Stohastiskās diferenciālvienādojumi (SDV)
Stohastiskās diferenciālvienādojumi (SDV) ir diferenciālvienādojumu modeļi, kas apvieno deterministisku dreifa locekli — nosakot sistēmas vidējo tendenci — ar stohastisku difūzijas locekli, ko darbina Vīnera process (Braunijas kustība). SDV, ko 1944. gadā aizsāka Kijosi Ito ar Ito kalkulu un 1992. gadā visaptveroši numeriski apstrādāja Klodens un Platens, ir standarta modelēšanas valoda nepārtraukta laika sistēmām, kas pakļautas nejaušam troksnim, tostarp finanšu aktīvu cenām, populācijas dinamikai un fizikālajiem procesiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Øksendal, B. (2003). Stochastic Differential Equations: An Introduction with Applications (6th ed.). Springer. DOI: 10.1007/978-3-642-14394-6 ↗
- Kloeden, P.E. & Platen, E. (1992). Numerical Solution of Stochastic Differential Equations. Springer. DOI: 10.1007/978-3-662-12616-5 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Stochastic Differential Equations (SDEs). ScholarGate. https://scholargate.app/lv/simulation/stochastic-differential-equations
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Aģentu modelēšana (ABM)Simulācija↔ compare
- Beijesiskā inferenceStatistika↔ compare
- Markov Chain Monte Carlo (MCMC)Simulācija↔ compare
- Monte Carlo simulācijaLēmumu pieņemšana↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →