Stokastiska differentialekvationer (SDE)
Stokastiska differentialekvationer (SDE) är differentialekvationmodeller som kombinerar en deterministisk driftterm — som styr systemets genomsnittliga tendens — med en stokastisk diffusionsterm driven av en Wienerprocess (Brownsk rörelse). SDE:er, som pionjärades genom Itô-kalkyl av Kiyosi Itô 1944 och fick en omfattande numerisk behandling av Kloeden och Platen 1992, är det standardmässiga modelleringsspråket för kontinuerliga tidssystem som utsätts för slumpmässigt brus, inklusive priser på finansiella tillgångar, populationsdynamik och fysikaliska processer.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Stochastic Differential Equations (SDEs). ScholarGate. https://scholargate.app/sv/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.
- Agent-Based Modeling (ABM)Simulering↔ compare
- Bayesiansk inferensStatistik↔ compare
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- MontecarlosimuleringBeslutsfattande↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →