[论文解读] Statistical Convergence and Convergence in Statistics

Mark Burgin, Oktay Duman|ArXiv.org|Dec 7, 2006

Approximation Theory and Sequence Spaces参考文献 34被引用 14

一句话总结

本文提出统计模糊收敛作为建模现实世界数据中不确定性和不精确性的框架，扩展了经典统计收敛与新经典分析。它建立了统计收敛与均值和标准差等统计度量收敛之间的正式联系，从而实现对因测量和计算而固有不精确的序列进行稳健分析。

ABSTRACT

Statistical convergence was introduced in connection with problems of series summation. The main idea of the statistical convergence of a sequence l is that the majority of elements from l converge and we do not care what is going on with other elements. We show (Section 2) that being mathematically formalized the concept of statistical convergence is directly connected to convergence of such statistical characteristics as the mean and standard deviation. At the same time, it known that sequences that come from real life sources, such as measurement and computation, do not allow, in a general case, to test whether they converge or statistically converge in the strict mathematical sense. To overcome limitations induced by vagueness and uncertainty of real life data, neoclassical analysis has been developed. It extends the scope and results of the classical mathematical analysis by applying fuzzy logic to conventional mathematical objects, such as functions, sequences, and series. The goal of this work is the further development of neoclassical analysis. This allows us to reflect and model vagueness and uncertainty of our knowledge, which results from imprecision of measurement and inaccuracy of computation. In the context on the theory of fuzzy limits, we develop the structure of statistical fuzzy convergence and study its properties.

研究动机与目标

• 解决经典统计收敛在处理具有测量不精确性和计算不准确性的真实世界数据时的局限性。
• 通过引入模糊逻辑扩展新经典分析，以建模序列、函数和级数中的模糊性。
• 为统计模糊收敛建立正式结构，以更好地反映经验数据中的不确定性。
• 建立统计收敛与关键统计特征（如均值和标准差）收敛之间的数学联系。
• 为分析在严格数学意义上不收敛但表现出统计行为的序列提供理论基础。

提出的方法

• 在新经典分析框架内，应用模糊逻辑扩展经典数学对象（包括序列和级数）。
• 将统计模糊收敛定义为统计收敛的推广，其中收敛性不仅通过密度评估，还通过元素的模糊隶属度评估。
• 利用渐近密度概念形式化满足收敛准则的元素比例，即使精确收敛失败。
• 将统计度量（均值、标准差）整合到模糊收敛框架中，以在不确定性下评估收敛行为。
• 使用模糊极限形式化统计收敛与统计特征收敛之间的关系。
• 利用模糊极限的数学结构分析来自现实世界来源（如测量和计算）的序列。

实验结果

研究问题

• RQ1 如何正式建立统计收敛与均值和标准差等统计度量收敛之间的联系？
• RQ2 模糊逻辑在建模来自真实世界数据源的序列不确定性方面有何增强作用？
• RQ3 统计模糊收敛的数学结构是什么？它如何推广经典统计收敛？
• RQ4 新经典分析如何扩展经典分析以容纳统计情境中固有的不精确和不确定性数据？
• RQ5 统计模糊收敛在多大程度上可用于分析在经典意义上不收敛的序列？

主要发现

• 统计收敛与均值和标准差等统计特征收敛之间建立了正式联系，提供了稳健的统计解释。
• 统计模糊收敛框架成功建模了因测量不精确性而无法验证经典收敛性的现实世界来源序列。
• 通过引入模糊逻辑，新经典分析扩展了经典分析的适用范围，以处理经验数据中固有的不确定性和模糊性。
• 所提出的统计模糊收敛结构允许分析在严格数学意义上不收敛但表现出稳定统计行为的序列。
• 模糊极限的使用使得在不确定性存在的情况下能够对收敛性进行更细致和现实的评估，尤其适用于基于计算和测量的序列。
• 本文表明，统计收敛与统计度量的收敛并非独立，而是在模糊收敛的语境下深度关联。