MétaCan
Menu
Retour à la cohorte
Enregistrement W3111953324 · doi:10.2298/aadm190220039s

A certain class of statistical probability convergence and its applications to approximation theorems

2020· article· en· W3111953324 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueApplicable Analysis and Discrete Mathematics · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueApproximation Theory and Sequence Spaces
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésMathematicsSequence (biology)Convergence of random variablesRandom variableBanach spaceConvolution (computer science)Convergence (economics)Rate of convergenceWeak convergenceClass (philosophy)Discrete mathematicsApplied mathematicsStatisticsKey (lock)Computer science

Résumé

récupéré en direct d'OpenAlex

In the present work, we introduce and study the notion of statistical probability convergence for sequences of random variables as well as the concept of statistical convergence for sequences of real numbers, which are defined over a Banach space via deferred weighted summability mean. We first establish a theorem presenting a connection between them. Based upon our proposed methods, we then prove a new Korovkin-type approximation theorem with periodic test functions for a sequence of random variables on a Banach space and demonstrate that our theorem effectively extends and improves most (if not all) of the previously existing results (in statistical versions). We also estimate the rate of deferred weighted statistical probability convergence and accordingly establish a new result. Finally, an illustrative example is presented here by means of the generalized Fej?r convolution operators of a sequence of random variables in order to demonstrate that our established theorem is stronger than its traditional and statistical versions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,735
Score d'incertitude au seuil0,690

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,042
Tête enseignante GPT0,310
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle