Université Paris-Dauphine Année universitaire 2024-2025

Licence de mathématiques appliquées Intégrale de Lebesgue et probabilités

Feuille 6 : Convergence de variables aléatoires et calculs de lois

Exercice 1. Que peut-on dire d’une suite (Xn )n≥0 de variables aléatoires telles que pour tout n ≥ 1 on a
P(Xn = 0) = 1 − n1 et P(Xn = 1) = n1 ?

Exercice 2. Soit T(Ω, A,

SP) un espace de probabilité et (An )n≥0 une suite d’éléments de A. On rappelle
que lim sup An = n≥0 k≥n Ak .
P
1. Montrer que si n≥0 P(An ) < +∞ alors P(lim sup An ) = 0.
P
2. Montrer que si les événements (An )n≥0 sont indépendants et n≥0 P(An ) = +∞ alors P(lim sup An ) =
1.
Soient (Xn )n≥0 et X des variables aléatoires réelles définies sur (Ω, A, P).
P p.s.
3. Montrer que si pour tout ε > 0 on a n≥0 P(|Xn − X| > ε) < +∞ alors Xn −→ X.
p.s.
4. Montrer
P que si les (Xn )n≥0 sont indépendantes alors Xn −→ 0 si et seulement si pour tout ε > 0 on
a n≥0 P(|Xn | > ε) < +∞.

Exercice 3. Que peut-on dire d’une suite (Xn )n≥0 de variables aléatoires telles que pour tout n ≥ 1 on a
P(Xn = n1 ) = 1 − n12 et P(Xn = n) = n12 ?

Exercice 4. Soit (Xn )n≥0 et X des variables aléatoires définies sur un espace de probabilité (Ω, A, P)et à
valeurs dans un espace de Banach (E, ∥·∥).
1. Montrer que les trois affirmations suivantes sont équivalentes
(a) la suite (Xn )n≥0 converge presque sûrement vers X ;
(b) pour tout ε > 0 on a P(lim sup{∥Xn − X∥ > ε}) = 0 ;
(c) il existe une suite (εk )k≥0 tendant vers 0 telle que pour tout k ∈ N on a P(lim sup{∥Xn − X∥ >
εk }) = 0.
P
2. En déduire que si pour tout ε > 0 on a n≥0 P(∥Xn −X∥ > ε) < +∞ alors la suite (Xn )n≥0 converge
presque sûrement vers X.
3. En utilisant les variables aléatoires Xn = 1[1− 1 ,1[ définies sur Ω = [0, 1] muni de P = λ la mesure de
n
Lebesgue, montrer que la condition suffisante de la question précédente n’est pas nécessaire.
4. Montrer que la suite (Xn )n≥0 converge presque sûrement si pour tout ε > 0 on a limn→∞ P(supp,q≥n ∥Xp −
Xq ∥ ≥ ε) = 0.

Exercice 5. Soit (pn )n≥0 une suite d’éléments de R+ convergeant vers 0 mais telle que n≥0 pn = +∞.
P

1. Construire un espace de probabilité (Ω, A, P) et une suite (Xn )n≥0 des variables aléatoires indé-
pendantes tels que pour tout n ∈ N la variable aléatoire Xn est de loi de Bernoulli de paramètre
pn .
2. La suite proposée à la question précédente converge-t-elle en probabilité vers 0 ?
3. Pour tout n ∈ N on pose An = {ω ∈ Ω : Xn (ω) = 1}. Calculer P(lim sup An ).
4. La suite (Xn )n≥0 converge-t-elle presque sûrement ?

Exercice 6. Soit (Xn )n≥0 une suite dePvariables aléatoires

P réelles telle qu’il existe une suite (εn )n≥0 de
nombres
P réels positifs ou nuls vérifiant n≥0 εn < +∞ et n≥0 P(|Xn | > εn ) < +∞. Montrer que la série
n≥0 Xn converge absolument presque sûrement.

