fonctions
X
bn − e .
n≥1 n
α
, par definition de la suite bn , n ≥ 1 : bn − = O (1/n 2 ), alors la série b n − α/n est absolu-
X
n n≥1
ment convergente. ¯ ¯
Alors, pour tout t ∈ R : ¯(bn − α/n) e i nt ¯ = |bn − α/n| est un terme géneral d’une série conver-
¯ ¯

α i nt
¶ µ
gente. Ceci prouve la convergence normale sur R de la série de fonctions
X
bn − e .
n≥1 n
+∞
X³ α ´ i nt
(b) En déduire qu’il existe un réel ` telque lim+ bn − e = `.
t −→0 n=1 n
Vérifier les conditions du théorème de la double limite par exemple (on peut utiliser le théo-
rème de continuité).
` est réel puisque, en utilisant la partie imaginaire dans la limite précedente et par le théo-
rème de la double limite :
+∞
X³ α´ +∞
X ³ α´
ℑm(`) = lim+ bn − sin nt = lim+ b n − sin nt = 0.
t −→0 n=1 n n=1 t −→0 n

(c) Montrer alors que lorsque t −→ 0+ :

+∞ +∞ απ
b n cos(nt ) = −α ln(t ) + ` + o(1) et
X X
b n sin(nt ) = + o(1).
n=1 n=1 2

D’aprés la question précedente :

+∞
X³ α ´ i nt
bn − e = ` + o(1).
n=1 n

page 22 de 25
 Alors, puisque ` ∈ R :
+∞
X³ α´
bn − cos(nt ) = ` + o(1)
n=1 n
et
+∞
X³ α´
bn − sin(nt ) = o(1).
n=1 n

En dˆ’ecoupant les sommes en deux sommes (ici, toutes series sont convergentes) :
+∞ Xα
cos(nt ) = ` + o(1)
X
b n cos(nt ) −
n=1 n≥1 n

et
+∞
X Xα
b n sin(nt ) − sin(nt ) = o(1).
n=1 n≥1 n

Appliquons le résultat de 4-c :

+∞
b n cos(nt ) + α ln(2 sin(t /2)) = ` + o(1)
X
n=1

et
+∞
X π−t
b n sin(nt ) − = o(1).
n=1 2
π−t
Pour la deuxieme somme = π/2 + o(1) et on trouve le résultat qu’on cherche.
2
Quant’a la premiere somme, par un DL

ln(2 sin(t /2)) = ln(t + o(t )) = ln(t ) + ln(1 + o(1)) = ln(t ) + o(1)

et il suffit de substituer cette quantité dans la somme 1.

(d) Montrer alors que, lorsque t −→ 0+ :
απ
ΦX (t ) = 1 − t + o(t ).
2
La fonction ΦX est elle dérivable en 0?.
On commence par l’expression de ΦX (t ) dans 5-(b) et par une formule trigonométrique, on
trouve :

ΦX (t ) =
X
b n (cos(nt ) − cos((n − 1)t )) + 1
n≥1
X
= b n (cos(nt ) − cos(nt ) cos(t ) − sin(nt ) sin(t )) + 1
n≥1
· ¸ · ¸
X X
= 1+ b n cos(nt ) (1 − cos(t )) − b n sin(nt ) sin(t )
n≥1 n≥1

En substituant les développement de deux sommes entre crochets trouvés dans la question
(c) : ³ ´ ³ ´ απ
ΦX (t ) = 1 + (1 − cos(t )) − α ln(t ) + ` + o(1) − + o(1) sin(t ), (t −→ 0).
2
En definitive, par un DL de 1 − cos(t ) et sin(t ) en 0 :
³ ´ ³ απ ´ απ
ΦX (t ) = 1+(t 2 /2+o(t 2 )) −α ln(t )+`+o(1) − +o(1) (t +o(t )), (t −→ 0) = 1− t +t 2 /2α ln(t )+o(t ).
2 2

page 23 de 25
 Comme t 2 ln(t ) = o(t ), en 0+ , le résultat en découle.
L’application ΦX est dérivable en 0 en vertu de la relation précedente :
ΦX (t ) − ΦX (0) −απt απ
lim = lim =− .
t −→0 t t −→0 2t 2

