本学位论文首先介绍了实数空间中的模糊数概念，接着获得了模糊数序列的一个极限定理。在学位论文的后续章节中，作者着眼于将模糊统计有关理论应用于经济预测与决策，提出很多实用的经济预测与决策模糊模型方法。 极限理论是随机分析中重要的内容之一，因此在学位论文第一章，作者主要探讨了实数空间中模糊数序列收敛的一个大数定律。 本学位论文在第二章将模糊数学与概率统计结合，建立模糊马尔可夫链预测模型，建立了模糊转移矩阵，并用它来预测银行贷款状态的变化趋势。 本学位论文的第三章将模糊综合评判用于经济现象的模糊统计分析，并用模糊聚类和灰色关联度分析结合起来进行统计分组与智能决策。接着第四章将力求在不确定风险型的贝叶斯统计决策模型中引入证据信息，并通过实例表明我们提出的基于模糊证据理论的贝叶斯统计决策方法是有效的。 本论文第五章还提出了在风险型不确定决策系统中当自然约束状态条件以Vague集形式描述时，在信息源已知情况下的贝叶斯统计决策模型。 在学位论文第六章，通过层次分析法借助因素状态空间中各因素变量对结论因素作用影响的不同，给出了一种基于统计赋权的特征系数权重确定法，从而提出一种广义特征合成推理的经济预测模型方法。 在学位论文的最后，作者针对大量存在的多目标决策问题，基于模糊集理论还提出了模糊相似选择阵法，模糊综合评判，模糊相对隶属度三种方法；并用综合接近度这一方法来进行模糊模式决策分类。