This HTML5 document contains 951 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Subject Item

dbr:Stochastic_process

rdf:type

dbo:Book dbo:Work dbo:WrittenWork owl:NamedIndividual dbr:Collection owl:Thing

rdfs:label

Proces stochastyczny Náhodný proces Випадковий процес 確率過程 Prozesu estokastiko Procés estocàstic Proceso estocástico Stochastisch proces Stochastic process Stokastisk process Processo estocástico عملية تصادفية Случайный процесс 随机过程 Proses stokastik 확률 과정 Processo stocastico Processus stochastique Próiseas randamach Stokastiko Stochastischer Prozess

rdfs:comment

Proces stochastyczny, proces losowy (gr. στοχαστικός (stochastikós) 'będący wynikiem domysłu') – rodzina zmiennych losowych, określonych na pewnej przestrzeni probabilistycznej o wartościach w pewnej przestrzeni mierzalnej. Ogólnie procesem stochastycznym nazywa się funkcję zależną od czasu, której wartości w każdym momencie czasowym są zmiennymi losowymi. Najprostszym przykładem procesu stochastycznego jest wielokrotny rzut monetą: dziedziną funkcji jest zbiór liczb naturalnych (liczba rzutów), natomiast wartością funkcji dla danej liczby jest jeden z dwóch możliwych stanów losowania (zdarzenie), orzeł lub reszka. Nie należy mylić procesu losowego, którego wartości są zdarzeniami losowymi, z funkcją, która zdarzeniom przypisuje wartość prawdopodobieństwa ich wystąpienia (mamy wówczas do c Estatistikan, prozesu estokastikoa zorizko aldagaien bilduma bat da, gehienetan denboran zehar indexaturikoa. Adibidez, egunero ospitale batera sartzen den gaixo kopurua prozesu estokastiko baten bitartez irudika daiteke. Prozesu estokastikoak era matematikoan irudikatzen dira, eredu moduan, eta errealitatean jasotzen diren datuak prozesu horien gauzatzetzat hartzen dira, prozesu estokastikoa zehatzen duten parametroak zenbatesteko besteak beste. Náhodný proces, též stochastický proces, si lze představit jako zobecnění pojmů náhodná veličina a náhodný vektor. Zatímco výsledkem realizace náhodné veličiny je jedno číslo, např. výsledek hodu kostkou, je realizací náhodného procesu funkce nebo řada. Konkrétním příkladem takového náhodného procesu může být například šum – pro každou realizaci jsme schopni popsat pouze pravděpodobnostní charakter šumu. Příkladem náhodného procesu ve více rozměrech může být Brownův pohyb. In matematica, più precisamente nella teoria della probabilità, un processo stocastico (o processo aleatorio) è la versione probabilistica del concetto di sistema dinamico. Un processo stocastico è un insieme ordinato di funzioni reali di un certo parametro (in genere il tempo) che gode di determinate proprietà statistiche. In generale è possibile identificare questo processo come una famiglia con un parametro di variabili casuali reali rappresentanti le trasformazioni dallo stato iniziale allo stato dopo un certo tempo . In termini più precisi questo si basa su una variabile casuale che supera il limite dei numeri reali (come ad esempio, , o spazi funzionali, o successioni di numeri reali). I processi aleatori sono un'estensione del concetto di variabile aleatoria quando viene preso in c 在機率論中，隨機過程（英語：Stochastic process 或 Random process），又称随机函数（英語：Random function），是隨機變數的集合。若一的样本点是随机函数，则称此函数为样本函数，这一随机系统全部样本函数的集合是一个随机过程。实际应用中，样本函数的一般定义在时间域或者。随机过程的实例如股票和汇率的波动、、、体温的变化，随机运动如布朗运动、随机徘徊等等。 Sa bhfisic, próisis a chuimsíonn seicheamh imeachtaí, gan aon bhaint ag toradh imeachta amháin le toradh aon chinn eile. Tugtar próiseas stóchastach air freisin. Ní féidir iad a réamhinsint i gceart. Mar shampla, gluaiseann adamh ar leith atá ag idirleathadh trí ghás ó imbhualadh le hadamh gáis amháin go himbhualadh eile, rud a chruthaíonn conair randamach. Nuair a bhíonn líon ollmhór cáithníní gníomhach i bpróisis randamacha, is féidir a n-iompar a láimhseáil le teicníochtaí staitistiúla. Dalam matematika, khususnya dalam ilmu teori peluang dan statistika, suatu proses stokastik merupakan suatu koleksi peubah acak dengan merupakan suatu parameter atas suatu himpunan indeks (umumnya berkorespondensi dengan suatu unit waktu diskrit dengan himpunan indeks ). Proses stokastik merupakan salah satu cara untuk mengkuantifikasi hubungan antara sekumpulan peristiwa acak. Oleh karena itu, proses stokastik sering kali digunakan dalam memodelkan suatu sistem yang berubah secara acak seiring waktu, misalnya dalam bidang keuangan, biologi, dan lain-lain. Suatu proses stokastik umumnya dinotasikan sebagai atau . La stokastiko estas la scienco de la modeligo kaj analizo de situacioj kun necerteco aŭ hazardo per hazardaj variabloj, kiuj dependas de la tempo. Ĝi estas partita en: Probablo-teoriokalkulo de probabloj baze de probablaj modeloj,Statistikokreado de probablaj modeloj baze de observoj. Een stochastisch proces is een opeenvolging van toevallige uitkomsten. In tegenstelling tot een deterministisch proces zijn de uitkomsten niet van tevoren bekend. Het stochastische proces wordt beschreven door een rij toevalstoestanden en hun bijbehorende simultane kansverdeling. Er is dus geen volledig causaal verband, er is geen sprake van sturing. Dentro da teoria das probabilidades, um processo estocástico é uma família de variáveis aleatórias representando a evolução de um sistema de valores com o tempo. É a contraparte probabilística de um processo determinístico. Ao invés de um processo que possui um único modo de evoluir, como nas soluções de equações diferenciais ordinárias, por exemplo, em um processo estocástico há uma indeterminação: mesmo que se conheça a condição inicial, existem várias, por vezes infinitas, direções nas quais o processo pode evoluir. En la teoría de la probabilidad, un proceso estocástico es un concepto matemático que sirve para representar magnitudes aleatorias que varían con el tiempo o para caracterizar una sucesión de variables aleatorias (estocásticas) que evolucionan en función de otra variable, generalmente el tiempo.​ Cada una de las variables aleatorias del proceso tiene su propia función de distribución de probabilidad y pueden o no estar correlacionadas entre sí. 確率論において、確率過程（かくりつかてい、英語: stochastic process）は、時間など，条件によって変化する確率変数の数理モデルである。株価や為替の変動、ブラウン運動などの粒子のランダムな運動を数学的に記述する模型（モデル）として利用している。不規則過程（英語: random process）とも言う。 確率過程からのサンプリングで得られる系列（実現値）を見本関数（見本過程、経路/パス）という。 확률론에서 확률 과정(確率過程, 영어: stochastic process)은 시간의 진행에 대해 확률적인 변화를 가지는 구조를 의미한다. Ein stochastischer Prozess (auch Zufallsprozess) ist die mathematische Beschreibung von zeitlich geordneten, zufälligen Vorgängen. Die Theorie der stochastischen Prozesse stellt eine wesentliche Erweiterung der Wahrscheinlichkeitstheorie dar und bildet die Grundlage für die stochastische Analysis. Obwohl einfache stochastische Prozesse schon vor langer Zeit studiert wurden, wurde die heute gültige formale Theorie erst Anfang des 20. Jahrhunderts entwickelt, vor allem durch Paul Lévy und Andrei Kolmogorow. In probability theory and related fields, a stochastic (/stoʊˈkæstɪk/) or random process is a mathematical object usually defined as a family of random variables. Stochastic processes are widely used as mathematical models of systems and phenomena that appear to vary in a random manner. Examples include the growth of a bacterial population, an electrical current fluctuating due to thermal noise, or the movement of a gas molecule. Stochastic processes have applications in many disciplines such as biology, chemistry, ecology, neuroscience, physics, image processing, signal processing, control theory, information theory, computer science, cryptography and telecommunications. Furthermore, seemingly random changes in financial markets have motivated the extensive use of stochastic processes in Un processus stochastique ou processus aléatoire (voir Calcul stochastique) ou fonction aléatoire (voir Probabilité) représente une évolution, discrète ou à temps continu, d'une variable aléatoire. Celle-ci intervient dans le calcul classique des probabilités, où elle mesure chaque résultat possible (ou réalisation) d'une épreuve. Cette notion se généralise à plusieurs dimensions. Un cas particulier important, le champ aléatoire de Markov, est utilisé en analyse spatiale. Случа́йный проце́сс (вероятностный процесс, случайная функция, стохастический процесс) в теории вероятностей — семейство случайных величин, индексированных некоторым параметром, чаще всего играющим роль времени или координаты. En stokastisk process är den matematiska beskrivningen av en tidsordnad slumpprocess. Teorin för stokastiska processer har inneburit en betydande utvidgning av sannolikhetsteorin och är grunden för den . Processer som kan beskrivas av en stokastisk process är exempelvis antalet bilar som passerar en viss punkt på motorvägen, antalet kunder i en affär vid en viss tidpunkt, och tillförlitligheten av ett system som består av komponenter. Випадко́вий проце́с (англ. stochastic process) — важливе поняття сучасної теорії ймовірностей. Є певним узагальненням поняття випадкова величина, а саме — це випадкова величина, що змінюється з часом (іншими словами: випадкова величина, що залежить від змінної величини, яку називають час, або іншими словами — це набір випадкових величин, параметризованих величиною T — часом). Розрізняють випадкові процеси з дискретним і неперервним часом. En teoria de probabilitat i generalment en el camp estadístic, un procés aleatori o procés estocàstic és un concepte matemàtic normalment definit com un conjunt de variables aleatòries. Els processos estocàstics s’acostumen a utilitzar com a models matemàtics de sistemes i fenòmens que acostumen a variar de forma aleatòria. Alguns exemples inclourien el creixement d’una població bacteriana, el corrent elèctric que fluctua a causa del soroll tèrmic, o bé el moviment d’una molècula de gas. العملية التصادفية أو العملية العشوائية،، أو الاحتمالية، في نظرية الاحتمالات والمجالات المرتبطة، هي موضوع رياضي يعرف عادةً بوصفه مجموعة من المتغيرات العشوائية. تاريخيًا، ترتبط المتغيرات العشوائية ويُشار إليها بواسطة أرقام محددة، تظهر عادةً بوصفها نقاطًا زمنية، ما يفسر العملية التصادفية المتمثلة بقيم عددية في بعض النظم الاحتمالية المتغيرة بمرور الزمن، مثل النمو البكتيري، وتقلب التيار الكهربي خلال التشويش الحراري، أو حركة جزيئات الغاز.

