Теория случайных процессов

Теория случайных процессов — это раздел теории вероятностей, изучающий математические модели случайных явлений, развивающихся во времени или пространстве. В отличие от классической теории вероятностей, которая рассматривает фиксированные случайные величины, теория случайных процессов описывает эволюцию систем, состояние которых меняется случайным образом. Такие процессы широко применяются в физике, биологии, экономике, технике и других областях для моделирования шумов, флуктуаций, сигналов, финансовых рынков и природных явлений.

Основные понятия

Определение

Случайный процесс (стохастический процесс) — это семейство случайных величин \(\{X_t, t \in T\}\), индексированных параметром \(t\), который обычно интерпретируется как время. Множество \(T\) называется индексным множеством; если \(T\) — дискретное множество (например, натуральные числа), процесс называется процессом с дискретным временем; если \(T\) — непрерывный интервал (например, отрезок вещественной оси), — процессом с непрерывным временем. Пространство значений случайной величины \(X_t\) называется фазовым пространством; оно может быть конечным, счётным или непрерывным.

Реализация и траектория

Каждое конкретное исходное событие (элементарный исход) порождает функцию \(x(t)\), называемую реализацией или траекторией процесса. Совокупность всех возможных реализаций образует ансамбль. Изучение статистических свойств ансамбля (например, средних значений, корреляций) составляет основу анализа случайных процессов.

Характеристики

Основные числовые характеристики случайного процесса:

• Математическое ожидание: \(m(t) = E[X_t]\) — среднее значение процесса в момент \(t\).
• Корреляционная функция: \(K(t_1, t_2) = E[(X_{t_1} - m(t_1))(X_{t_2} - m(t_2))]\) — мера зависимости значений процесса в разные моменты времени.
• Дисперсия: \(D(t) = K(t, t)\) — разброс значений относительно среднего.

Для стационарных процессов (см. ниже) корреляционная функция зависит только от разности времен \(\tau = t_2 - t_1\), что упрощает анализ.

Классификация

По типу времени и состояний

• Дискретные процессы (цепи): время принимает дискретные значения, состояния могут быть дискретными или непрерывными. Пример: цепь Маркова.
• Непрерывные процессы: время непрерывно, состояния могут быть дискретными (например, процесс Пуассона) или непрерывными (броуновское движение).

По свойствам вероятностных распределений

• Марковские процессы: будущее зависит от прошлого только через настоящее (отсутствие последействия). Класс включает цепи Маркова и диффузионные процессы.
• Гауссовские процессы: все конечномерные распределения являются многомерными гауссовскими. Пример: винеровский процесс.
• Стационарные процессы: вероятностные характеристики (среднее, корреляция) не зависят от времени. Различают стационарность в узком смысле (неизменность всех конечномерных распределений) и в широком (постоянство среднего и корреляции).

По структуре

• Процессы с независимыми приращениями: приращения \(X_{t_2} - X_{t_1}\) для непересекающихся интервалов независимы. Примеры: винеровский процесс, процесс Пуассона.
• Винеровский процесс (броуновское движение): непрерывный гауссовский процесс с независимыми приращениями, нулевым средним и дисперсией приращений, пропорциональной времени. Фундаментальная модель в стохастическом анализе.
• Процессы Леви: обобщение винеровского процесса, допускающее скачки (например, составной пуассоновский процесс).

История развития

Зарождение теории связано с работами российских математиков. В 1905 году А. А. Марков ввёл понятие цепи с зависимостью, позже названной марковской цепью. В 1920—1930-х годах А. Н. Колмогоров заложил аксиоматическую основу теории вероятностей и сформулировал основные уравнения для диффузионных процессов (прямое и обратное уравнения Колмогорова).

В 1930-е годы А. Я. Хинчин и В. И. Романовский разработали теорию стационарных процессов, включая теорему о представлении корреляционной функции. В 1940—1950-х годах Н. Н. Ченцов, Ю. В. Прохоров и А. В. Скороход внесли вклад в теорию сходимости мер и топологию пространств траекторий.

В западной науке важную роль сыграли работы Н. Винера (корреляционный анализ), П. Леви (процессы Леви) и К. Ито (стохастическое исчисление). В 1960-е годы Р. Добрушин и Б. Мандельброт расширили теорию на случай дробного броуновского движения и фрактальных структур.

Применение

Физика

Моделирование броуновского движения, флуктуаций в электрических цепях (тепловой шум), случайных процессов в квантовой механике (случайные эволюции).

Биология

Описание популяционных изменений (процессы рождения-гибели), распространения эпидемий (марковские модели), работы нейронов (процесс Леви).

Финансовая математика

Моделирование цен активов (геометрическое броуновское движение), оценка опционов (модель Блэка — Шоулза), управление рисками.

Техника

Анализ сигналов, теория связи (моделирование шумов), обработка изображений, ракетно-космическая техника (случайные нагрузки).

Экономика

Изучение экономических циклов, прогнозирование спроса, моделирование инфляции.

Интересные факты

• Эргодическая гипотеза: для некоторых стационарных процессов среднее по времени от одной реализации равно среднему по ансамблю. Это свойство используется в статистической физике.
• Фрактальные процессы: дробное броуновское движение обладает самоподобием — его статистические свойства не меняются при масштабировании времени.
• Стохастические дифференциальные уравнения: описывают процессы, где детерминированное изменение дополняется случайным шумом (например, уравнение Ланжевена).
• Теорема Дуба — Мейера: любой мартингал (специальный класс случайных процессов) может быть разложен на предсказуемую и нелинейную части.

Критика и ограничения

Основные математические трудности связаны с бесконечномерными распределениями и вопросами измеримости. На практике часто требуется усечение моделей (например, замена бесконечного времени на конечный отрезок). Для нестационарных и долгосрочных процессов (например, экономических кризисов) классические модели могут быть неадекватны из-за нелинейностей и разрывов.

Источники

• Колмогоров А. Н. «Основные понятия теории вероятностей». — М.: Наука, 1974.
• Хинчин А. Я. «Теория корреляции стационарных стохастических процессов». — Успехи математических наук, 1938.
• Ширяев А. Н. «Вероятность». — М.: Наука, 1989.
• Гихман И. И., Скороход А. В. «Введение в теорию случайных процессов». — М.: Наука, 1977.
• Розанов Ю. А. «Случайные процессы». — М.: Наука, 1979.