7. Soit (Xk )k≥1 une famille de variables aléatoires mutuellement indépendante et de même loi. On
suppose de plus que X1 est symétrique et satisfait la condition Dα . Soit pour tout n ≥ 1 : Sn =
n
X
Xk .
k=1
(a) Montrer que pour tout n ≥ 1, Sn et Xn+1 sont indépendantes.
Définissons deux applications f : Rn −→ R : (x 1 , . . . , x n ) 7−→ x 1 + . . . + x n et g : R 7−→ R, x 7−→ x .
On a
* Sn = f (X1 , . . . , Xn ) et Xn+1 = g (Xn+1 ),
** {1, 2, . . . , n} ∩ {n + 1} = ;,
*** La famille (Xn )n≥1 est indépendante par hypothèse.
Alors f (X1 , . . . , Xn ) et g (Xn+1 ) sont indépendantes, c.a.d Sn et Xn+1 sont indépendnates.
(b) En déduire que pour tout n ≥ 1, Sn est une variable aléatoire symétrique et que
µ ¶¸n
t
·
∀t ∈ R, Φ Sn (t ) = ΦX1 .
n n
X1 = S1 est sumétrique par hypotrhèse.
On suppose par réccurence que Sn est symétrique.
Comme
* Sn et Xn+1 sont indépendantes
** Sn et Xn+1 sont symétriques
Alors d’aprés A-I, la somme Sn + Xn+1 est encore symétrique, c.a.d Sn+1 est symétrique.
Pour l’autre identité utiliser l’independance de la famille (Xn )n≥1 .
(c) Établir alors, que pour tout réel t et lorsque n tend vers +∞

πα¯t ¯
µ ¯ ¯¶
Φ Sn (t ) −→ exp − .
n 2

La variable est symt́rique, donc ΦX1 est paire et donc il suffit détablir le résultat lorsque t ≥ 0.
t
Soit t ∈ R+ . Comme −→ 0 lorsque n −→ +∞, on a droit a la question 6-(d) :
n
µ ¶¸n h
t απ
· in
Φ Sn (t ) = ΦX1 = 1− t + o(t /n)
n n 2
³ h απ i´
= exp n ln 1 − t + o(t /n)
³ h απ 2 i´
DL
= exp n − t + o(1/n)
2
απt
µ ¶
= exp − + o(1) .
2
Ceci établit la limite qu’on cherche.
(d) La convergence est elle uniforme sur R?. (On pourra introduire la suite t n = 2πn, n ≥ 1.)
Si la convergence est uniforme, alors la suite de fonctions

Gn (t ) = ¯ΦSn /n (t ) − exp(−απt /2)¯

¯ ¯

page 24 de 25
 converge uniformément sur R vers 0.
Or

Gn (2πn) = ¯ΦSn /n (2πn) − exp(−απ2 n)¯

¯ ¯
¤n
= ¯ ΦX (2π) − exp(−απ2 n)¯ = ¯1 − exp(−απ2 n)¯ 9 0.
¯£ ¯ ¯ ¯
1

( ΦX (2π) = E(cos(2πX)) = 1, puisque X ∈ Z.)

¶n à +∞ ¶!n
kt
µ µ µ ¶
6 3
k −2 cos
X
8. Établir que pour tout t réel lim = exp − |t | .
n−→+∞ π2 k=1 n 2π
C’est tout simplement une application du dernier résultat :
On choisit la famille (Xn )n≥1 indépendantes, de même loi avec la loi de X1 celle définie dans la
1 6
question 2 : C’est une v.a a forte dispersion avec α = = 2.
ζ(2) π
Sa fonction caractéristique est (la v.a est symétrique)

6 +∞
X 1
ΦX1 (t ) = E(cos(X1 t )) = cos(kt ).
π k=1 k 2
2

Ainsi,
* d’une part, Ã !n
¤n 6 +∞
X 1
ΦSn /n (t ) = ΦX1 (t /n) =
£
cos(kt /n) ,
π2 k=1 k 2
** d’autre part ΦSn /n (t ) −→ exp(−απ/2t ) = exp(−3t /2π).
Le résultat découle en identifiant ∗ et ∗∗.

page 25 de 25