owl:sameAs

dbpedia-es:Proceso_estocástico dbpedia-fr:Processus_stochastique dbpedia-ja:確率過程 n51:0cvtw dbpedia-zh:随机过程 dbpedia-de:Stochastischer_Prozess dbpedia-nl:Stochastisch_proces dbpedia-pt:Processo_estocástico dbpedia-ar:عملية_تصادفية dbpedia-pl:Proces_stochastyczny dbr:Stochastic_process wd:Q176737 dbpedia-ru:Случайный_процесс dbpedia-it:Processo_stocastico dbpedia-ca:Procés_estocàstic dbpedia-eo:Stokastiko dbpedia-fa:فرایند_تصادفی dbpedia-ga:Próiseas_randamach dbpedia-gl:Proceso_estocástico dbpedia-he:תהליך_סטוכסטי n145:प्रसम्भाव्‍य_प्रक्रम n146:Պատահական_պրոցես dbpedia-kk:Кездейсоқ_процесс n148:ക്രമമില്ലാപ്രക്രിയ dbpedia-ms:Proses_stokastik dbpedia-no:Stokastisk_prosess dbpedia-ro:Proces_stohastic dbpedia-simple:Stochastic_process dbpedia-sk:Stochastický_proces dbpedia-sr:Stohastički_proces n155:Prosés_stokastik dbpedia-tr:Stokastik_süreç dbpedia-vi:Quá_trình_ngẫu_nhiên n159:hy7L dbpedia-cs:Náhodný_proces n163:4057630-9 dbpedia-eu:Prozesu_estokastiko dbpedia-id:Proses_stokastik dbpedia-ko:확률_과정 dbpedia-sv:Stokastisk_process dbpedia-hu:Sztochasztikus_folyamat dbpedia-uk:Випадковий_процес dbpedia-fi:Stokastinen_prosessi dbpedia-et:Juhuslik_protsess dbpedia-af:Stogastiese_proses n173:Procesu_estocásticu dbpedia-bg:Стохастичен_процес n175:দৈব_প্রক্রিয়া

foaf:topic

dbr:Electromagnetic_radiation dbr:Maria_Deijfen dbr:Markov_chains_on_a_measurable_state_space dbr:List_of_research_methods_in_biology dbr:Murad_Taqqu dbr:Markov_chain_approximation_method dbr:Predictability dbr:Traffic dbr:Gaussian_process dbr:Outline_of_academic_disciplines dbr:Matched_filter dbr:Iannis_Xenakis dbr:Wang_and_Landau_algorithm dbr:Psychology dbr:Stochastic_Models dbr:Linear_recurrence_with_constant_coefficients dbr:Onsager–Machlup_function dbr:Progressively_measurable_process dbr:Borell–TIS_inequality dbr:Harmonic_function dbr:Riemann–Stieltjes_integral dbr:Stochastic_forensics dbr:Kriging dbr:Computational_phylogenetics n11:_Kurtz dbr:Pithoprakta dbr:Doob_decomposition_theorem dbr:Visual_Turing_Test dbr:Empirical_process n13: n14: dbr:Yevgenii_Vasilevich_Zolotov dbr:Howard_Carmichael dbr:Ward_Whitt dbr:Sergio_Albeverio dbr:Probability_distribution_of_extreme_points_of_a_Wiener_stochastic_process dbr:Ji-Feng_Zhang dbr:Brownian_model_of_financial_markets dbr:Borel_right_process n15:s_martingale dbr:Function_space n16: dbr:Linear_partial_information dbr:Information_theory dbr:Johan_Paulsson n17: dbr:Doob_martingale dbr:History_of_numerical_solution_of_differential_equations_using_computers dbr:Nina_Gantert dbr:History_of_numerical_weather_prediction n18:s_martingale_inequality dbr:Ornstein–Uhlenbeck_process n19: dbr:Lévy_process dbr:Snell_envelope dbr:Differential_equation dbr:Numerical_weather_prediction dbr:Change_detection dbr:Cross-correlation dbr:Random_field dbr:Stochastic_volatility dbr:Infinite_divisibility dbr:Andrey_Markov n23: n24:s_zero–one_law dbr:Nu-transform dbr:Damir_Filipović dbr:Semimartingale dbr:Dryden_Wind_Turbulence_Model dbr:Kazimierz_Urbanik n26:s_theorem dbr:Multiplicity_of_infection dbr:Stopped_process dbr:Particle_filter dbr:Integral_geometry dbr:Stochastic_differential_equation dbr:Ordinary_least_squares n31:_Dahleh dbr:Multivariate_random_variable dbr:Cellular_model dbr:Indian_Statistical_Institute n33: dbr:David_Colquhoun dbr:Rescaled_range n35: dbr:Weak_selection dbr:Lebesgue–Stieltjes_integration dbr:Puccinellia_howellii n36:s_lemma dbr:Mark_Freidlin dbr:Itô_isometry dbr:Heat_equation dbr:Learning_automaton dbr:Σ-algebra dbr:Subtherapeutic_antibiotic_use_in_swine dbr:Vector_autoregression dbr:Itô_diffusion dbr:Sample-continuous_process dbr:Social_statistics dbr:Functional_principal_component_analysis dbr:Lessingia_germanorum dbr:Nikolay_Bogolyubov dbr:Probability dbr:Stopping_time dbr:Bernoulli_scheme dbr:Brownian_motion dbr:Drift_plus_penalty n38: dbr:Boris_Kerner dbr:Regina_Nuzzo dbr:Wind_wave dbr:Regenerative_process dbr:Predictable_process dbr:Stochastic_processes dbr:Geomagnetic_reversal dbr:Stochastic_dynamic_programming dbr:Local_martingale dbr:Functional_data_analysis dbr:Ergodic_process dbr:Colors_of_noise n43: dbr:Finite-dimensional_distribution dbr:Variance_gamma_process n44:_Wyner dbr:Ergodic_hypothesis dbr:Local_linearization_method dbr:Susanna_Donatelli dbr:Martingale_difference_sequence n45: dbr:Engineer dbr:Polymer_capacitor dbr:Martingale_central_limit_theorem dbr:Algorithmic_information_theory dbr:History_of_randomness dbr:Ladder_height_process dbr:Stratonovich_integral dbr:Gillespie_algorithm dbr:Theory_of_random_functions dbr:List_of_academic_fields dbr:Cauchy_process dbr:Stationary_process dbr:Marine_holobiont n46:_Bartlett dbr:Inversive_congruential_generator dbr:Pi-system dbr:Computer_simulation dbr:Random_pulse_width_modulation n47:_Williams dbr:Jump_diffusion n48:_Thiruvananthapuram dbr:Superprocess dbr:Polymer_scattering dbr:Discrete_phase-type_distribution dbr:Homogeneous_process n50: dbr:Rendleman–Bartter_model dbr:Stochastic_effects dbr:Stochastic_dynamics n52:this dbr:Stochastic_drift dbr:List_of_probability_topics dbr:Discrete-time_stochastic_process dbr:Heterogeneous_process dbr:Climatology dbr:Tantalum_capacitor dbr:Functional_correlation dbr:Indeterminism dbr:Zvi_Wiener dbr:Stochastic_game dbr:Marian_Smoluchowski dbr:Independent_increments n7: dbr:Katja_Lindenberg n55: dbr:Stochastic_chains_with_memory_of_variable_length dbr:Alper_Demir n56: dbr:Feller-continuous_process dbr:Multiple_trace_theory dbr:Random_variable dbr:Pierre-Louis_Lions n57: dbr:Bruce_Hajek dbr:Grzegorz_Rempala dbr:Magda_Peligrad dbr:Table_sharing dbr:Discrete-time_Markov_chain dbr:Kushner_equation dbr:Stochastic_deaths dbr:Discrete-event_simulation dbr:Mathematical_economics dbr:Stochastic_control dbr:William_Feller dbr:List_of_stochastic_processes_topics dbr:Consistent_pricing_process dbr:Drift dbr:Power_law dbr:Stochastic_quantization dbr:Two-state_trajectory dbr:Ensemble_forecasting dbr:Optimal_stopping dbr:Stochastic_transition_function dbr:Single-particle_trajectory dbr:Ira_Longini dbr:Stochastic_system dbr:Stochastic_systems dbr:List_of_atheists_in_music n62:s_distribution dbr:Normal_distribution dbr:Stochastic_models dbr:Stochastic_model dbr:Noise_music dbr:Telescoping_Markov_chain n63: dbr:Alexandra_Bellow dbr:Stochastic_processe dbr:Life-time_of_correlation dbr:Cyclostationary_process n65: dbr:Classical_Wiener_space n66: dbr:Gábor_Szegő dbr:Phase-type_distribution dbr:Extinction_debt dbr:Rumor_spread_in_social_network dbr:Mean_sojourn_time dbr:Akiva_Yaglom dbr:Machine_learning dbr:Bond_option dbr:Moran_process dbr:Regression-kriging dbr:Chris_Heyde dbr:Bálint_Tóth dbr:Kolmogorov–Zurbenko_filter dbr:Autocovariance dbr:John_Gordon_Skellam dbr:Mars dbr:Preferential_attachment dbr:Markov_renewal_process n68:_Doering dbr:Nuisance_variable dbr:Noise-based_logic dbr:Hans_Dekker dbr:Planet dbr:Alison_Etheridge dbr:Applied_probability dbr:Isotropic_measure dbr:List_of_quantitative_analysts dbr:Glossary_of_artificial_intelligence dbr:Kolmogorov_extension_theorem dbr:Inverse_Gaussian_distribution dbr:Kolmogorov_extension dbr:Electrolytic_capacitor dbr:Wiener_filter dbr:Xylosma_parvifolia dbr:Kolmogorov_continuity_theorem dbr:Stevan_Pilipović n72: dbr:Point_Processes dbr:Real-valued_stochastic_process dbr:Michael_Drmota dbr:Nina_Holden dbr:Valuation_of_options dbr:Jyotiprasad_Medhi dbr:Maria_Eulália_Vares n73: dbr:Kosambi–Karhunen–Loève_theorem dbr:History_index_model dbr:Economic_model dbr:Anna_Panorska dbr:Fuzzy_differential_inclusion n74: dbr:Dirichlet_process dbr:Quadratic_variation dbr:Randomization dbr:Repressilator dbr:Stochastic_Processes dbr:Glossary_of_areas_of_mathematics dbr:Ergodic_theory n75:_Bhubaneswar n76:s_decomposition dbr:Obstacle_problem dbr:Background_selection dbr:List_of_statistics_articles n77: dbr:Lone_wolf_attack dbr:Life_annuity dbr:Artificial_neural_network dbr:White_noise dbr:Timeline_of_probability_and_statistics dbr:Adapted_process dbr:Ergodicity_economics dbr:Fabio_Toninelli dbr:Continuity_in_probability n79:_Rodrigues n81: dbr:Wiener_process dbr:Branching_process n84: dbr:Paul_Bressloff dbr:Ernesto_Mordecki dbr:Continuous_stochastic_process dbr:Σ-Algebra_of_τ-past dbr:Paul-André_Meyer dbr:Pi n87:s_theorem dbr:Ofer_Biham n88: dbr:Multivariable_calculus dbr:Bessel_process n89:s_dilemma n90: dbr:Filip_Lundberg dbr:International_Commission_on_Radiological_Protection dbr:Alladi_Ramakrishnan dbr:Galton–Watson_process dbr:David_Nualart dbr:Geometric_Brownian_motion dbr:Connectome dbr:Game_of_chance dbr:Anatolian_hypothesis dbr:Henk_Tijms dbr:Operations_management dbr:Chook_raffle dbr:Bussgang_theorem dbr:Convergence_of_random_variables dbr:Marta_Sanz-Solé dbr:Eugene_Wong dbr:Chapman–Kolmogorov_equation dbr:Outline_of_probability dbr:Cyrus_Derman dbr:Nonlinear_filter dbr:Geomorphology dbr:Run-and-tumble_motion dbr:Daniel_Ocone dbr:Point_process dbr:Russo–Vallois_integral dbr:Cross-spectrum dbr:List_of_named_matrices dbr:Generalized_functional_linear_model dbr:Spectral_density dbr:Applications_of_randomness dbr:Kathy_Ensor n95:_Land dbr:Stochastic dbr:Random_graph dbr:Ergodicity n97: dbr:Reversed_compound_agent_theorem dbr:Short-rate_model dbr:Nonlinear_system_identification dbr:Monte_Carlo_methods_for_option_pricing dbr:Process dbr:Harris_chain dbr:Mathematical_optimization dbr:Unit_root dbr:Stable_process dbr:Mathematical_and_theoretical_biology dbr:Random_modulation dbr:Louis_Bachelier dbr:Random_measure dbr:Stochastic_Process dbr:Compound_Poisson_distribution dbr:Compound_Poisson_process dbr:Generalized_method_of_moments dbr:Gauss–Markov_process n99:_Doob n100:_Papanicolaou dbr:Convolution_power dbr:Additive_process dbr:First-hitting-time_model dbr:Asset_pricing n101:s_theorem dbr:Log-distance_path_loss_model dbr:Itô_calculus dbr:Leaky_bucket dbr:Neutron_transport dbr:Erhan_Çinlar dbr:Leonard_Mirman dbr:Stationary_increments dbr:Increasing_process dbr:Reflected_Brownian_motion n102: dbr:Hidden_Markov_model dbr:Reversible_diffusion dbr:Aad_van_der_Vaart dbr:Leonard_Ornstein dbr:Random_function dbr:Stationary_sequence dbr:Basic_affine_jump_diffusion dbr:Laplace_transform dbr:Branching_random_walk dbr:Chemical_WorkBench dbr:Allopatric_speciation dbr:Distribution_ensemble dbr:Modes_of_variation dbr:Clark–Ocone_theorem dbr:Burst_noise n104: dbr:Random_signal dbr:Parallel_tempering dbr:Stationary_ergodic_process dbr:Excursion_probability dbr:Cellular_noise dbr:Operations_research dbr:Random_tree dbr:Directional-change_intrinsic_time n106: dbr:Burst_suppression dbr:Random_system dbr:Partnerized_inventory_management dbr:Burton_Malkiel dbr:Multifidelity_simulation dbr:Wang_Ming-chen dbr:Grace_Yang dbr:Counting_process n108:_Puha dbr:Girsanov_theorem dbr:Path_dependence dbr:Random_process dbr:Random_processes dbr:Outline_of_formal_science dbr:Covariance_function dbr:Entropy_rate n109: n111: dbr:Ecological_succession n115:_Development_Port_Sunlight_Laboratory dbr:Intensity_of_counting_processes dbr:Stochastic_thermodynamics n117: dbr:Borel–Cantelli_lemma dbr:BKL_singularity dbr:Stochastic_investment_model dbr:Inventory_optimization dbr:Stochastic_calculus dbr:George_Roussas dbr:Subrahmanyan_Chandrasekhar dbr:Andrzej_Kajetan_Wróblewski dbr:Bjarne_Tromborg dbr:Telegraph_process dbr:Outline_of_finance dbr:Steven_Nahmias dbr:Deterministic_system dbr:Actuary dbr:Cross-covariance dbr:Shaw_Prize dbr:Interacting_particle_system dbr:Gittins_index dbr:Stanisław_Trybuła dbr:Chinese_restaurant_process dbr:Kiyosi_Itô dbr:Transition_kernel dbr:PEPA dbr:Statistical_model dbr:Serve-and-volley dbr:Alan_Mercer dbr:Jaap_Wessels dbr:Variogram dbr:Markov_chain dbr:McKean–Vlasov_process dbr:Freidlin–Wentzell_theorem dbr:Indian_buffet_process wikipedia-en:Stochastic_process dbr:List_of_Japanese_inventions_and_discoveries dbr:Vlaardingen dbr:Cindy_Greenwood dbr:Time-dependent_gate_oxide_breakdown dbr:Unscented_optimal_control dbr:Palm_calculus dbr:Sigma-martingale n118: dbr:Pitman–Yor_process dbr:Wilkie_investment_model n126: n127: dbr:Edward_Nelson dbr:Adversarial_queueing_network dbr:Feynman–Kac_formula n129: dbr:Maximal_entropy_random_walk n130: dbr:Gérard_Ben_Arous dbr:Moment_closure dbr:Continuous-time_Markov_chain dbr:Force_spectroscopy dbr:Dynamics_of_Markovian_particles dbr:Lawrence_Schulman dbr:Alan_Agresti dbr:Cell_survival_curve dbr:Mathematical_finance dbr:Dependent_Dirichlet_process dbr:Sylvie_Méléard dbr:De_Broglie–Bohm_theory dbr:Poisson_point_process dbr:Determinantal_point_process n132: dbr:Jan_Hemelrijk dbr:Quantum_Trajectory_Theory dbr:Cassius_Ionescu-Tulcea dbr:Ramanujan_Institute_for_Advanced_Study_in_Mathematics dbr:Econophysics dbr:Erlang_distribution dbr:Directed_percolation dbr:Zhiliang_Ying dbr:Vivek_Borkar dbr:Brownian_excursion n134:_van_Schuppen dbr:Probability_theory dbr:Random_walk dbr:Brownian_bridge dbr:Multimodal_learning dbr:ZPEG dbr:Dynamic_scaling dbr:Markov_Chains_and_Mixing_Times dbr:Time_reversibility dbr:List_of_theorems dbr:Future dbr:Continuous-time_stochastic_process n136: n137:_M–Z n143: dbr:Sequence_analysis_in_social_sciences dbr:Quantum_Zeno_effect dbr:Trend-stationary_process dbr:Chan–Karolyi–Longstaff–Sanders_process dbr:Equation n157:home n160:s_condition dbr:List_of_unsolved_problems_in_physics dbr:Catalog_of_articles_in_probability_theory dbr:David_Bohm n161: dbr:Dynamic_stochastic_general_equilibrium dbr:Signal_processing dbr:Exponential_utility dbr:Markov_property dbr:U-statistic dbr:Steven_Neil_Evans dbr:Geometric_process dbr:Frequency_of_exceedance dbr:Marjorie_Hahn dbr:Von_Kármán_wind_turbulence_model n176: dbr:Asymptotic_equipartition_property dbr:Poisson_random_measure dbr:Gopinath_Kallianpur dbr:Computational_neurogenetic_modeling

foaf:depiction

n78:png n80:svg n82:jpg n83:jpg

wdrs:describedby

n40:Stochastic_control n40:Biology n61:Chemistry n40:James_Clerk_Maxwell n61:Sweden n125:process n61:Finance n135:process n61:Collection

dct:subject

dbc:Statistical_data_types dbc:Telecommunication_theory dbc:Statistical_models dbc:Stochastic_processes dbc:Stochastic_models

dbo:wikiPageID

47895

dbo:wikiPageRevisionID

1124518260

dbo:wikiPageWikiLink

dbr:George_Pólya dbr:Potential_theory dbr:Eugene_Slutsky dbr:Functional_analysis dbr:Carl_Gauss dbr:Filip_Lundberg dbr:Electrical_current dbr:Financial_market n7: dbr:International_Congress_of_Mathematicians dbr:Image_processing dbr:Differential_equation dbr:Norbert_Wiener dbr:Abraham_de_Moivre dbr:Diffusion_equation dbr:Kinetic_theory_of_gases dbr:Random_walk dbr:Karl_Pearson dbr:Chapman–Kolmogorov_equation dbr:Renewal_process dbr:Kalman_filtering dbr:Shizuo_Kakutani dbr:Telecommunications dbr:Percy_Daniell dbr:Paris_Bourse n22: dbr:Finance dbr:Thorvald_Thiele dbr:Anatoliy_Skorokhod dbr:Bayesian_statistics dbr:Mathematical_models n25:_Erlang dbr:Markov_chain dbr:Probability dbr:Probability_space dbr:Stationary_increments dbr:Srinivasa_Varadhan dbr:Wiener_process dbc:Statistical_data_types dbr:Albert_Einstein dbr:List_of_stochastic_processes_topics dbr:Pushforward_measure dbr:Increasing_function dbr:Poisson_process dbr:Cardinality dbr:Jean_Ville dbr:Information_theory dbr:Blaise_Pascal dbr:Mathematical_space dbr:David_Hilbert dbr:Differential_equations dbr:Statistical_model dbr:Neuroscience dbr:William_Feller dbr:United_States dbr:Jakob_Bernoulli n41: dbr:Banach_space dbr:Random_field dbr:Probability_distribution dbr:Axiom dbr:Chemistry dbr:Denmark dbr:Nowhere_differentiable_function dbr:Interacting_particle_system dbr:Random_variable dbr:Randomness dbr:Paris dbr:Bernoulli_trial dbr:Physics dbr:Gas n59: dbr:Wolfgang_Doeblin dbr:Fourier_analysis dbr:Finite_group dbr:Sergei_Bernstein dbr:Leonard_Savage dbr:Markov_process dbr:Abuse_of_notation dbr:Topology dbr:Integer dbr:Sequence dbr:Lévy_process dbr:Signal_processing dbr:Émile_Borel dbr:Continuous-time_stochastic_process dbr:Alexander_Pushkin dbr:Ernest_Rutherford dbr:Stock_exchange dbr:Oxford_English_Dictionary dbr:Marian_Smoluchowski dbr:Computer_science dbr:Gaussian_process dbr:Real_analysis dbr:Function_space dbr:Kolmogorov_continuity_theorem dbr:Kolmogorov_extension_theorem dbr:Manifold dbr:Probability_theory dbr:Harry_Bateman dbr:Set_theory dbr:Unit_interval dbr:Deterministic_system dbr:Continuous_and_discrete_variables dbr:Pierre-Simon_Laplace n69: dbr:Discrete_time_and_continuous_time dbr:Ecology dbr:Biology dbr:Subset dbr:Ars_Conjectandi dbr:Mathematical_analysis dbr:Pafnuty_Chebyshev dbr:Martingale_convergence_theorem dbr:Euclidean_space n50: dbr:Stochastic_calculus dbr:Independent_and_identically_distributed dbr:Entropy_rate dbr:Maurice_Fréchet dbr:English_language dbr:Wendelin_Werner dbr:Measurable dbr:Siméon_Poisson dbr:Poisson_distribution dbr:State_space dbr:Calculus dbr:Jules_Regnault dbr:Iid dbr:Bernoulli_process dbr:Schramm–Loewner_evolution dbr:James_Clerk_Maxwell n92: dbr:Kiyosi_Itô dbr:Hans_Geiger dbr:Joseph_Doob n94:_Erlang dbr:Francis_Edgeworth n14: dbr:Total_order n96: dbr:Thermal_noise dbr:Thesis dbr:Independent_increments dbr:Weak_law_of_large_numbers dbr:Kai_Lai_Chung dbr:Cryptography dbr:Discrete_time dbr:Separable_space dbr:Measure_theory dbr:Statistical_mechanics dbr:Aleksandr_Khinchin dbr:Francis_Galton dbr:Probability_measure dbr:Markov_chain_Monte_Carlo dbr:Infinitely_divisible_distribution dbr:Metric_spaces dbr:Brownian_movement dbr:Integers dbr:Henri_Lebesgue dbr:Bruno_de_Finetti dbr:Ladislaus_Bortkiewicz dbr:Harald_Cramér n107: dbr:Rudolf_Clausius dbr:Josiah_Gibbs dbr:Rough_paths n110:jpg n112:svg n113:jpg n114:tif dbr:Indexed_family dbr:Stochastic_control n118: dbr:Stochastic_cellular_automaton dbr:Cartesian_plane n119: dbr:Tatyana_Ehrenfest dbr:Ludwig_Boltzmann dbr:Cartesian_power n121:png dbr:Iosif_Gikhman dbr:Sigma-algebra dbr:Mean dbr:Paul_Ehrenfest dbr:Continuous_function dbr:Sweden dbr:Bounded_function dbr:Stochastic_processes_and_boundary_value_problems n124:s_theorem dbr:Stationary_process dbr:Real_line dbc:Stochastic_models dbc:Stochastic_processes dbr:Martin_Hairer n128:s_problems dbr:Natural_numbers dbr:Normally_distributed dbr:Molecule dbr:Sample_space dbr:Problem_of_points n131:s_ruin dbr:Central_limit_theorem dbr:Gerolamo_Cardano n102: dbr:Branching_process dbr:World_War_II n133:_Donsker dbr:Eugene_Onegin dbr:Integrals dbr:Dynamics_of_Markovian_particles dbr:Linear_algebra dbr:Random_walks dbr:Jean_Perrin dbr:Andrei_Kolmogorov dbr:Louis_Bachelier dbr:Continuous_time dbr:Gillespie_algorithm dbr:Gilbert_Hunt dbr:Pierre_Fermat dbr:Fields_Medal dbr:Mathematical_object dbr:Covariance_function dbr:Ergodic_process dbr:Andrey_Markov dbr:Paul-André_Meyer dbr:Greek_language dbr:Jackob_Bernoulli dbr:Irénée-Jules_Bienaymé dbr:Henry_William_Watson dbr:Bacteria dbr:Almost_surely

dbo:wikiPageExternalLink

n8:Joseph n20:Springer n34:Oxford n42:Springer n91:John n93:2010 n103:Courier n120: n123:Courier

dct:isPartOf

n54:target

foaf:isPrimaryTopicOf

wikipedia-en:Stochastic_process

skos:closeMatch

n10:15225-1 n12:stochastic-networks

prov:wasDerivedFrom

n71:0

n53:hypernym

dbr:Collection

dbo:abstract

Ein stochastischer Prozess (auch Zufallsprozess) ist die mathematische Beschreibung von zeitlich geordneten, zufälligen Vorgängen. Die Theorie der stochastischen Prozesse stellt eine wesentliche Erweiterung der Wahrscheinlichkeitstheorie dar und bildet die Grundlage für die stochastische Analysis. Obwohl einfache stochastische Prozesse schon vor langer Zeit studiert wurden, wurde die heute gültige formale Theorie erst Anfang des 20. Jahrhunderts entwickelt, vor allem durch Paul Lévy und Andrei Kolmogorow. Náhodný proces, též stochastický proces, si lze představit jako zobecnění pojmů náhodná veličina a náhodný vektor. Zatímco výsledkem realizace náhodné veličiny je jedno číslo, např. výsledek hodu kostkou, je realizací náhodného procesu funkce nebo řada. Konkrétním příkladem takového náhodného procesu může být například šum – pro každou realizaci jsme schopni popsat pouze pravděpodobnostní charakter šumu. Příkladem náhodného procesu ve více rozměrech může být Brownův pohyb. 在機率論中，隨機過程（英語：Stochastic process 或 Random process），又称随机函数（英語：Random function），是隨機變數的集合。若一的样本点是随机函数，则称此函数为样本函数，这一随机系统全部样本函数的集合是一个随机过程。实际应用中，样本函数的一般定义在时间域或者。随机过程的实例如股票和汇率的波动、、、体温的变化，随机运动如布朗运动、随机徘徊等等。 In probability theory and related fields, a stochastic (/stoʊˈkæstɪk/) or random process is a mathematical object usually defined as a family of random variables. Stochastic processes are widely used as mathematical models of systems and phenomena that appear to vary in a random manner. Examples include the growth of a bacterial population, an electrical current fluctuating due to thermal noise, or the movement of a gas molecule. Stochastic processes have applications in many disciplines such as biology, chemistry, ecology, neuroscience, physics, image processing, signal processing, control theory, information theory, computer science, cryptography and telecommunications. Furthermore, seemingly random changes in financial markets have motivated the extensive use of stochastic processes in finance. Applications and the study of phenomena have in turn inspired the proposal of new stochastic processes. Examples of such stochastic processes include the Wiener process or Brownian motion process, used by Louis Bachelier to study price changes on the Paris Bourse, and the Poisson process, used by A. K. Erlang to study the number of phone calls occurring in a certain period of time. These two stochastic processes are considered the most important and central in the theory of stochastic processes, and were discovered repeatedly and independently, both before and after Bachelier and Erlang, in different settings and countries. The term random function is also used to refer to a stochastic or random process, because a stochastic process can also be interpreted as a random element in a function space. The terms stochastic process and random process are used interchangeably, often with no specific mathematical space for the set that indexes the random variables. But often these two terms are used when the random variables are indexed by the integers or an interval of the real line. If the random variables are indexed by the Cartesian plane or some higher-dimensional Euclidean space, then the collection of random variables is usually called a random field instead. The values of a stochastic process are not always numbers and can be vectors or other mathematical objects. Based on their mathematical properties, stochastic processes can be grouped into various categories, which include random walks, martingales, Markov processes, Lévy processes, Gaussian processes, random fields, renewal processes, and branching processes. The study of stochastic processes uses mathematical knowledge and techniques from probability, calculus, linear algebra, set theory, and topology as well as branches of mathematical analysis such as real analysis, measure theory, Fourier analysis, and functional analysis. The theory of stochastic processes is considered to be an important contribution to mathematics and it continues to be an active topic of research for both theoretical reasons and applications. 確率論において、確率過程（かくりつかてい、英語: stochastic process）は、時間など，条件によって変化する確率変数の数理モデルである。株価や為替の変動、ブラウン運動などの粒子のランダムな運動を数学的に記述する模型（モデル）として利用している。不規則過程（英語: random process）とも言う。 確率過程からのサンプリングで得られる系列（実現値）を見本関数（見本過程、経路/パス）という。 Estatistikan, prozesu estokastikoa zorizko aldagaien bilduma bat da, gehienetan denboran zehar indexaturikoa. Adibidez, egunero ospitale batera sartzen den gaixo kopurua prozesu estokastiko baten bitartez irudika daiteke. Prozesu estokastikoak era matematikoan irudikatzen dira, eredu moduan, eta errealitatean jasotzen diren datuak prozesu horien gauzatzetzat hartzen dira, prozesu estokastikoa zehatzen duten parametroak zenbatesteko besteak beste. Випадко́вий проце́с (англ. stochastic process) — важливе поняття сучасної теорії ймовірностей. Є певним узагальненням поняття випадкова величина, а саме — це випадкова величина, що змінюється з часом (іншими словами: випадкова величина, що залежить від змінної величини, яку називають час, або іншими словами — це набір випадкових величин, параметризованих величиною T — часом). Розрізняють випадкові процеси з дискретним і неперервним часом. Випадкові процеси широко застосовуються в багатьох галузях науки і техніки. Теорія випадкових процесів має велике значення для сучасної фінансової та актуарної математики. Случа́йный проце́сс (вероятностный процесс, случайная функция, стохастический процесс) в теории вероятностей — семейство случайных величин, индексированных некоторым параметром, чаще всего играющим роль времени или координаты. Een stochastisch proces is een opeenvolging van toevallige uitkomsten. In tegenstelling tot een deterministisch proces zijn de uitkomsten niet van tevoren bekend. Het stochastische proces wordt beschreven door een rij toevalstoestanden en hun bijbehorende simultane kansverdeling. Er is dus geen volledig causaal verband, er is geen sprake van sturing. De uitkomsten van een stochastisch proces worden ook wel de toestanden van het proces genoemd. De toestand van het proces in het punt (op het tijdstip) kan dan worden voorgesteld door de stochastische variabele of (niet noodzakelijk reëelwaardig). Daarin doorloopt een tijdsinterval, een ruimtelijke of eventueel een andere verzameling. Voorbeelden zijn toevalsbewegingen, de brownse beweging en wachtrijen in de wachtrijtheorie. Verder worden schommelingen van de beurs en wisselkoersen soms gemodelleerd als stochastisch proces. Voorbeelden met een ruimtelijk domein zijn statische beelden, willekeurige topografieën (landschappen) en variaties in de samenstelling van niet-homogene materialen. Dentro da teoria das probabilidades, um processo estocástico é uma família de variáveis aleatórias representando a evolução de um sistema de valores com o tempo. É a contraparte probabilística de um processo determinístico. Ao invés de um processo que possui um único modo de evoluir, como nas soluções de equações diferenciais ordinárias, por exemplo, em um processo estocástico há uma indeterminação: mesmo que se conheça a condição inicial, existem várias, por vezes infinitas, direções nas quais o processo pode evoluir. Em casos de tempo discreto, em oposição ao tempo contínuo, o processo estocástico é uma sequência de variáveis aleatórias, como por exemplo uma cadeia de Markov. As variáveis correspondentes aos diversos tempos podem ser completamente diferentes, o único requisito é que esses valores diferentes estejam todos no mesmo espaço, isto é, no contradomínio da função. Uma abordagem possível é modelar as variáveis aleatórias como funções aleatórias de um ou vários argumentos determinísticos, na maioria dos casos, em relação ao parâmetro do tempo. Apesar de os valores aleatórios de um processo estocástico em momentos diferentes parecerem variáveis aleatórias independentes, nas situações mais comuns, eles exibem uma complexa dependência estatística. Exemplo de processos estocásticos incluem flutuações nos mercados de ações e nas taxas de câmbio, dados médicos como temperatura, pressão sanguínea e variações nos potenciais elétricos do cérebro registrados em um eletroencefalograma, fluxo turbulento de um líquido ou gás, variações no campo magnético da Terra, mudanças aleatórias no nível de sinais de rádio sintonizados na presença de distúrbios meteorológicos, flutuação da corrente em um circuito elétrico na presença de ruído térmico, movimentos aleatórios como o movimento Browniano ou passeios aleatórios, entre outros. Uma generalização de um processo estocástico, o campo aleatório é definido ao permitir que as variáveis sejam parametrizadas por membros de um espaço topológico ao invés do tempo. Exemplos de campos aleatórios incluem imagens de estática, topografia, ondas de superfície e variações na composição de um material heterogêneo. Mais genericamente, seguindo Kac e Nelson, qualquer tipo de evolução temporal, determinística ou essencialmente probabilística, que seja analisável em termos de probabilidade pode ser chamada de processo estocástico. En la teoría de la probabilidad, un proceso estocástico es un concepto matemático que sirve para representar magnitudes aleatorias que varían con el tiempo o para caracterizar una sucesión de variables aleatorias (estocásticas) que evolucionan en función de otra variable, generalmente el tiempo.​ Cada una de las variables aleatorias del proceso tiene su propia función de distribución de probabilidad y pueden o no estar correlacionadas entre sí. Cada variable o conjunto de variables sometidas a influencias o efectos aleatorios constituye un proceso estocástico. Un proceso estocástico puede entenderse como una familia uniparamétrica de variables aleatorias indexadas mediante el tiempo t. Los procesos estocásticos permiten tratar procesos dinámicos en los que hay cierta aleatoriedad. Sa bhfisic, próisis a chuimsíonn seicheamh imeachtaí, gan aon bhaint ag toradh imeachta amháin le toradh aon chinn eile. Tugtar próiseas stóchastach air freisin. Ní féidir iad a réamhinsint i gceart. Mar shampla, gluaiseann adamh ar leith atá ag idirleathadh trí ghás ó imbhualadh le hadamh gáis amháin go himbhualadh eile, rud a chruthaíonn conair randamach. Nuair a bhíonn líon ollmhór cáithníní gníomhach i bpróisis randamacha, is féidir a n-iompar a láimhseáil le teicníochtaí staitistiúla. La stokastiko estas la scienco de la modeligo kaj analizo de situacioj kun necerteco aŭ hazardo per hazardaj variabloj, kiuj dependas de la tempo. Ĝi estas partita en: Probablo-teoriokalkulo de probabloj baze de probablaj modeloj,Statistikokreado de probablaj modeloj baze de observoj. Dalam matematika, khususnya dalam ilmu teori peluang dan statistika, suatu proses stokastik merupakan suatu koleksi peubah acak dengan merupakan suatu parameter atas suatu himpunan indeks (umumnya berkorespondensi dengan suatu unit waktu diskrit dengan himpunan indeks ). Proses stokastik merupakan salah satu cara untuk mengkuantifikasi hubungan antara sekumpulan peristiwa acak. Oleh karena itu, proses stokastik sering kali digunakan dalam memodelkan suatu sistem yang berubah secara acak seiring waktu, misalnya dalam bidang keuangan, biologi, dan lain-lain. Suatu proses stokastik umumnya dinotasikan sebagai atau . En teoria de probabilitat i generalment en el camp estadístic, un procés aleatori o procés estocàstic és un concepte matemàtic normalment definit com un conjunt de variables aleatòries. Els processos estocàstics s’acostumen a utilitzar com a models matemàtics de sistemes i fenòmens que acostumen a variar de forma aleatòria. Alguns exemples inclourien el creixement d’una població bacteriana, el corrent elèctric que fluctua a causa del soroll tèrmic, o bé el moviment d’una molècula de gas. Els processos estocàstics tenen moltes aplicacions en diversos camps, com ara la biologia, l'ecologia, la informàtica, la neurociència, la química i moltes altres. En especial es podria mencionar el seu impacte en el sector financer després de veure grans canvis aleatoris en els mercats d’aquest sector. 확률론에서 확률 과정(確率過程, 영어: stochastic process)은 시간의 진행에 대해 확률적인 변화를 가지는 구조를 의미한다. In matematica, più precisamente nella teoria della probabilità, un processo stocastico (o processo aleatorio) è la versione probabilistica del concetto di sistema dinamico. Un processo stocastico è un insieme ordinato di funzioni reali di un certo parametro (in genere il tempo) che gode di determinate proprietà statistiche. In generale è possibile identificare questo processo come una famiglia con un parametro di variabili casuali reali rappresentanti le trasformazioni dallo stato iniziale allo stato dopo un certo tempo . In termini più precisi questo si basa su una variabile casuale che supera il limite dei numeri reali (come ad esempio, , o spazi funzionali, o successioni di numeri reali). I processi aleatori sono un'estensione del concetto di variabile aleatoria quando viene preso in considerazione anche il parametro tempo. العملية التصادفية أو العملية العشوائية،، أو الاحتمالية، في نظرية الاحتمالات والمجالات المرتبطة، هي موضوع رياضي يعرف عادةً بوصفه مجموعة من المتغيرات العشوائية. تاريخيًا، ترتبط المتغيرات العشوائية ويُشار إليها بواسطة أرقام محددة، تظهر عادةً بوصفها نقاطًا زمنية، ما يفسر العملية التصادفية المتمثلة بقيم عددية في بعض النظم الاحتمالية المتغيرة بمرور الزمن، مثل النمو البكتيري، وتقلب التيار الكهربي خلال التشويش الحراري، أو حركة جزيئات الغاز. تُستخدم العمليات العشوائية بتوسع بوصفها نماذج رياضية للأنظمة والظواهر التي تظهر تفاوتًا في نمط العشوائية. وفي أنظمة عديدة تتضمن علوم الأحياء والكيمياء وعلوم البيئة والعلوم العصبية والفيزياء والتكنولوجيا، ومجالات الهندسة مثل المعالجة التصويرية، ومعالجة الإشارة ونظرية المعلومات وعلم الحاسوب وعلم التعمية والاتصالات. أيضًا تطبق العشوائية في الأسواق المالية التي تحفز الاستخدام الواسع للعملية العشوائية في التمويل. أدت تطبيقات الظاهرة ودراستها إلى اقتراح عمليات عشوائية جديدة، مثل عملية فينر والحركة البراونية، التي استخدمها لوي باشوليي لدراسة تغيرات الأسعار في بورصة باريس، وعملية بواسون، التي استخدمها إي. كي. إيرلنغ لدراسة أرقام الاتصالات الهاتفية التي تحدث في فترة معينة. هاتان العمليتان هما الأهم في نظرية العملية التصادفية، وقد اكتُشفتا مرارًا، قبل وبعد باشيليه وإيرلنغ. يُستخدم مُصطلح العمل العشوائي للإشارة إلى العملية التصادفية أو الاحتمالية، إذ تُفسر العملية التصادفية بأنها عنصر عشوائي في مجال الدالة. يُستخدم مصطلحا العملية التصادفية والاحتمالية بالتبادل، غالبًا في المجال الرياضي غير المحدد، للإشارة إلى المتغيرات العشوائية. يُستخدم هذان المصطلحان عندما يُشار إلى المتغيرات العشوائية بواسطة أعداد صحيحة أو فاصلة للخط الحقيقي. أما عندما يُشار إلى المتغيرات العشوائية بواسطة التصميم الديكارتي أو الفضاء الإقليدي متعدد الأبعاد، يُطلق حينها على مجموعة التغيرات العشوائية اسم المجال العشوائي. ليست قيم العملية التصادفية أرقامًا دائمًا، بل قد تكون قوى موجهة أو كائن رياضي آخر. استنادًا إلى الخصائص الرياضية، تُصنف العملية التصادفية إلى فئات متعددة، تتضمن الاختيار التجريبي والمراهنات وعملية ماركوف وعملية ليفاي والعمليات الغاوسية والمجالات العشوائية وعملية التجديد. تستخدم دراسة العملية التصادفية علم الرياضيات وتقنيات من الاحتمالية وحساب التفاضل والتكامل والجبر الخطي ونظرية المجموعات وعلم البدائل. كما هو الحال في فروع التحليل الرياضي والتحليل الحقيقي والنظرية القياسية وتحليل فورييه والتحليل العملي. تُعَد نظرية العملية التصادفية مساهمةً مهمة في الرياضيات، وتمثل باستمرار موضوعًا فعالًا لبحث الأسباب النظرية والتطبيقات. Un processus stochastique ou processus aléatoire (voir Calcul stochastique) ou fonction aléatoire (voir Probabilité) représente une évolution, discrète ou à temps continu, d'une variable aléatoire. Celle-ci intervient dans le calcul classique des probabilités, où elle mesure chaque résultat possible (ou réalisation) d'une épreuve. Cette notion se généralise à plusieurs dimensions. Un cas particulier important, le champ aléatoire de Markov, est utilisé en analyse spatiale. Proces stochastyczny, proces losowy (gr. στοχαστικός (stochastikós) 'będący wynikiem domysłu') – rodzina zmiennych losowych, określonych na pewnej przestrzeni probabilistycznej o wartościach w pewnej przestrzeni mierzalnej. Ogólnie procesem stochastycznym nazywa się funkcję zależną od czasu, której wartości w każdym momencie czasowym są zmiennymi losowymi. Najprostszym przykładem procesu stochastycznego jest wielokrotny rzut monetą: dziedziną funkcji jest zbiór liczb naturalnych (liczba rzutów), natomiast wartością funkcji dla danej liczby jest jeden z dwóch możliwych stanów losowania (zdarzenie), orzeł lub reszka. Nie należy mylić procesu losowego, którego wartości są zdarzeniami losowymi, z funkcją, która zdarzeniom przypisuje wartość prawdopodobieństwa ich wystąpienia (mamy wówczas do czynienia z rozkładem gęstości prawdopodobieństwa). W praktyce dziedziną, na której zdefiniowana jest funkcja, jest najczęściej przedział czasowy (taki proces stochastyczny nazywany jest szeregiem czasowym) lub obszar przestrzeni (wtedy nazywany jest ). Jako przykłady szeregów czasowych można podać: fluktuacje giełdowe, sygnały, takie jak mowa, dźwięk i wideo, dane medyczne takie jak EKG i EEG, ciśnienie krwi i temperatura ciała, losowe ruchy takie jak ruchy Browna. Przykładami pól losowych są statyczne obrazy, losowe krajobrazy i układ składników w niejednorodnych materiałach. En stokastisk process är den matematiska beskrivningen av en tidsordnad slumpprocess. Teorin för stokastiska processer har inneburit en betydande utvidgning av sannolikhetsteorin och är grunden för den . Processer som kan beskrivas av en stokastisk process är exempelvis antalet bilar som passerar en viss punkt på motorvägen, antalet kunder i en affär vid en viss tidpunkt, och tillförlitligheten av ett system som består av komponenter.

dbo:thumbnail

n32:300

dbo:wikiPageLength

166202

dbp:wikiPageUsesTemplate

dbt:Rp dbt:Efn dbt:Cite_book dbt:Authority_control dbt:Short_description dbt:Columns-list dbt:Probability_fundamentals dbt:Reflist dbt:Further_cleanup dbt:Industrial_and_applied_mathematics dbt:Notelist dbt:Commons_category-inline dbt:IPAc-en dbt:Color dbt:Main dbt:Cite_journal dbt:Stochastic_processes