1
Exercice 7. Soient (Xn )n≥0 des variables aléatoires réelles indépendantes définies sur un même espace de
probabilité (Ω, A, P) telles que pour tout entier n ≥ 1 on a P(Xn = 0) = 1 − pn et P(Xn = 1) = pn où
(pn )n≥0 est une suite d’éléments de [0, 1]. Donner une condition nécessaire et suffisante sur (pn )n≥0 pour
que la suite (Xn )n≥0 converge en loi, en probabilité, presque sûrement et dans Lp .

Exercice 8. Soient (Xn )n≥0 des variables aléatoires réelles indépendantes de même loi de fonction de
répartition F .
1. Donner la fonction de répartition de Mn = max(X1 , . . . , Xn ).
2. Montrer que Mn converge presque sûrement vers ess.sup F = sup{x ∈ R : F (x−) < 1}.

Exercice 9. Soit (Xn )n≥0 et X des variables aléatoires réelles définies sur un espace de probabilité (Ω, A, P)
p.s.
telles que Xn −→ X et (Np )p≥0 une suite de variables aléatoires également définies sur (Ω, A, P) et à valeurs
dans N.
1. Justifier que pour tout p ∈ N la fonction XNp est bien une variable aléatoire.
p.s. p.s.
2. Montrer que si Np −→ +∞ alors XNp −→ X.
P
3. Montrer que si Np −→ +∞ au sens où pour tout m > 0 on a limp→∞ P(Np < m) = 0 alors
P
XNp −→ X.
p.s. P
4. Est-ce que l’on a toujours XNp −→ X quand Np −→ +∞ ?

Exercice 10. Soit X1 , . . . , Xn , . . . une suite de variables aléatoires telle que pour tout n ≥ 1 la variable
aléatoire Xn est de loi géométrique de paramètre p/n, p ∈]0, 1[. La suite Yn = Xn /n converge-t-elle en loi ?

Exercice 11. On considère une suite (Xn )n≥1 de variables aléatoires indépendantes et identiquement
distribuées de densité f . On suppose que P(X1 > 0) = 1 et que limx→0+ f (x) = λ > 0. On construit une
suite Z1 , . . . , Zn , . . . en prenant
Zn = n min{X1 , . . . , Xn }.
Montrer que (Zn )n≥1 converge en loi vers une variable aléatoire de loi exponentielle de paramètre λ.

Exercice 12. Soit (Xn )n≥1 une suite de variables aléatoires indépendantes et identiquement distribuées
de loi de Poisson de paramètre 1.
1. Quelle est la loi de Sn = X1 + · · · + Xn ?
2. Que vaut P(Sn ≤ n) ?
Pn
3. En déduire la limite de exp(−n) k=0 nk /k! quand n tend ver l’infini.
L
Exercice 13. Soit (Xn )n≥1 une suite de variables aléatoires réelles telle que Xn −→ X où X est une
variable aléatoire de loi N (0, 1). Montrer que

lim P(Xn < x) = Φ(x)

n→∞

Rx t2
où Φ(x) = √1
2π −∞
e− 2 dt.

Exercice 14. Soient X et Y deux variables aléatoires réelles indépendantes, de même loi de variance σ 2
finie. On suppose que X+Y
√
2
est de même loi que X (et donc de même loi que Y ).
1. Montrer que X est d’espérance nulle.
2. Montrer que si X1 , X2 , Y1 et Y2 sont des variables aléatoires réelles indépendantes de même loi que
X alors 21 (X1 + X2 + Y1 + Y2 ) est de même loi que X.
3. Déduire de la question précédente que X est nécessairement de loi N (0, σ 2 ).

Exercice 15. Soit (Xn )n≥1 une suite de variables aléatoires réelles pour laquelle il existe un réel µ et une
√ L P
variable aléatoire X de loi N (0, 1) tels que n(Xn − µ) → X. Montrer qu’alors Xn → µ.

2
Exercice 16. Soit X1 , . . . , Xn , . . . une suite de variables aléatoires telle que pour tout n ≥ 1 la variable
aléatoire Xn est de loi N (0, 1/n).
1. Est-ce que (Xn )n≥1 converge en probabilité ? Si oui donner sa limite.
2. Est-ce que (Xn )n≥1 converge en loi ? Si oui donner sa limite.

Exercice 17. Soit (Xn )n≥1 une suite de variables aléatoires réelles indépendantes et de même loi qui n’est
pas la loi d’une variable aléatoire constante. Montrer que (Xn )n≥1 ne peut pas converger en probabilité.

Exercice 18. Soit X1 , . . . , Xn , . . . une suite de variables aléatoires indépendantes et identiquement dis-
de moyenne µ = E[X1 ] et variance σ 2 =
tribuéesP PnV[X1 ] finies.2 On considère la moyenne empirique
1 n 2 1
X̄n = n i=1 Xi et la variance empirique Sn = n−1 i=1 (Xi − X̄n ) .
1. Montrer que E[Sn2 ] = σ 2 .
p.s.
2. Montrer que Sn2 −→ σ 2 .

Exercice 19. Soit X une variable aléatoire de loi donnée par P(X = 1) = P(X = −1) = 1/2. On
commence par tirer au hasard la valeur de X puis on construit une suite X1 , . . . , Xn , . . . en prenant

X avec probabilité 1 − 1/n
Xn =
exp n avec probabilité 1/n
indépendamment de la valeur de X.
1. Est-ce que (Xn )n≥1 converge vers X en probabilité ?
2. Est-ce que (Xn )n≥1 converge vers X en loi ?
3. Est-ce que (Xn )n≥1 converge vers X en moyenne quadratique ?

Exercice 20. Soit X1 , . . . , Xn , . . . une suite de variables aléatoires et b un nombre réel. Montrer que
L2
Xn −→ b si et seulement si limn→∞ E[Xn ] = b et limn→∞ V[Xn ] = 0.

Exercice 21. Soit (Xn )n≥1 une suite de variables aléatoires réelles indépendantes. On suppose que pour
≥ 1 la variable aléatoire Xn est de loi de Poisson de paramètre λn > 0. Montrer
tout n P P que la suite
(Sn = nk=1 Xk )n≥1 est presque sûrement convergente si et seulement si la suite (sn = nk=1 λk )n≥1 est
convergente.

Exercice 22. Soient X et Y deux variables aléatoires réelles indépendantes. On suppose que X est de
loi uniforme sur [0, 1] et que Y est une variable aléatoire positive de densité f . On pose U = XY et
V = (1 − X)Y .
1. Quelle est la loi du couple (U, V ) ?
2. Que peut-on dire si f (x) = λ2 xe−λx 1R+ (x) ?
R +∞ f (u)
3. Pour tout réel t > 0 on pose Φ(t) t u
du. Exprimer à l’aide de Φ la loi de la variable aléatoire
Z = min(U, V ).

Exercice 23. Soit (X, Y ) un couple de variables aléatoires réelles des densité jointe
1 −x
f (x, y) = e 10<y<x .
x
Y
On pose U = 1
X X̸=0
.

1. Quelle est la loi du couple (U, X) ?

2. En déduire la loi de U et celle de X.
3. Les variables aléatoires U et X sont-elles indépendantes ?
 
4. Pour tout t ∈ R calculer E eitXU |X .

3
Exercice 24. Soient X et Y deux variables aléatoires réelles indépendantes de densité respectives
1 1
f (x) = √ 1]0,1[ (x) et g(y) = 2 1]1,+∞[ (y).
2 x y
X
On pose U = XY et V = 1
Y Y ̸=0
.
1. Quelle est la loi du couple (U, V ) ?
2. Les variables aléatoires U et V sont-elles indépendantes ?
3. Calculer la loi de U et celle de V .
4. Quelle est la loi conditionnelle de U sachant V ?
h√ i
5. Calculer E U |V .

Exercice 25. Soient X et Y deux variables aléatoires réelles indépendantes de densité respectives
1
f (x) = p 1]0,1[ (x) et g(y) = e−y 1R+ (y).
π x(1 − x)

On pose U = XY et V = (1 − X)Y .
1. Quelle est la loi du couple (U, V ) ?
2. Les variables aléatoires U et V sont-elles indépendantes ?
3. Calculer la loi de U et celle de V .