Convergence in measure(按测度收敛)是测度论与概率论中的一种收敛概念:在给定测度空间上,函数列 \(f_n\) 以测度意义收敛到 \(f\),指对任意 \(\varepsilon>0\),满足
\[
\mu\big(\{x:\ |f_n(x)-f(x)|>\varepsilon\}\big)\to 0 \quad (n\to\infty).
\]
直观地说:当 \(n\) 越来越大时,“偏差超过 \(\varepsilon\)”的那部分点集所占的“测度大小”趋近于零。
/kənˈvɝːdʒəns ɪn ˈmɛʒɚ/
A sequence of functions may converge in measure without converging pointwise.
一列函数可能按测度收敛,但不逐点收敛。
In a finite measure space, convergence in measure often pairs with subsequence arguments to obtain almost everywhere convergence.
在有限测度空间中,按测度收敛常与取子列的论证结合,用来推出“几乎处处收敛”。
convergence来自拉丁语 convergere(“汇聚到一起”),由 *con-*(“共同”)+ vergere(“转向、倾向”)构成;measure在数学语境中指“测度”,即对集合“大小”的抽象刻画。因此 convergence in measure 字面意思就是“在测度意义下的汇聚/收敛”,强调误差集合的测度趋于零。