随机过程对系统随着时间变化的过程建模，其中演变是随机而不是确定的. 关键点是时间上接近的观测数据是相关的，而这可以用于建模、仿真，以及预测过程的行为. 随机过程用于各种领域，包括经济、金融、工程、物理和生物.  基于强大的分布功能，Wolfram 语言提供了对随机过程的一致和全面的支持. 使用过程的符号式表示使得行为仿真、从数据估计参数和计算不同时间处的状态概率变得轻松. 存在特殊的随机过程类型的额外功能，比如马可夫链、队列、时间序列和随机微分方程.

仿真与估计

RandomFunction — 模拟一个随机过程

TemporalData — 表示一个或者多个时间序列数据

EstimatedProcess, FindProcessParameters — 根据数据估计过程参数

过程分布

Probability — 计算不同时间处的过程状态谓词的概率

SliceDistribution — 时间 处的过程状态分布

StationaryDistribution — 时间 处的过程状态分布

ProcessParameterAssumptions  ▪  ProcessParameterQ

过程矩

Mean — 过程的均值函数

CovarianceFunction — 过程的协方差函数

WeakStationarity — 过程的条件为弱稳态

CorrelationFunction  ▪  AbsoluteCorrelationFunction

参数过程 »

RandomWalkProcess  ▪  PoissonProcess  ▪  WienerProcess  ▪  ...

衍生的随机过程 »

WhiteNoiseProcess  ▪  TransformedProcess  ▪  RenewalProcess  ▪  ...

马尔可夫过程 »

DiscreteMarkovProcess  ▪  ContinuousMarkovProcess  ▪  ...

排队过程 »

QueueingProcess  ▪  QueueingNetworkProcess  ▪  ...

时间序列过程 »

ARMAProcess  ▪  SARIMAProcess  ▪  ...

随机微分方程过程 »

ItoProcess  ▪  StratonovichProcess  ▪  ...