Equações Diferenciais Estocásticas (EDEs)
Equações diferenciais estocásticas (EDEs) são modelos de equações diferenciais que combinam um termo de deriva determinístico — que governa a tendência média de um sistema — com um termo de difusão estocástico impulsionado por um processo de Wiener (movimento Browniano). Pioneiradas através do cálculo de Itô por Kiyosi Itô em 1944 e recebendo um tratamento numérico abrangente por Kloeden e Platen em 1992, as EDEs são a linguagem de modelagem padrão para sistemas de tempo contínuo sujeitos a ruído aleatório, incluindo preços de ativos financeiros, dinâmicas populacionais e processos físicos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Stochastic Differential Equations (SDEs). ScholarGate. https://scholargate.app/pt/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.
- Modelagem Baseada em Agentes (ABM)Simulação↔ compare
- Inferência BayesianaEstatística↔ compare
- Markov Chain Monte Carlo (MCMC)Simulação↔ compare
- Simulação de Monte CarloTomada de decisão↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →