3 Probabilités

Stabilité des lois usuelles

32 Stabilité des lois usuelles

Soit (Ω, A, P) un espace probabilisé. Soient n ∈ N⋆ , p ∈ [0, 1] et λ ∈ R⋆+ . Dans ce qui suit, si X désigne
une variable aléatoire sur Ω, on note X ,→ B(n, p) pour "X suit la loi binomiale de paramètres n et p"
et X ,→ P(λ) pour "X suit la loi de Poisson de paramètre λ".
1. (⋆ ⋆ ⋆) Soient n ∈ N⋆ et (a, b) ∈ (N⋆ )2 . Soit le polynôme P (X) = (1 + X)a+b . En utilisant deux
expressions du polynôme P , démontrer la formule de Vandermonde :
n     
X a b a+b
=
k n−k n
k=0

2. (⋆ ⋆) Soit (n, m) ∈ (N⋆ )2 . Soit X1 ,→ B(n, p) et X2 ,→ B(m, p) deux variables aléatoires qu’on
suppose indépendantes. Montrer en calculant, pour k ∈ J0, n + mK, la probabilité P(X1 + X2 = k)
que :
X1 + X2 ,→ B(n + m, p)
3. (⋆ ⋆) Soit (λ1 , λ2 ) ∈ (R+ )2 . Soit X1 ,→ P(λ1 ) et X2 ,→ P(λ2 ) qu’on suppose indépendantes.
Montrer en calculant, pour k ∈ R⋆+ , la probabilité P(X1 + X2 = k) que :

X1 + X2 ,→ P(λ1 + λ2 )

4. (⋆ ⋆) Reprendre les deux dernières questions à l’aide des fonctions caractéristiques.

274
Correction (stabilité des lois usuelles)

1. Soient n ∈ (N⋆ )2 et (a, b) ∈ (N⋆ )2 . D’une part, par binôme de Newton (licite car l’algèbre des
polynômes à coefficients réels est commutative) :
a+b  
a+b
X a+b
P (X) = (1 + X) = Xk
k
k=0

Par ailleurs, P (X) = (1 + X)a (1 + X)b . On obtient alors en développant chaque facteur par un binôme
de Newton :
a   b  
X a X b
P (X) = Xi Xj
i=0
i j=0
j
a X b   
X a b
= X i+j
i=0 j=0
i j
a+b X   
X a b
= Xk
i j
k=0 i+j=k
a+b
" #
X X ab
= Xk
i j
k=0 i+j=k
" k  
a+b X #
X a b
= Xk
i=0
i k − i
k=0

Par unicité de l’écriture polynomiale dans la base canonique de Ra+b [X], on obtient deux expressions
possibles pour le coefficient n ∈ N⋆ de P :
  X n   
a+b a b
=
n k n−k
k=0

Ainsi :
  n   
⋆ ⋆ 2
 a+b X a b
∀n ∈ N , ∀(a, b) ∈ (N ) , a + b ≤ n =⇒ =
n k n−k
k=0

2. Soient (n, m) ∈ (N⋆ )2 , X1 ,→ B(n, p) et X2 ,→ B(m, p) avec X1 et X2 indépendantes. D’une part,

X1 (Ω) = J0, nK et X2 (Ω) = J0, mK, donc (X1 + X2 )(Ω) = J0, n + mK. Soit k ∈ J0, n + mK.
" k #
[
P(X1 + X2 = k) = P (X1 = j) ∩ (X2 = k − j)
j=0
k
X  
= P (X1 = j) ∩ (X2 = k − j) (incompatibilité des événements)
j=0
k
X
= P(X1 = j)P(X2 = k − j) (indépendance des variables aléatoires)
j=0
k
"  #"  #
X n j n−j m k−j m+j−k
= p (1 − p) p (1 − p)
j=0
j k−j

275
 k   
X n m
P(X1 + X2 = k) = pk (1 − p)m+n−k
j=0
j k−j
" k   #
X n m
= pk (1 − p)n−k
j=0
j k−j

Or, en utilisant la formule de Vandermonde, on obtient que :

k     
X n m n+m
=
j=0
j k−j k

Cela montre finalement que :

 
a+b k
∀k ∈ J0, a + bK, P(X = k) = p (1 − p)n−k
k

On a ainsi montré que :

 
∀(n, m) ∈ (N⋆ )2 , ∀p ∈ [0, 1], X1 ,→ B(n, p) et X2 ,→ B(m, p) indép. =⇒ X1 + X2 ,→ B(n + m, p)

3. Soient (λ1 , λ2 ) ∈ (R⋆+ )2 , X1 ,→ P(λ1 ) et X2 ,→ P(λ2 ) avec X1 et X2 indépendantes. Montrons

qu’alors X1 +X2 ,→ P(λ1 +λ2 ). Tout d’abord, on X1 (Ω) = N⋆ et X2 (Ω) = N⋆ donc (X1 +X2 )(Ω) = N⋆ .
Soit k ∈ N⋆ . De la même manière que précédemment, par indépendance des variables aléatoires :
k
X
P(X1 + X2 = k) = P(X1 = j)P(X2 = k − j)
j=0
k
X λj 1 −λ1 λ2k−j −λ2
= e e
j=0
j! (k − j)!
k
X λj1 λk−j
= e−(λ1 +λ2 ) 2

j=0
j!(k − j)!

Or :
k k k  
X λj1 λk−j 1 X k! 1 X k j k−j (λ1 + λ2 )k
2
= λj1 λk−j
2 = λ1 λ2 =
j=0
j!(k − j)! k! j=0 j!(k − j)! k! j=0 j k!

En reconnaissant effectivement un binôme de Newton. On a donc montré que :

(λ1 + λ2 )k −(λ1 +λ2 )

∀k ∈ N⋆ , P(X1 + X2 = k) = e
k!
On a donc montré que :
 
∀(λ1 , λ2 ) ∈ (N⋆ )2 , X1 ,→ P(λ1 ) et X2 ,→ P(λ2 ) indépendantes =⇒ X1 + X2 ,→ P(λ1 + λ2 )

4. Reprenons les questions précédentes à l’aide des fonctions caractéristiques.

Soit (n, m) ∈ (N⋆ )2 . Soit X1 ,→ B(n, p) et X2 ,→ B(m, p) deux variables aléatoires qu’on

276
suppose indépendantes. Posons q = 1 − p. On sait que la fonction caractéristique associée à une
variable aléatoire X suivant une loi binomiale B(n, p) est donnée par :

φX : t 7→ (q + peit )n

De plus, si Y désigne une variable aléatoire indépendante avec X, la fonction caractéristique associée
à la variable aléatoire X + Y vérifiée l’équation φX+Y = φX φY . Ainsi, ici, on a, pour t ∈ R :

φX1 +X2 (t) = φX1 (t)φX2 (t) (indépendance)

= (q + peit )n (q + peit )m (cas binomial)
= (q + peit )n+m

Cela montre que X1 + X2 ,→ B(n + m, p).

Maintenant, soient (λ1 , λ2 ) ∈ (R⋆+ )2 , X1 ,→ P(λ1 ) et X2 ,→ P(λ2 ) avec X1 et X2 indépen-

dants. Si λ ∈ R⋆+ , la fonction caractéristique de X ,→ P(λ) est donnée par :
h i
φX : t 7→ exp λ(eit − 1)

Donc ici, on a, pour t ∈ R :

φX1 +X2 (t) = φX1 (t)φX2 (t)

h i h i
= exp λ1 (eit − 1) exp λ2 (eit − 1)
" #
 
it
= exp λ1 + λ2 (e − 1)

Ce qui montre que X1 + X2 ,→ P(λ1 + λ2 ).

Conclusion : toujours privilégier des démonstrations avec des fonctions caractéristiques plu-
tôt qu’avec les lois de probabilités associées car elles sont bien plus courtes et moins calculatoires.

277
Inégalité de Hölder probabiliste et espérance conditionnelle

33 Inégalité de Holder probabiliste et espérance conditionnelle

Occurrence : Centrale MP 2018 M1

Inégalité de Holdër probabiliste

Soit (p, q) ∈ (N⋆ )2 tel que p1 + 1q = 1 (on parle d’exposants conjugués). Soit X et Y deux variables
aléatoires d’un espace probabilisé fini (Ω, T , P).
1. [Centrale MP 2018 M1] (⋆ ⋆ ⋆)
En utilisant la concavité d’une fonction bien choisie, montrer que :

|a|p |b|q
∀(a, b) ∈ R2 , |ab| ≤ +
p q

2. [Centrale MP 2018 M1] (⋆ ⋆ ⋆)

Montrer que :
E(|X|p ) = E(|Y |q ) = 1 =⇒ E(|XY |) ≤ 1
3. [Centrale MP 2018 M1] (⋆ ⋆ ⋆)
Montrer que, quelles que soient les valeurs de E(|X|p ) et E(|Y |q ) :
1 1
E(|XY |) ≤ E(|X|p ) p E(|Y |q ) q

4. (⋆) Retrouver l’inégalité de Cauchy-Schwarz probabiliste.

Espérance conditionnelle
Soit X une variable aléatoire réelle d’un espace probabilisé (Ω, T , P) fini. Pour tout événement A de
probabilité non nulle, l’espérance conditionnelle de X sachant A, notée EA (X) est définie par :
X
EA (X) = xPA (X = x)
x∈X(Ω)

5. [Centrale MP 2018 M1] (⋆ ⋆)

Soient m ∈ N⋆ et (Ak )k∈J1,mK un système complet d’événements de probabilités non nulles.
Montrer que :
Xm
E(X) = P(Ak )EAk (X)
k=1

278
Correction (inégalité de Hölder probabiliste et espérance conditionnelle)

1. La fonction f = ln étant C 2 (R⋆+ , R), elle est deux fois dérivable, et on a :

1
∀x ∈ R⋆+ , f ′′ (x) = −
x2
Ce qui montre que f ′′ < 0 et donc −f est convexe, c’est-a-dire que ln est concave.
Une fonction f concave de E dans R vérifie l’inégalité suivante :
h i
∀t ∈ [0, 1], ∀(x, y) ∈ E 2 , f tx + (1 − t)y ≥ tf (x) + (1 − t)f (y)

Si on applique cette propriété avec f = ln, effectivement concave, t = p1 (l’hypothèse des exposants
conjugués donne que 1 − t = 1 − p1 = 1q ) effectivement dans [0, 1], x = |a|p et y = |b|q :
 |a|p |b|q  1  p  1  q 
ln + ≥ ln |a| + ln |b|
p q p q
Puis en appliquant l’exponentielle, qui est croissante sur R+ , ce qui ne change pas le sens des inégalités :
|a|p |b|q   p1   q1
+ ≥ exp ln(|a|p ) exp ln(|b|q )
p q | {z }
|a|×|b|=|ab|

Ce qui donne bien le résultat voulu.

!
⋆ 2 2 1 1 |a|p |b|q
∀(p, q) ∈ (N ) , ∀(a, b) ∈ R , + = 1 =⇒ |ab| ≤ +
p q p q

2. Soit X et Y deux variables aléatoires réelles de l’espace probabilisé (Ω, T , P). Par théorème du
transfert (pour traiter la valeur absolue) :
X
E(|XY |) = |k|P(XY = k)
k∈XY (Ω)

Or, il y a une bijection :

φ : XY (Ω) → X(Ω) × Y (Ω)

k 7→ (i, j)

De sorte que l’on puisse réécrire la somme comme suit :

X X X h i
kP(XY = k) = |xy|P (X = x) ∩ (Y = y)
k∈XY (Ω) x∈X(Ω) y∈Y (Ω)

De plus, comme Ω est fini, on pose X(Ω) = (xi )i∈J1,nK et Y (Ω) = (yj )j∈J1,mK avec (n, m) ∈ (N⋆ )2 .
Ainsi :
Xn X
m h i
E(|XY |) = |xi yj |P (X = xi ) ∩ (Y = yj )
i=1 j=1

Or l’égalité obtenue en question 1 montre que, si (p, q) ∈ (N⋆ )2 sont exposants conjugués :
|xi |p |yj |q
∀(i, j) ∈ J1, nK × J1, mK, |xi yj | ≤ +
p q

279
Comme les probabilités sont toujours positives et que l’on peut sommer les inégalités, on parvient à
l’inégalité :
n X
m n X
m 
X X |xi |p |yj |q  h i
|xi yj |P(XY = xi yj ) ≤ + P (X = xi ) ∩ (Y = yj )
i=1 j=1 i=1 j=1
p q

Soit, en reconnaissant la loi marginale à partir de la loi de couple :

n m
1X X h i
E(|XY |) ≤ |xi |p P (X = xi ) ∩ (Y = yj )
p i=1 j=1
| {z }
P(X=xi )
m n
1 X X h i
+ |yj |q P (X = xi ) ∩ (Y = yj )
q j=1 i=1
| {z }
P(X=xi )

Soit :
n m
1X 1X
E(|XY |) ≤ |xi |p P(X = xi ) + |yj |q P(Y = yj )
p i=1 q j=1

En utilisant le théorème du transfert, on reconnaît les espérances voulues :

1 1
E(|XY |) ≤ E(|X|p ) + E(|Y |q )
p q
Si on suppose maintenant que E(|X|p ) = E(|Y |q ) = 1, on obtient en utilisant le fait que p et q sont
conjugués :
1 1
E(|XY |) ≤ + = 1
p q
1 1
Et c’est effectivement ce qu’on voulait montrer puisque E(|X|p ) p E(|X|q ) q = 1 × 1 = 1. Ainsi, en
notant C = {(p, q) ∈ (N⋆ )2 : p1 + 1q = 1} :

∀(X, Y ) VAR, ∀(p, q) ∈ C, E(|X|p ) = E(|Y |q ) = 1 =⇒ E(|XY |) ≤ 1

3. Soit X et Y deux variables aléatoires réelles d’espérance quelconque. On se ramène au cas où les
variables aléatoires ont une espérance unitaire en posant :
X Y
X̃ = 1 et Ỹ = 1
E(|X|p ) E(|Y |q ) q
p

 
|X|p p
)
On vérifie en effet que E(X̃) = E E(|X|p) = E(|X|
E(|X|p ) = 1 grâce à la linéarité de l’espérance, et de
même E(Ỹ ) ≤ 1. Ainsi, en appliquant 2 :

E(|X̃ Ỹ |) ≤ 1
!
|XY |
E 1 1 ≤ 1 (définition de X̃, Ỹ )
E(|X|p ) p E(|Y |q ) q
1
1 1 E(|XY |) ≤ 1 (linéarité de l’espérance)
E(|X|p ) p E(|Y |q ) q

280
 1 1
E(|XY |) ≤ E(|X|p ) p E(|Y |q ) q (multiplication par une constante positive)
1
En effet E(|X|p ) p est positif car |X|p l’est et que l’espérance est croissante. D’où le résultat voulu :

1 1
∀(X, Y ) VAR, ∀(p, q) ∈ C, E(|XY |) ≤ E(|X|p ) p E(|Y |q ) q

4. Si X et Y sont deux variables aléatoires réelles et qu’on prend p = 2 et q = 2, on a effectivement

1 1
p + q = 1, et on retrouve l’inégalité de Cauchy-Schwarz probabiliste puisqu’en effet :
p
E(|XY |) ≤ E(|X|2 )E(|Y |2 )

Et E(|X|2 ) = E(X 2 ) car X est une variable aléatoire réelle (de même, E(|Y |2 ) = E(Y 2 )) :
p
∀(X, Y ) VAR, E(|XY |) ≤ E(X 2 )E(Y 2 )

5. Soient m ∈ N⋆ et (Ak )k∈J1,mK un système complet d’événements de probabilités non nulles. Soit X
une variable aléatoire réelle d’un espace probabilisé fini :
m
X m
X X
P(Ak )EAk (X) = P(Ak ) xPAk (X = x) (définition de l’espérance conditionnelle)
k=1 k=1 x∈X(Ω)
m
X X
= xP(Ak ) PAk (X = x)
| {z }
k=1 x∈X(Ω)
P (X=x)∩Ak

P(Ak )

m
X X
= xP[(X = x) ∩ Ak ]
k=1 x∈X(Ω)

Comme les deux sommes sont finies, on peut les permuter pour obtenir :
m
X X X m
X h i X
xP[(X = x) ∩ Ak ] = x P (X = x) ∩ Ak = xP(X = x)
k=1 x∈X(Ω) x∈X(Ω) k=1 x∈X(Ω)

En utilisant la formule des probabilités totales, licite car (Ak )k∈J1,mK est un système complet d’événe-
ments. On reconnaît alors E(X). Ainsi :

m
X
∀X VAR, ∀(Ak )k∈J1,mK système complet d’événements, E(X) = P(Ak )EAk (X)
k=1

281
Nombre de sites visités par une marche aléatoire

34 Nombre de sites visités par une marche aléatoire a

a. Applications : modélisation simpliste de la Bourse, mouvement brownien...

Occurences : Mines-Ponts MP 2020 M2

Quelques lemmes d’analyse

1. [Centrale MP 2020 M2] (⋆ ⋆)
Soit n ∈ N. Montrer, en remarquant que (X + 1)2n = (X + 1)n (X + 1)n que :
n  2  
X n 2n
=
k n
k=0

2. [Centrale MP 2020 M2] (⋆ ⋆)

Rappeler la formule de Stirling, puis montrer que :

4n
 
2n
∃C ∈ R⋆+ , ∼ C√
n n→+∞ n

3. [Centrale MP 2020 M2] (⋆ ⋆)

Si α ∈]0, 1[, montrer, en utilisant une comparaison série-intégrale, que :
n
X 1 n1−α
∼
kα n→+∞ 1−α
k=1

Si α ∈]1, +∞[, montrer de même que :

+∞
X 1 1
∼
kα n→+∞ (α − 1)nα−1
k=n+1

Pour x ∈ [2, +∞[, on pose : Z x

dt
I(x) =
2 ln(t)
4. [Centrale MP 2020 M2] (⋆ ⋆)
Justifier que : Z x
x 2 dt
∀x ∈ [2, +∞[, I(x) = − +
ln(x) ln(2) 2 ln2 (t)
Etablir ensuite que : Z x
dt  
= o I(x)
2 ln2 (t) x→+∞
En déduire finalement un équivalent de I(x) pour x → +∞.
5. [Centrale MP 2020 M2] (⋆ ⋆)
Après voir rappelé, pour α ∈ R, le développement en série entière, sur ] − 1, 1[, de x 7→ (1 + x)α ,
justifier la formule :
+∞ 2n

1 X
∀x ∈] − 1, 1[, √ = n
xn
1 − x n=0 4n

282
Marches aléatoires
Soit d ∈ N⋆ . On note 0d = (0, ..., 0) le vecteur nul de Rd , c’est-à-dire le d-uplet dont toutes les
coordonnées valent 0.
Soit X une variable aléatoire à valeurs dans Zd , (Xk )k∈N⋆ une suite de variables aléatoires mutuellement
indépendantes suivant chacune la loi de X, et définies sur un même espace probabilisé. La suite de
variables aléatoires (Sn )n∈N est définie par :

 S0 = 0d
n
 ∀n ∈ N⋆ , Sn =
P
Xk
k=1

(Sn )n∈N est donc une marche aléatoire de pas X, à valeurs dans Zd .
On note R la variable aléatoire dans N⋆ = N⋆ ∪ {+∞} définie par :

min{n ∈ N⋆ : Sn = 0d } si cet ensemble n’est pas vide


R=
∞ sinon.
C’est-à-dire que R est égal à +∞ si la marche aléatoire (Sn )n∈N ne revient jamais en 0d , et au premier
instant auquel cette marche aléatoire revient en 0d sinon.
 
Pour n ∈ N, on note Nn = Card {Sk : k ∈ J0, nK} , qui est le cardinal d’un sous-ensemble de Zd . Le
nombre Nn est le nombre de points de Zd visités par la marche aléatoire (Sn )n∈N après n pas.
On considère les fonctions F et G définies par les formules :
+∞
X
∀x ∈] − 1, 1[, F (x) = P(Sn = 0d )xn
n=0

+∞
X
∀x ∈ [−1, 1], G(x) = P(R = n)xn
n=1

6. [Centrale MP 2020 M2] (⋆ ⋆ ⋆)

Montrer que les séries entières qui définissent F et G ont un rayon de convergence supérieur
ou égal à 1. Justifier alors que les fonctions F et G sont définies et de classe C ∞ sur ] − 1, 1[.
Montrer que G est définie et continue sur [−1, 1] et que :

G(1) = P(R ̸= +∞)

7. [Centrale MP 2020 M2] (⋆ ⋆ ⋆ ⋆)

Soit (k, n) ∈ (N⋆ )2 avec k ≤ n. Montrer que :
 
P (Sn = 0d ) ∩ (R = k) = P(R = k)P(Sn−k = 0d )

En déduire que :
n
X
∀n ∈ N⋆ , P(Sn = 0d ) = P(R = k)P(Sn−k = 0d )
k=1

8. [Centrale MP 2020 M2] (⋆ ⋆)

Montrer que :
∀x ∈] − 1, 1[, F (x) = 1 + F (x)G(x)
Déterminer la limite de F (x) pour x → 1− en discutant selon la limite de P(R ̸= +∞).

283
 9. [Centrale MP 2020 M2] (⋆ ⋆ ⋆)
ck xk ait un rayon de convergence 1 et telle
P
Soit (ck )k∈N une suite d’éléments de R+ telle que
P k∈N
que la série ck diverge. Montrer que :
k∈N

+∞
X
∀A ∈ R⋆+ , ∃α ∈]0, 1[, ∀x ∈]1 − α, 1[, ck xk > A
k=0

En déduire que :
+∞
X
ck xk →− +∞
x→1
k=0

10. [Centrale MP 2020 M2] (⋆ ⋆)

Montrer que : X
P(Sn = 0d ) diverge ⇐⇒ P(R ̸= +∞) = 1
n∈N

11. [Centrale MP 2020 M2] (⋆ ⋆ ⋆)

Pour i ∈ N⋆ , on note Yi la variable de Bernoulli indicatrice de l’événément (Si ∈
/ {Sk : k ∈
J0, i − 1K}). Montrer que :
∀i ∈ N⋆ , P(Yi = 1) = P(R > i)
En déduire que :
n
X
⋆
∀n ∈ N , E(Nn ) = 1 + P(R > i)
i=1

On rappelle le théorème de Cesàro, dont on admet le résultat : si (un )n∈N⋆ est une suite réelle
 P n 
convergeant vers l ∈ R, alors la suite des moyennes n1 uk ⋆
:
k=1 n∈N

n
1X
lim uk = l
n→+∞ n
k=1

12. [Centrale MP 2020 M2] (⋆ ⋆ ⋆)  

E(Nn )
En utilisant le lemme de Cesàro, conclure que n converge et que :
n∈N

E(Nn )
lim = P(R = +∞)
n→+∞ n

Les marches de Bernoulli sur Z

Dans cette partie, d = 1. Par conséquent 0d est simplement le zéro réel. Dans cette partie, p ∈]0, 1[, et
q = 1 − p. On suppose que X suit la loi suivante :

P(X = 1) = p et P(X = −1) = q

13. [Centrale MP 2020 M2] (⋆ ⋆)

Pour n ∈ N, déterminer P(S2n+1 = 0) et justifier l’égalité :
 
2n
∀n ∈ N, P(S2n = 0) = (pq)n
n

284
 14. [Centrale MP 2020 M2] (⋆ ⋆ ⋆)
Pour x ∈] − 1, 1[, donner une expression simple de G(x). Exprimer P(R = +∞) en fonction de
|p − q|. Déterminer la loi de R.
15. [Centrale MP 2020 M2] (⋆ ⋆ ⋆)
On suppose dans cette question que p = q = 12 . Donner un équivalent simple de P(R = 2n) pour
n → +∞. En déduire un équivalent simple de E(Nn ) pour n → +∞.

Un autre lemme, asymptotique cette fois

Dans cette partie, on considère (an )n∈N et (bn )n∈N deux suites de réels strictement positifs. On suppose
que (an )n∈N est décroissante et que :
n
X
∀n ∈ N, ak bn−k = 1
k=0

On pose :
n
X
∀n ∈ N, Bn = bk
k=0

16. [Centrale MP 2020 M2] (⋆ ⋆)

Soit (m, n) ∈ (N)2 tel que m > n. Montrer que :
1
an ≤ et 1 ≤ an Bm−n + a0 (Bm − Bm−n )
Bn

17. [Centrale MP 2020 M2] (⋆ ⋆)

On suppose dans cette question qu’il existe une suite (mn )n∈N vérifiant mn > n pour n
suffisamment grand et :

Bmn −n ∼ Bn et Bmn − Bmn −n → 0

n→+∞ n→+∞

Montrer que :
1
an ∼
n→+∞ Bn
18. [Centrale MP 2020 M2] (⋆ ⋆ ⋆)
On suppose dans cette question qu’il existe C ∈ R⋆+ tel que :

C
bn ∼
n→+∞ n
En utilisant la question précédente, pour une suite (mn )n∈N bien choisie, montrer que :
1
an ∼
n→+∞ C ln(n)

Marche aléatoire sur Z2 : un théorème d’Erdös et Dvoretzky

19. [Centrale MP 2020 M2] (⋆ ⋆ ⋆ ⋆)
Montrer que :
n
X
⋆
∀n ∈ N , 1 = P(Sk = 0d )P(R > n − k)
k=0

285
Jusqu’à la fin du problème, on suppose que d = 2 et que la loi de X est donnée par :
        1
P X = (0, 1) = P X = (0, −1) = P X = (1, 0) = P X = (−1, 0) =
4
20. [Centrale MP 2020 M2] (⋆ ⋆ ⋆ ⋆)
Montrer que :
2n

!2
n
∀n ∈ N, P(S2n = 02 ) =
4n

21. [Centrale MP 2020 M2] (⋆ ⋆ ⋆ ⋆)

En déduire un équivalent simple de E(Nn ) pour n → +∞.

286
Correction (nombre de sites visités par une marche aléatoire)

1. On a (X + 1)2n = (X + 1)n (X + 1)n . On applique, d’une part, le binôme de Newton sur (X + 1)2n :
2n  
X 2n
(X + 1)2n = Xk
k
k=0

On l’applique, d’autre part, deux fois sur (X + 1)n :

n   n  
X n X n
(X + 1)n (X + 1)n = Xi Xj
i=0
i j=0
j
n n
X X n n  
= X i+j
i=0 j=0
i j
n X n   
X n n
= X l (changement de variable i + j = l)
k l−k
l=0 k=0 | {z }
(nk)
n n  2
!
X X n
= Xl
k
l=0 k=0

Donc, d’une part, le coefficient de degré n ∈ N de (X + 1)2n est 2n

n . D’autre part, le coefficient de
n
n 2


degré n ∈ N de (X + 1)n (X + 1)n est
P
k . L’unicité des coefficients est garantie par l’unicité
k=0
de la décomposition dans la base polynomiale canonique de R2n [X], ce qui permet d’identifier les
coefficients
n  2  
X n 2n
=
k n
k=0
D’où le résultat :
n  2  
X n 2n
∀n ∈ N, =
k n
k=0

2. La formule de Stirling donne :

√
n! ∼ 2πnnn e−n
n→+∞

(2n)!
La formule des coefficients binomiaux donne : 2nn = n!2 . Les équivalents étant compatibles avec le
produit et le quotient, on cherche un équivalent du numérateur et du dénominateur.
p √
(2n)! ∼ 2π(2n)(2n)2n e−2n =⇒ (2n)! ∼ 2 πn4n n2n e−2n
n→+∞ n→+∞
√ 2
(n!)2 ∼ 2πn (ne−n )2 =⇒ (n!)2 ∼ (2πn)n2n e−2n
n→+∞ n→+∞

D’où : √
2 πn4n n2n e−2n 1 4n
 
2n (2n)!
= ∼ = √ √
n n!2 n→+∞ (2πn)n2n e−2n π n
Ce qui montre finalement :
√
4n
 
⋆ 2n 1 π
∃C ∈ R+ , ∼ C √ où C = √ =
n n→+∞ n π π

287
 1
3. Soit α ∈]0, 1[. On pose t 7→ tα , fonction qui est continue par morceaux, décroissante, positive, donc
on a : Z k+1 Z k
dt 1 dt
≤ α ≤ (⋄)
k tα k k−1 tα
On somme alors cette relation pour k ∈ J1, nK :
Z n+1 n Z n Z n
dt X 1 dt dt
α
≤ α
≤ α
≤1+ α
1 t k 0 t 1 t
k=1
h| {z in+1
} h| {z i}n
t−α+1 t−α+1
1−α 1−α
1 1

Ce qui montre finalement que :

n
(n + 1)1−α 1 X 1 1 n1−α
− ≤ α
≤1− +
1−α 1−α k 1−α 1−α
| {z } k=1 | {z }
n1−α n1−α
∼ 1−α ∼ 1−α
n→+∞ n→+∞

Ce qui permet d’obtenir le résultat voulu

n
X 1 n1−α
∀α ∈]0, 1[, ∼
kα n→+∞ 1−α
k=1

De même, supposons que α > 1. On reprend l’équation (⋄), que l’on somme pour k ∈ Jn + 1, N K, pour
N ∈ N⋆ :
Z N +1 N Z N
dt X 1 dt
α
≤ α
≤ α
n+1 t k=n+1
k n t
R +∞ R +∞
Comme α > 1, les intégrales n tdtα et n+1 tdtα convergent par comparaison aux intégrales de Riemann,
de sorte que l’on peut passer à la limite pour N → +∞ :
Z +∞ +∞ Z +∞
dt X 1 dt
α
≤ α
≤ α
n+1 t k n t
| {z } k=n+1 | {z }
h i+∞ h i+∞
t1−α t1−α
1−α 1−α
n+1 n

Soit finalement :
+∞
(n + 1)1−α X 1 n1−α
− ≤ α
≤−
1−α k 1−α
k=n+1
1
Les membres de gauche et de droite étant équivalents à (α−1)nα−1 , on obtient l’équivalent voulu :

+∞
X 1 1
∀α ∈]1, +∞[, ∼
kα n→+∞ (α − 1)nα−1
k=n+1

4. Soit x > 2. Effectuons une intégration par parties a dans I(x). On pose u : t 7→ t (dont la dérivée
est u′ : t 7→ 1) et v : t 7→ ln(t)
1
(de dérivée v ′ : t 7→ − t ln12 (t) . Ces deux fonctions sont C 1 sur ]2, x[, donc
l’intégration par parties est licite et il vient :
Z x h t ix Z x
dt t
I(x) = = + 2
2 ln(t) ln(t) 2 2 t ln (t)

288
D’où le résultat : Z x
x 2 dt
∀x ∈]2, +∞[, I(x) = − + (⋄⋄)
ln(x) ln(2) 2 ln2 (t)
On doit montrer ensuite que :
!
Z x Z x Z x
dt   dt dt
= o I(x) c’est-à-dire = o
2 ln2 (t) x→+∞ 2
2 ln (t) x→+∞ 2 ln(t)

Autrement dit, on doit montrer une relation de comparaison entre intégrales (plus
 précisément
 celle
1 1
qui a rapport avec les intégrales divergentes). On constate que ln2 (t) = o ln(t) . De plus, la t→+∞
1
fonction t 7→ ln(t) , positive, n’est pas intégrable au voisinage de +∞. On peut donc utiliser le théorème
d’intégration des relations de comparaison pour obtenir :
Z x
dt  
= o I(x)
2 ln2 (t) x→+∞

ln(x)
Divisons la relation (⋄⋄) par x ̸= 0 :
Rx dt
x 2 2 ln2 (t)
1= − +
ln(x)I(x) ln(2)I(x) I(x)
| {z } | {z }
→ 0 car I(x) → 0 → 0 (par définition du petit o)
x→+∞ x→+∞ x→+∞

Ce qui montre effectivement que :

x
I(x) ∼
x→+∞ ln(x)
5. D’après le cours :
+∞
X α(α − 1)...(α − k + 1)
∀α ∈ R, ∀x ∈] − 1, 1[, (1 + x)α = xk (⋄ ⋄ ⋄)
k!
k=0

La formule de l’énoncé à établir n’est autre que le développement en série entière de la fonction
1
1
x 7→ √1−x = (1 + (−x))− 2 . Il suffit donc d’obtenir la formule (⋄ ⋄ ⋄) en prenant α = − 12 et en faisant
le changement de variable x 7→ −x. Soit x ∈] − 1, 1[ :
    
1
+∞
X − 12 − 12 − 1 ... − 12 − k + 1
√ = (−x)k par (⋄ ⋄ ⋄)
1−x k!
k=0
+∞
X 1 × 3 × ... × (2k − 1) k
= (−1)k (−1)k x (un (−1)k dû à (−x)k et un autre au produit)
| {z } 2k k!
k=0
(−1)2k =1
+∞
X 1 × 2 × 3 × 4 × 5 × ... × (2k − 1) × (2k)
= xk (on fait apparaître les termes impairs)
2k × 2 × 4 × ... × (2k)k!
k=0
+∞
X 1 (2k)! k
= x
4k |k!k!
k=0 {z }
(2k
k)

289
D’où le développement en série entière :

+∞ 2n

1 X
∀x ∈] − 1, 1[, √ = n
xn
1 − x n=0 4n

6. Les probabilités étant par définition inférieures à 1, pour tout x ∈ R :

P(Sn = 0d )xn ≤ xn et P(R = n)xn ≤ xn

Or, la série entière x 7→ xn ont un rayon de convergence égal à 1, ce qui montre que les rayons de
convergence respectifs de F et G, notés RF et RG vérifient :

RF ≥ 1 et RG ≥ 1

Puisque F et G sont des séries entières définies a minima sur ] − 1, 1[ :

(F, G) ∈ C ∞ (] − 1, 1[, R)2

Montrons alors que G est définie et continue sur [−1, 1], en utilisant le théorème de continuité des
séries de fonctions :
(a) Continuité des fn : pour tout n ∈ N, fn : x 7→ P(R = n)xn est continue
P(R = n)xn converge normalement
P
(b) Convergence normale : montrons que la série entière
n∈N⋆
sur [−1, 1] :
∀x ∈ [−1, 1], |P(R = n)xn | ≤ P(R = n)
Il suffit donc de montrer la convergence de la série de terme général P(R = n). Puisque
R(Ω) = N⋆ = N⋆ ∪ {+∞} : X
P(R = n) = 1
n∈N⋆
P
Cela assure la convergence de P(R = n). De plus :
n∈N⋆
X
P(R = n) = 1 − P(R = +∞) = P(R = +∞) = P(R ̸= +∞)
n∈N⋆

Ainsi, la série de terme général P(R = n)xn converge normalement sur [−1, 1].
Le théorème de continuité des séries de fonctions donne :

G ∈ C 0 ([−1, 1], R)

De plus, comme remarqué :

+∞
X
G(1) = P(R = n) = 1 − P(R = +∞) = P(R ̸= +∞) = G(1)
n=1

7. Prenons (k, n) ∈ (N⋆ )2 tel que k ≤ n. Il s’agit de calculer :

h i
P (Sn = 0d ) ∩ (R = k)
| {z } | {z }
au n−ième pas on revient au centre on passe au centre pour la 1ère fois au k−ième pas

290
Essayons de réexprimer ces événéments à partir des variables aléatoires (Xk )k∈N :
   
(R = k) ∩ (Sn = 0d ) = (R = k) ∩ (Sn = Sk ) puisque si (R = k), au k−ième pas on est au centre
n k
!
X X 
= (R = k) ∩ Xj = Xi par définition de Sn
j=1 i=1
n
!
 X 
= (R = k) ∩ Xj = 0d
j=k+1

La suite du raisonnement est justifiée par les remarques suivantes :

Pn
(a) On remarque que dans la variable aléatoire Xj , il y a exactement n − k variables aléatoires,
j=k+1
n−k
P
tout comme dans Sn−k , qui est égal à Xk par définition.
k=1
(b) De plus, comme les variables aléatoires (Xi )i∈J1,nK suivent tous la même loi de probabilité (en
n n−k
X
P
l’occurrence celle de X), la probabilité de Xj = 0d est celle de Xj = 0d .
j=k+1 j=1
| {z }
Sn−k

(c) Enfin, comme le résultat de l’énoncé transforme la probabilité d’une intersection d’événéments
en un produit de probabilités, il va falloir établir l’indépendance d’événements.
 Pn 
Reprenons donc le raisonnement. Pour établir l’indépendance de (R = k) et Xj = 0d , nous
j=k+1
allons utiliser le lemme des coalitions. Pour cela, il nous faut exprimer les événements en fonction de
X1 , ..., Xk et de fonctions bien choisies. On a :
k
X  k−1
\ Xl 
(R = k) = Xj = 0d ∩ Xj ̸= 0
j=1 l=1 j=1
| {z } | {z }
on atteint le centre à l’étape k on ne l’atteint pas avant

Cela montre que l’on peut écrire (R = k) = f (X1 , ..., Xk ) pour une certaine fonction f . De même,
 P n 
Xj = 0d ) = g(Xk+1 , ..., Xn pour une certaine fonction g. Or, X1 , ..., Xk , Xk+1 , ..., Xn
j=k+1
sont mutuellement indépendants, ce qui établir l’indépendance entre f (X1 , ..., Xk ) et g(Xk+1 , ..., Xn ),
n
 P 
c’est-à-dire entre (R = k) et Xj = 0d ) = g(Xk+1 , ..., Xn . Ainsi :
j=k+1
" n
#
h i  X 
P (R = k) ∩ (Sn = 0d ) = P (R = k) ∩ Xj = 0d
j=k+1
n
 X 
= P(R = k) × P Xj = 0d (par indépendance)
j=k+1
 n−k
X 
= P(R = k) × P Xj = 0d (comme remarqué au point (a))
j=1

= P(R = k) × P(Sn−k = 0d ) (par définition de Sn−k )

291
Ce qui montre le résultat voulu :
 
∀n ∈ N⋆ , ∀k ∈ J1, nK, P (Sn = 0d ) ∩ (R = k) = P(R = k)P(Sn−k = 0d )

Or, pour tout n ∈ N⋆ :

n
!
[
P(Sn = 0d ) = P (Sn = 0d ) ∩ (R = k)
k=1
n
X  
= P (Sn = 0d ) ∩ (R = k) car l’union est disjointe
k=1
h i
Il suffit alors d’utiliser P (R = k) ∩ (Sn = 0d ) = P(R = k) × P(Sn−k = 0d ) pour obtenir le résultat
voulu :
n
X
∀n ∈ N⋆ , P(Sn = 0d ) = P(R = k)P(Sn−k = 0d )
k=1

8. Soit x ∈] − 1, 1[. On développe F (x)G(x) qui

P est un produitn de séries
P entières afinn de faire apparaître
un produit de Cauchy. En effet, les séries P(Sn = 0d )x et P(R = n)x étant absolument
n∈N n∈N⋆
convergentes, un produit de Cauchy montre que :
X n
+∞  X 
F (x)G(x) = P(R = k)P(Sn−k = 0d ) xn
n=1 k=1
| {z }
P(Sn =0d ) par Q7
+∞
X
= P(Sn = 0d )xn
n=1
+∞
X
= P(Sn = 0d ) − P(S0 = 0d )
n=0
| {z }
| {z } 1
F (x)

= F (x) − 1
D’où :
∀x ∈] − 1, 1[, F (x) = 1 + F (x)G(x)
On en déduit que :
1
∀x ∈] − 1, 1[, F (x) = si G(x) ̸= 1
1 − G(x)
Comme vu en question 7, G(1) = P(R ̸= +∞). Par suite :
 1
lim− F (x) = P(R=+∞) si P(R ̸= +∞) ̸= 1
x→1 +∞ si P(R ̸= +∞) = 1

ck xk ait un rayon de convergence 1 et telle

P
9. Soit (ck )k∈N une suite d’éléments de R+ telle que
P k∈N
ck diverge. Soit A ∈ R⋆+ . Comme la série
P
que ck diverge :
k∈N k∈N
n0
X
∃n0 ∈ N, ∀n ≥ n0 , ck ≥ A + 1
k=0

292
 n0 n0
ck xk tend vers ck pour x → 1− . Ainsi :
P P
Par ailleurs, la série x 7→
k=0 k=0

N
X
∃α ∈ R⋆+ , ∀x ∈]1 − α, 1[, ck x k > A
k=0

Vu que les (ck )k∈N sont positifs, la somme est plus grande que les sommes partielles :
+∞
X n0
X
ck x k ≥ ck xk
k=0 k=0

Ce qui montre bien le résultat voulu :

+∞
X
∀A ∈ R⋆+ , ∃α ∈]0, 1[, ∀x ∈]1 − α, 1[, ck xk > A
k=0

Ce résultat correspond à la définition quantifiée de la limite :

+∞
X
lim− ck xk = +∞
x→1
k=0

P
10. Montrons que P(Sn = 0d ) diverge si et seulement si P(R ̸= +∞) = 1.
n∈N
P
— =⇒ Si P(Sn = 0d ) diverge, alors on peut appliquer le résultat de la question 9 avec
n∈N
cn = P(Sn = 0d ) pour obtenir que F (x) →− +∞, ce qui ne se produit que si P(R =
̸ +∞) = 1,
x→1
comme le montre la question 8.
P
— ⇐= Réciproquement, on contrapose et on suppose donc que P(Sn = 0d ) converge. En
n∈N
+∞
P
remarquant que P(Sn = 0d ) = F (1), cela montre que lim F (x) est finie, et la question 8
n=0 x→1−
montre que dans ce cas-là P(R = +∞) ̸= 1.
D’où le résultat :
X
P(Sn = 0d ) diverge ⇐⇒ P(R ̸= +∞) = 1
n∈N

11. Par définition, pour tout i ∈ N⋆ :

Yi = 1 ⇐⇒ Si ∈
/ {Sk : k ∈ J0, i − 1K} (définition de Yi )
⇐⇒ ∀k ∈ J0, i − 1K, Si ̸= Sk (reformulation)
i
X
⇐⇒ ∀k ∈ J0, i − 1K, Xj ̸= 0d (définition des (Si ))
j=k+1

Ainsi :
 i
X 
P(Yi = 1) = P ∀k ∈ J0, i − 1K, Xj ̸= 0d
j=k+1

293
 i
P i−k
P
Comme en question 7, l’idée va être de remplacer Xj par Xl en utilisant de nouveau le
j=k+1 l=1
fait que les (Xk ) suivent la même loi. Par indépendance mutuelle, (Xk+1 , ..., Xi ) a même loi que
(Xi−k , Xi−k−1 , ..., X1 ) (on remarque que chaque famille contient exactement i − k termes). Il s’en suit
que :
 i
X 
P(Yi = 1) = P ∀k ∈ J0, i − 1K, Xi+1−j ̸= 0d
j=k+1
 i−k
X 
= P ∀k ∈ J0, i − 1K, Xl ̸= 0d (changement de variable l = i + 1 − j)
l=1
= P(∀p ∈ J1, iK, Sp ̸= 0d ) (car k ∈ J1, i − kK ⇐⇒ i − k ∈ J1, iK)
  \ i
= P(R > i) (puisque ∀p ∈ J1, iK, (Sp ̸= 0d ) = (Sp ̸= 0d ) = (R > i))
p=1

D’où :
∀i ∈ N⋆ , P(Yi = 1) = P(R > i)
Or, on a la relation :
n
X
Nn = 1 + Yi
i=1
La linéarité de l’espérance entraîne que :
n
X
E(Nn ) = 1 + E(Yi )
i=1

Par ailleurs :
E(Yi ) = 0 × P(Yi = 0) + 1 × P(Yi = 1) = P(Yi = 1) = P(R > i)
D’où le résultat :
n
X
∀n ∈ N⋆ , E(Nn ) = 1 + P(R > i)
i=1

12. Soit n ∈ N⋆ . On a d’après la question 11 :

n
E(Nn ) 1 1X
= + P(R > i)
n n n i=1
1 1
Comme →
n n→+∞ 0, il suffit de montrer que n P(R > i) → P(R = +∞). L’utilisation du lemme de
n→+∞
Cesàro nous ramène à montrer que lim P(R > n) = P(R = +∞). Remarquons pour cela que :
n→+∞
\
(R = +∞) = (R > i)
i∈N⋆

L’inclusion décroissante ∀i ∈ N⋆ , (R > i + 1) ⊂ (R > i), le théorème de l’inclusion décroissante montre

que : !
\
P (R > i) = lim P(R > i)
i→+∞
i∈N⋆
| {z }
P(R=+∞)

294
Autrement dit, cela donne que :

P(R > n) → P(R = +∞)

n→+∞
 
E(Nn )
Le lemme de Cesàro permet d’affirmer que la suite n converge et :
n∈N⋆

E(Nn )
lim = P(R = +∞)
n→+∞ n

2n+1
P
13. Déterminons, pour n ∈ N, P(S2n+1 = 0). Par définition S2n+1 = Xk où, pour tout k ∈
k=1
J1, 2n + 1K , Xk suit la loi de X. Or, X ne prend que la valeur 1 ou −1, donc :

S2n+1 (Ω) = J−(2n + 1), −(2n − 1), ..., −1K ∪ J1, ..., 2n − 1, 2n + 1K

Comme 0 ∈
/ S2n+1 (Ω), la probabilité est nulle :

∀n ∈ N, P(S2n+1 = 0) = 0

Xi +1
Posons pour tout i ∈ J1, 2n + 1K, posons Yi = 2 , de sorte que :

∀i ∈ J1, 2nK, Yi ,→ B(p)

Il s’en suit que pour tout i ∈ J1, 2nK, Xi = 2Yi − 1. Mais alors :
2n
X 2n
X
S2n = Xi = 2 Yi − 2n
i=1 i=1

Donc :
2n
X
S2n = 0 ⇐⇒ Yi = n
i=1

De plus, les (Yi )i∈J1,2nK étant indépendants (car les (Xi )i∈J1,2nK le sont également) :

2n
X
Yi ,→ B(2n, p)
i=1

Donc :
X2n  2n
P(S2n = 0) = P Yi = n = pn q 2n−n
i=1
n
D’où le résultat :  
2n
∀n ∈ N, P(S2n = 0) = (pq)n
n
14. L’expression de G en tant que série entière ne donnant rien de concluant, on est obligés d’utiliser
le lien entre F et G pour obtenir une expression simple de G. On a obtenu en question 8 un lien entre
F et G :
∀x ∈] − 1, 1[, F (x)(1 − G(x)) = 1

295
Après calcul, cela donne que :

F (x) − 1 1
∀x ∈] − 1, 1[, G(x) = =1− (#)
F (x) F (x)
+∞
P(Sn = 0)xn puisque l’expression de P(Sn = 0) a été obtenue en
P
Nous pouvons calculer F (x) =
n=0
question précédente :
+∞
X
G(x) = P(Sn = 0)xn
n=0
+∞
X +∞
X
= P(Sn = 0)xn + P(Sn = 0)xn
n=0 n=0
n pair n impair
+∞
X
= P(S2n = 0)x2n (les termes impairs étant nuls par Q13)
n=0
+∞  
X 2n
= (pq)n x2n (par Q13)
n=0
n
+∞ 2n

X 4n
= n
n
(pq)n 4n x2n ( × n)
n=0
4 4
+∞ 2n
X


= n
n
(4pqx2 )n (pour se ramener au résultat de Q5)
n=0
4
1
=p (par Q5)
1 − 4pqx2

Ainsi, par (#), on peut obtenir une expression simple de F sur ] − 1, 1[ :

p
∀x ∈] − 1, 1[, F (x) = 1 − 1 − 4pqx2

Par la question 6, on a P(R = +∞) = 1 − G(1) soit :

p p p p
P(R = +∞) = 1 − 4pq = 1 − 4p(1 − p) = −4p2 − 4p + 1 = (1 − 2p)2 = |1−2p| = |1−p−p| = |q−p|

D’où b :
P(R = +∞) = |p − q|
n
P(R = n)xn
P
Pour obtenir la loi de R, on remonte au développement en série entière de G : x 7→
k=0 p
afin d’en déduire une expression de P(R = n) pour tout n ∈ N. L’expression G(x) = 1 − 1 − 4pqx2

296
permet d’effectuer le développement en série entière, pour tout x ∈] − 1, 1[ :
    
+∞ 1 1
− 1 ... 1
− k + 1
X 2 2 2
G(x) = 1 − (−4pqx2 )k
k!
k=0
+∞
X 1 × (−1) × (−3) × ... × (−2k + 3)
=− (−1)k 4k (pq)k x2k
2k k!
k=1
+∞
X (−1)k−1 1 × 2 × 3 × 4 × ... × (2k − 3) × (2k − 2)
=− (−1)k 4k (pq)k x2k
2k k! 2 × 4 × ... × (2k − 2)
k=1
+∞
X 1 (2k − 2)! k
= 4 (pq)k x2k
2k k! 2k−1 (k − 1)!
k=1

Soit finalement :
+∞
X (2k − 2)!
∀x ∈] − 1, 1[, G(x) = 2 (pq)k x2k
k!(k − 1)!
k=1

De plus, par définition de G :

+∞
X
∀x ∈] − 1, 1[, G(x) = P(R = k)xk
k=1

Ces deux séries coïncident sur un voisinage de 0 et on peut en déduire que c :

(
(2n−2)!
P(R = 2n) = 2 n!(n−1)! (pq)k
∀n ∈ N,
P(R = 2n + 1) = 0

15. On suppose désormais que p = q = 12 , de sorte que, par la question 14 :

 
(2n − 2)! 1 2 1 2n − 2
∀n ∈ N, P(R = 2n) = 2 =
n!(n − 1)! 4n 4n n n − 1

Or, par 2 :
1 4n−1
 
2n − 2
∼ √ √
n − 1 n→+∞ π n
Et finalement :
1
P(R = 2n) ∼ √
n→+∞ 2 πn3/2
Par ailleurs : X
P(R > i) = P(R = 2k)
k> 2i
P
Nous cherchons à obtenir un équivalent de P(R > i), qui correspond au reste de la série P(R = 2k).
k∈N
Puisque :
1
P(R = 2k) ∼ √
k→+∞ 2 πk 3/2

297
La série de terme général P(R = 2k) converge, et donc on peut appliquer le théorème de sommation
des équivalents pour obtenir :
+∞ +∞
X X 1 X 1 3
P(R > i) = P(R = 2k) =⇒ P(R > i) ∼ √ = √ α avec α =
| {z } i→+∞ 2 πk 3/2 2 πk 2
k> 2i ∼ 1 k= 2i i
k= 2
√ 3/2
k→+∞ 2 πk

On utilise alors la question 2 pour obtenir :

+∞
X 1 1 1 1
√ ∼ √ q
2 πk 3/2 i→+∞ 3 −12 π i
k= 2i 2
2
| √{z }
1
2 √
π i

D’où finalement :
r
2 1
P(R > i) ∼ √
i→+∞ π i
Enfin :
n
X
E(Nn ) = 1 + P(R > i)
i=1

Pn
Donc trouver un équivalent à E(Nn ) revient à trouver un équivalent de P(R > i). La série de terme
q i=1
général P(R > i) diverge (puisque ce terme positif est équivalent à π2 i1/2
1
avec 12 < 1, ce qui assure la
divergence par comparaison aux séries de Riemann), donc le théorème de sommation des équivalents
donne :
n n r n r
X X 2 1 X 2 1 1
P(R > i) ∼ √ = β
avec β =
i=1
n→+∞
i=1
π i i=1
πi 2
On réutilise de nouveau la question 3 pour obtenir que :
n r 1
X 2 1 i1− 2 √
β
∼ 1 =2 i
i=1
π i n→+∞ 1 − 2

Et finalement d :
√
2 2√
E(Nn ) ∼ n
n→+∞ π
18. Soient (m, n) ∈ N2 avec m > n. Alors :
n
X Xn
Bn an = bk an ≤ ak bn−k = 1 (hypothèse)
|{z}
k=0 k=0
≤ak car (an )n∈N décroissante

Or Bn > 0 (car somme d’éléments non nuls), donc on peut diviser par Bn > 0 pour obtenir le résultat
voulu :
1
∀n ∈ N, an ≤
Bn

298
De plus :
m−n
X m
X m−n
X 
an Bm−n + a0 (Bm − Bm−n ) = an bk + a0 bk − bk
k=0 k=0 k=0
| {z }
m
P
bk
k=m−n+1

En faisant un changement de variables, il vient :

m
X n−1
X
an Bm−n + a0 (Bm − Bm−n ) = an bm−k + a0 bm−k
k=n k=0

Or ∀k ∈ J0, n − 1K, a0 ≥ ak (puisque la suite (an )n∈N est décroissante), et ∀k ∈ Jn, mK, an ≥ ak . Ainsi :
m
X n−1
X m
X
an bm−k + a0 bm−k ≥ ak bm−k
k=n k=0 k=0
| {z }
1 par hypothèse
D’où :
∀(m, n) ∈ N2 , m > n =⇒ an Bm−n + a0 (Bm − Bm−n ) ≥ 1
17. Soit (mn )n∈N telle que mn > n à partir d’un certain rang et telle que :

Bmn −n ∼ Bn et Bmn − Bmn −n → 0

n→+∞ n→+∞

La question 16 montre que, à partir d’un certain rang :

Bmn −n >0 1 − a0 (Bmn − Bmn −n ) 1
1−a0 (Bmn −Bmn −n ) ≤ an Bmn −n ) ≤ an Bmn −n =⇒ ≤ an ≤
Bmn −n Bn
| {z }
∼ 1
Bm −n ∼ B1n (hypothèse)
n→+∞ n n→+∞

1
Les membres de gauche et de droite tendent vers Bn pour n → +∞, ce qui montre par théorème des
gendarmes que (an )n∈N converge, et de plus :

1
an ∼
n→+∞ Bn
n
C
18. On suppose qu’il existe C ∈ R⋆+ telle que bn
P
∼ . Par définition, Bn = bk donc on doit se
n→+∞ n k=0
tourner vers le théorème de sommation des équivalents. La série de terme général bn est divergente
car équivalente à Cn > 0 qui est un terme général de série divergente par comparaison aux séries de
Riemann. Le théorème de sommation des équivalents montre donc que :
+∞
X 1
Bn ∼ C
n→+∞ k
k=1

1
De plus, une comparaison série-intégrale e comme réalisée à la question 13 sur la fonction t 7→ t
montre que :
n
X 1
∼ ln(n)
k n→+∞
k=1

299
Donc finalement :
Bn ∼ C ln(n)
n→+∞
1 1
Afin de conclure que an ∼ , nous pouvons montrer que an ∼ , et pour cela, nous
n→+∞ C ln(n) n→+∞ Bn
devons nous ramener aux hypothèses de la question 17, c’est-à-dire en posant une suite (mn )n∈N telle
que :
(a) A partir d’un certain rang mn > n.
(b) Bmn −n ∼ Bn .
n→+∞
(c) Bmn − Bmn −n → 0.
n→+∞
L’idée nous vient de poser mn = ⌊n ln(n)⌋. Alors mn ∼ n ln(n) et :
n→+∞

mn − n = n(ln(n) − 1) + O (1) ∼ n ln(n)

n→+∞ n→+∞

Donc les suites (mn − n)n∈N et (n ln(n))n∈N étant équivalentes, elles sont de même signe à partir d’un
certain rang, et donc mn > n à partir d’un certain rang, ce qui assure le point (a). De plus :
 
Bmn −n ∼ C ln(mn − n) ∼ C ln n ln(n) + o (1) = C ln(n) + C ln(ln(n)) + o (1)
n→+∞ n→+∞ n→+∞ n→+∞
| {z }
∼ C ln(n) ∼ Bn
n→+∞ n→+∞

Ce qui montre le point (b) :

Bmn −n ∼ Bn
n→+∞

Enfin :
mn
X
Bmn − Bmn −n = bk (##)
k=mn −n

Or la suite (nbn )n∈N converge (puisque bn ∼ C par hypothèse) donc elle est bornée. On note alors
n→+∞ n
D tel que :
D
∀n ∈ N⋆ , bn ≤
n
En reportant dans (##) :
mn mn
X X 1
Bmn − Bmn −n = bk ≤ D
k
k=mn −n k=mn −n

On a ∀k ∈ Jmn − n, mn K, k1 ≤ 1
mn −n , et comme il y a n termes dans la somme, il vient finalement :
n
0 ≤ Bmn − Bmn −n ≤ D
mn − n
Chacun des membres convergeant vers 0 pour n → +∞, par théorème des gendarmes, le point (c) est
vérifié :
Bmn − Bmn −n → 0
n→+∞

L’utilisation de la question 18 nous permet de conclure comme voulu que :

1
an ∼
n→+∞ C ln(n)

300
 n
P
19. Pour obtenir une expression de P(Sk = 0d )P(R > n − k), on va utiliser une série entière en
k=0
s’appuyant sur le même raisonnement que dans les questions 8 (car on reconnaît un produit de Cauchy
dans le résultat à montrer) et 14 (car on cherche à identifier les coefficients d’une série entière). Posons :
n
X
H : x 7→ P(R > k)xk
k=0
] − 1, 1[ → R

En effet, H est définie sur ] − 1, 1[ en réutilisant l’argument des probabilités inférieures ou égales à 1,
évoqué en 6. On cherche à obtenir une expression de H en fonction de F ou G. Soit x ∈] − 1, 1[ :
+∞
X +∞
X
xH(x) = P(R > k)xk+1 = P(R > k − 1)xk
k=0 k=1

Mézalor :
+∞ 
X 
H(x) − xH(x) = P(R > 0) − P(R > k) − P(R > k − 1) xk
| {z }
1 k=1
+∞
X
=1− P(R = k)xk (série télescopique)
k=1
= 1 − G(x)

Donc :
1 − G(x)
∀x ∈] − 1, 1[, (1 − x)H(x) = 1 − G(x) =⇒ ∀x ∈] − 1, 1[, H(x) =
1−x
On cherche à faire apparaître le produit F G dont on a une expression plus simple :

F (x) − F (x)G(x) 1
H(x)F (x) = = (par Q8)
1−x 1−x
Or H et F étant des séries entières, elles convergent absolument et par produit de Cauchy, pour tout
x ∈] − 1, 1[ :
+∞  X
X n 
H(x)F (x) = P(Sk = 0d )P(R > n − k) xn
n=0 k=0
1
Par ailleurs, la fonction x 7→ 1−x admet le développement en série entière :

+∞
1 X
∀x ∈] − 1, 1[, = xn
1 − x n=0

Les deux séries coïncident sur un voisinage de zéro donc on peut identifier les coefficients pour obtenir
le résultat voulu :
X n
∀n ∈ N, 1 = P(Sk = 0d )P(R > n − k)
k=0

20. Fixons n ∈ N, et posons R1 , R2 , R3 , R4 les variables aléatoires réelles correspondant respectivement

au nombre d’entiers k ∈ N tels que Xk = (0, 1), Xk = (0, −1), Xk = (1, 0), Xk = (−1, 0). Alors, le

301
  
1 1 1 1
quadruplet (R1 , R2 , R3 , R4 ) suit la loi multinomiale f de paramètres 4, 4, 4, 4 . Alors, (S2n = 02 )
équivaut à l’événément (R1 = R2 ) ∩ (R3 = R4 ). Cela signifie que :

(2n)! 1
∀(r1 , r2 , r3 , r4 ) ∈ N4 , r1 + r2 + r3 + r4 = 2n =⇒ P(R1 = r1 ,R2 = r2 ,R3 = r3 ,R4 = r4 ) =
r1 !r2 !r3 !r4 ! 42n
Alors :
X (2n)! 1
P(S2n = 02 ) = 2 (r )!2 42n
r1 +r3 =n
(r1 )! 3
n
(2n)! X 1
= 2n
4 r =0
(r1 !) (n − r1 )!2
2
1
n
(2n)! 1 X (n!)2
= 2n
4 (n!) r =0 (r1 !) (n − r1 )!2
2 2
1
| {z
2
}
n! n 2
r1 !(n−r1 )!
=(r )
1

n   2
1 (2n)! X n
= 2n (en renommant r1 en k)
4 (n!)2 k
| {z } k=0
(2n
n)

Or la question 1 montre que :

n  2  
X n 2n
=
k n
k=0

D’où le résultat voulu :

!2
2n
n
∀n ∈ N, P(S2n = 0) =
4n

21. La question 2 montre que :

2n

!2
n 1 1
∼ =⇒ P(S2n = 0) ∼
4n n→+∞ πn n→+∞ πn

De plus, la question 19 montre que, pour tout n ∈ N :

2n
X
1= P(Sk = 02 )P(R > 2n − k) (les termes impairs étant nuls comme en Q14)
k=0
Xn
= P(R > 2k)P(S2n−2k = 02 ) (changement de variable)
k=0

Posons :
∀k ∈ N, ak = P(R > 2k) et bk = P(Sk )
On obtient donc :
n
X
ak bn−k = 1
k=0

302
De plus, la suite (ak )k∈N est décroissante (puisque (R > 2k + 1) ⊂ (R > 2k)). Par ailleurs :

1 C 1
bn ∼ = avec C =
n→+∞ πn n π
On peut donc appliquer la question 18 pour obtenir que :
1 π
an ∼ c’est-à-dire P(R > 2n) ∼
n→+∞ C ln(n) n→+∞ ln(n)

Il nous reste à en déduire un équivalent de P(R > n) pour en déduire un équivalent de E(Nn ) en
utilisant un théorème de sommation d’équivalents. La suite (P(R > n))n∈N étant décroissante :
 j n k  l n m
P R>2 ≥ P(R > n) ≥ P R > 2
| {z 2 } | {z 2 }
π π π π
∼ ln(⌊ n ⌋)
= ln(n)−ln(2)+o(1) ∼ ln(n) ∼ ln(n)
n→+∞ 2 n→+∞ n→+∞

Par théorème des gendarmes, on en déduit que la suite (P(R > n))n∈N converge et :
π
P(R > n) ∼
n→+∞ ln(n)

Or :
n
X
E(Nn ) = 1 + P(R > k)
k=1
1
Puisqu’on dispose d’un équivalent de P(R > k) (en l’occurrence ln(k) ), on peut utiliser un théorème
1 1
de sommation d’équivalents. La série de terme général ln(n) diverge (puisque ln(n) ≥ n1 à partir d’un
certain rang) :
n n
X X 1
P(R > k) ∼ π
n→+∞ ln(k)
k=1 k=2

Ainsi :
n
X 1
E(Nn ) ∼ π
n→+∞ ln(k)
k=2
1
On effectue alors une comparaison série-intégrale sur la fonction t 7→ ln(t) , continue, positive, décrois-
sante, pour obtenir que :
n Z n
X 1 dt (Q4) n
∼ = I(n) ∼
ln(k) n→+∞ 2 ln(t) n→+∞ ln(n)
k=2

D’où finalement :
n
E(Nn ) ∼ π
n→+∞ ln(n)
1
a. L’intégration par parties sur l’intégrale de t 7→ ln(t) (on appelle cette fonction le logarithme intégral) est très
classique. Elle consiste souvent à dériver le logarithme pour faire apparaître une fonction inverse, et à primitiver la
fonction constante égale à 1, afin de faire apparaître une fonction t 7→ t, qui pourra se simplifier avec la fonction inverse.
b. Ce résultat signifie que, pour une marche aléatoire 1D de pas ±1, la probabilité que la marche aléatoire ne revienne
jamais au centre est de |p − q| = |1 − 2p|. Cette probabilité est maximale, égale à 1 pour p = 0 ou p = 1 (ce qu’on
conçoit bien : on ne revient jamais au centre si on fait toujours des pas de +1 ou des pas de -1) et minimale, égale à 0,
si p = 21 , c’est-à-dire si le pas +1 est équiprobable au pas -1.

303
 c. Ce résultat permet d’estimer, dans le cas d’une marche aléatoire 1D de pas ± 1, la probabilité que la marche
revienne au centre après 2n pas P(R = 2k).
d. Ce résultat signifie que, dans le cas d’une marche
√ √
aléatoire 1D de pas ±1, le nombre de sites visités par la marche
aléatoire après n pas suit asymptotiquement la loi 2 π 2 n.
e. Je pense que l’on peut passer ici rapidement sur la rédaction puisqu’une question entière a consisté à faire deux
comparaisons série-intégrale, et que le résultat que l’on démontre ici est plutôt classique.
f. Cette loi est totalement hors-programme, mais il n’est pas rare que des éléments hors-programme se glissent dans
les sujets de Mines-Ponts (j’ai souvenir qu’en 2020, lors de mon année, la totalité de l’épreuve de Chimie de la filière
MP portait sur la complexation, thème absent du programme de MP !).

304