Mean-square Convergence

释义 Definition

均方收敛：在概率论/随机过程里，指随机变量序列 \(X_n\) 在二次矩意义下趋近于 \(X\)，即
\[ \mathbb{E}\big[(X_n - X)^2\big]\to 0 \quad (n\to\infty). \]
它比“依概率收敛”更强，但通常弱于“几乎处处收敛”（两者关系需附加条件讨论）。也常称为 \(L^2\) 收敛（在二次可积空间中收敛）。

发音 Pronunciation (IPA)

/ˌmiːn skwɛər kənˈvɜːrdʒəns/

例句 Examples

Mean-square convergence means the expected squared error goes to zero.
均方收敛意味着“误差平方的期望”趋于零。

If \(X_n\) converges to \(X\) in mean square, then \(X_n\) also converges to \(X\) in probability.
如果 \(X_n\) 以均方方式收敛到 \(X\)，那么 \(X_n\) 也会依概率收敛到 \(X\)。

词源 Etymology

该术语由三部分组成：mean（均值/期望）+ square（平方）+ convergence（收敛）。其核心思想是用“误差的平方”的期望来度量逼近程度；当这一量趋于 0，就称为“均方收敛”。在泛函分析语境中，它对应 \(L^2\) 范数下的收敛，因此也常写作 \(L^2\) convergence。

相关词 Related Words

• L2 Convergence
• Convergence In Probability
• Almost Sure Convergence
• Convergence In Distribution
• Mean Squared Error
• Variance
• Second Moment
• Orthogonality

文学与经典著作 Literary Works

• Probability and Measure（Patrick Billingsley）——在比较多种收敛方式时讨论 \(L^2\)/均方收敛的地位与性质。
• A Course in Probability Theory（Kai Lai Chung）——介绍随机变量收敛概念体系时涉及均方收敛。
• Stochastic Processes（Sheldon M. Ross）——在随机过程与二次均方性质（如均方连续/均方收敛）相关内容中出现。
• Real Analysis and Probability（R. M. Dudley）——在测度论与概率的结合框架下讨论 \(L^p\) 收敛（含 \(p=2\)）。
• Stochastic Integration and Differential Equations（Philip E. Protter）——在随机积分与鞅的 \(L^2\) 工具中常用到均方收敛表述。