Stochastic processes are collections of random variables representing the evolution of random systems over time.تحدد العملية العشوائية قاعدة احتمالية تنتقل بموجبها المنظومة من حالة إلى أخرى مع مرور الزمن. وعلى عكس القوانين الحتمية (deterministic laws) كسقوط التفاحة، لا يمكن هنا الحديث إلا عن احتمالات المسارات المختلفة. فعلى سبيل المثال، يعد الانحلال الإشعاعي للذرات عملية عشوائية بواسونية (Poisson process): لحظات الانحلال غير قابلة للتنبؤ، ولكن متوسط عدد الانحلالات في الدقيقة يكون مستقراً.
بدأت النظرية الرسمية للعمليات العشوائية بالتشكل في بدايات القرن العشرين مع أعمال لويس باشيلييه (1900) حول الحركة البراونية والأسواق المالية. وقد بنى نوربرت فينر عام 1923 نموذجاً رياضياً دقيقاً للحركة البراونية (عملية فينر (Wiener process)). فيما وضع أندريه كولموغوروف عام 1931 أسس النظرية البديهية للعمليات العشوائية. وقد حفز تطور النظرية بشدة مسائل من الفيزياء (الانتشار)، والاتصالات (التشويش)، والمالية.
توصف العملية العشوائية من خلال احتمالات الانتقال بين الحالات. في الزمن المتقطع، قد تكون هذه سلسلة باحتمالات انتقال معطاة. وفي الزمن المتصل، تُحدد الديناميك بواسطة معادلات تفاضلية عشوائية (stochastic differential equations) (مثل معادلة لانجفان (Langevin equation) لجسيم براوني). للتحليل، كثيراً ما تستخدم معادلة تشابمان-كولموغوروف (Chapman-Kolmogorov equation) ومعادلة فوكر-بلانك (Fokker-Planck equation). الخاصية الأساسية — الخاصية الماركوفية (Markov property) (المستقبل يعتمد فقط على الحاضر) — تؤدي إلى تبسيطات كبيرة.
تعتمد التنبؤ بأسعار العملات، ونمذجة الازدحام المروري على الطرق، وحتى توليد الأنسجة الواقعية في ألعاب الكمبيوتر على العمليات العشوائية.
في عام 1905، استخدم ألبرت أينشتاين العملية العشوائية (الحركة البراونية) لإثبات وجود الذرات، حيث ربط الحركة الفوضوية لحبوب اللقاح بدفع الجزيئات الحرارية.
| S_t | متغير | CUSUM statistic at time t |
| S_{t-1} | متغير | CUSUM statistic at previous time |
| z_t | متغير | Observation or standardized value at time t |
| k | متغير | Allowance or reference value (positive constant) |
| max | مؤثر | Takes the maximum of two numbers — maximum |
| x_t | متغير | value of the process at time t — time series value |
| x_{t-1} | متغير | value of the process at previous time — time series value |
| \phi | متغير | autoregressive coefficient — autoregressive coefficient |
| \epsilon_t | متغير | white noise innovation at time t — noise term |
| \sigma^2 | متغير | variance of the noise — التباين |












