Convergence in mean은 확률론과 통계학에서 매우 중요한 위치를 차지하는 전문 용어로, 확률 변수들의 수열이 특정한 한 점이나 다른 확률 변수로 가까워지는 양상을 설명합니다. 한국어로는 주로 '평균 수렴'이라고 번역하며, 수학적으로는 확률 변수 간의 차이에 대한 기댓값(평균)이 0으로 수렴하는 상태를 의미합니다. 이 개념은 단순히 값이 하나로 모이는 것을 넘어, 전체적인 오차의 평균적인 크기가 사라진다는 통계적 안정성을 강조합니다. 주로 대학 수준의 통계학, 계량 경제학, 혹은 인공지능의 학습 알고리즘을 분석할 때 등장하며, 일상적인 대화보다는 학술적이고 기술적인 문맥에서 사용됩니다. 다른 수렴 개념인 '확률 수렴(convergence in probability)'이나 '거의 확실한 수렴(almost sure convergence)'과 비교하여 그 강도와 조건을 공부하는 것이 일반적입니다. 데이터 과학이나 금융 공학 분야에서 모델의 예측값이 실제값에 얼마나 안정적으로 근접하는지를 수학적으로 증명할 때 필수적으로 사용되는 표현입니다.