"Stokastisk" är ett ord som fysiker, matematiker och andra forskare använder för att beskriva processer som har ett chanselement. Ursprunget är forntida grekiskt. Översatt betyder det "kunna gissa."
Betydelse av ordet "stokastisk"
"Stokastisk" är ett koncept som används inom många olika vetenskapsområden. Det betyder slumpmässighet, slumpmässighet, osäkerhet av något. I Aristoteles etik (hans skulpturella porträtt presenteras ovan) är begreppet "stokastisk" en definition som hänvisar till förmågan att gissa. Naturligtvis använde matematiker det på grundval av att elementet av chans verkar precis när det är nödvändigt att gissa. Ordet "stokastisk" är ett begrepp som definieras i New International Dictionary som "conjectural."
Således kan det noteras att den tekniska betydelsen av detta begrepp inte exakt motsvarar dess ordförråd (lexikala) betydelse. Vissa författare använder uttrycket "stokastisk process" som en synonym för termen "slumpmässig process".
Stokastisitet i matematik
Användningen av denna term i matematik är för närvarande utbredd. Till exempel finns det ett sådant begrepp i sannolikhetsteorin som den stokastiska processen. Resultatet kan inte bestämmas av det ursprungliga tillståndet för detta system.
Användningen i matematik av begreppet "stokastisitet" tillskrivs verk av Vladislav Bortskevich. Det var han som använde termen i betydelsen "framför hypoteser." I matematik, särskilt i ett sådant avsnitt av denna vetenskap som sannolikhetsteori, spelar området för slumpmässig forskning en viktig roll. Det finns till exempel något sådant som en stokastisk matris. Kolumnerna eller raderna i den här matrisen lägger till en.
Stokastisk matematik (finansiell)
Detta avsnitt av matematik analyserar finansiella strukturer som fungerar i osäkerhetsförhållanden. Den är utformad för att hitta de mest rationella metoderna för att hantera finansiella tillgångar och strukturer, med hänsyn till faktorer som stokastisk utveckling, risk, tid etc.
Inom vetenskapen är det vanligt att skilja följande strukturer och objekt som används i finansiell matematik som helhet:
- företag (till exempel företag);
- individer;
- förmedlingsstrukturer (pensionsfonder, banker);
- finansiella marknader.
Huvudsyftet med att studera stokastisk finansiell matematik är just det sista av dem. Detta avsnitt är baserat på sådana discipliner som statistik över slumpmässiga processer, teori om slumpmässiga processer etc.
För närvarande, även människor långt ifrån vetenskap, är det väl känt från många nyheter och publikationer i media att värdena på de så kallade globala finansiella index (till exempel Dow Jones-indexet), aktiekurserna förändras slumpmässigt. L. Bachelier gjorde det första försöket att använda matematik beskriva utvecklingen av aktiekurserna. Hans stokastiska metod är baserad på sannolikhetsteori. L. Bacheliers avhandling, som presenterar detta försök, publicerades 1900. Forskaren har bevisat den formel som för närvarande kallas verkligt värde formel för köpoptioner. Det återspeglar den stokastiska sannolikheten.
Viktiga idéer som senare ledde till uppkomsten av en effektiv marknadsteori presenterades i arbetet med M. Kendall, publicerat 1953. Detta dokument behandlar frågan om aktiekursdynamik. Forskaren beskriver det med hjälp av stokastiska processer.
Stokastisitet i fysik
Tack till fysiker E. Fermi, S. Ulam, N. Metropolis och D.Neumann är Monte Carlo-metoden. Namnet kommer från ett kasino som ligger i samma stad i ett land som Monaco. Det var här som farbror Ulam lånade pengar för spelet. Att använda arten av upprepning och chans att studera processer liknar vad som händer i ett kasino.
När man använder denna modelleringsmetod söks först efter en sannolikhetsanalog. Innan detta utfördes modellering i motsatt riktning: den användes för att verifiera resultatet av det deterministiska problemet som erhållits tidigare. Även om liknande tillvägagångssätt fanns före upptäckten av Monte Carlo-metoden, var de inte populära och allmänna.
1930 använde Enrico Fermi stokastiska tekniker för att beräkna egenskaperna för neutronen, som just hade upptäckts vid den tiden. Monte Carlo-metoder användes senare när man arbetade med Manhattan-projektet, även om datorns kapacitet vid den tiden var betydligt begränsad. Av denna anledning blev de utbredda först efter att datorer dykt upp.
Stokastiska signaler
Regelbundna och stokastiska signaler har olika vågformer. Om vi mäter det senare får vi svängningar som har en ny form, som skiljer sig från den föregående, men visar en viss likhet i väsentliga funktioner. Ett exempel på en stokastisk signal är inspelningen av havsvågsvängningar.
Varför är det nödvändigt att prata om dessa ganska ovanliga signaler? Faktum är att i studien av automatiska system är de ännu vanligare än förutsett.
Stokastisitet och konstgjord intelligens
Stokastiska program för konstgjord intelligens fungerar med hjälp av probabilistiska metoder. Som exempel kan nämnas algoritmer som stokastisk optimering eller nervnätverk. Detsamma gäller för simulerad glödgning och genetiska algoritmer. I alla dessa fall kan stokastisitet ingå i problemet som sådant eller i att planera något under förutsättning av osäkerhet. Den deterministiska miljön för ett modelleringsmedel är enklare än stokastisk.
Så, som vi ser, används begreppet intresse för oss inom många vetenskapsområden. Vi har listat och karakteriserat endast de viktigaste användningsområdena. Studien av alla dessa processer, ser du, är mycket viktig och relevant. Det är därför begreppet intresse för oss sannolikt kommer att användas under lång tid inom vetenskapen.
