MétaCan
Menu
Retour à la cohorte
Enregistrement W3156783353 · doi:10.1002/mma.7382

Statistical product convergence of martingale sequences and its applications to Korovkin‐type approximation theorems

2021· article· en· W3156783353 sur OpenAlexaff
H. M. Srivastava, Bidu Bhusan Jena, Susanta Kumar Paikray

Notice bibliographique

RevueMathematical Methods in the Applied Sciences · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueApproximation Theory and Sequence Spaces
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésMathematicsMartingale (probability theory)Martingale difference sequenceLocal martingaleBanach spaceSequence (biology)Infinite productApplied mathematicsPure mathematicsDiscrete mathematicsCalculus (dental)

Résumé

récupéré en direct d'OpenAlex

In this paper, we investigate and study the concepts of statistical product convergence and statistical product summability via deferred Cesàro and deferred weighted product means for martingale sequences of random variables. We then establish an inclusion theorem concerning the relation between these two nice and potentially useful concepts. Also, based upon our proposed concepts, we state and prove a set of new Korovkin‐type approximation theorems for a martingale sequence over a Banach space. Moreover, we demonstrate that our approximation theorems effectively extend and improve most (if not all) of the previously existing results (both in statistical and classical versions). Finally, by using the generalized Bernstein polynomials, we present an illustrative example of a martingale sequence in order to demonstrate that our established theorems are quite stronger than the traditional and statistical versions of different theorems existing in the literature. We also suggest a direction for future researches on this subject, which are based upon the basic (or q‐) calculus, but not upon the trivial and inconsequential variations involving the so‐called (p, q)‐calculus.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0020,004
Science ouverte0,0020,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,144
Tête enseignante GPT0,452
Écart entre enseignants0,308 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Methods in the Applied SciencesMême sujetApproximation Theory and Sequence SpacesTravaux en français237 207