Стохастическое моделирование — это математический подход, который включает случайность для имитации и анализа сложных систем с присущей им неопределённостью.Метод исследования сложных систем путём построения математической модели, включающей случайные величины и вероятностные переходы, и её многократного численного воспроизведения (метод Монте-Карло). Стохастическое моделирование незаменимо, когда аналитическое решение уравнений слишком громоздко или неизвестно, но доступны статистические свойства элементарных событий. Используется в физике, биологии, финансах, эпидемиологии для оценки рисков и неопределённостей.
Формальные основы заложены в начале XX века трудами А. А. Маркова, А. Эйнштейна (броуновское движение), Н. Винера. Метод Монте-Карло изобретён Станиславом Уламом и Джоном фон Нейманом в 1940-х для Манхэттенского проекта. С ростом компьютеров стохастическое моделирование стало стандартным инструментом во всех науках, в том числе в климатологии (ансамблевые прогнозы) и вычислительной биологии.
Определяется вероятностная модель: например, СДУ dX_t = μ(X_t,t)dt + σ(X_t,t)dW_t, где W_t — винеровский процесс (непрерывный случайный процесс с независимыми нормальными приращениями). Численная схема (Эйлера–Маруямы) генерирует дискретные приращения, добавляя гауссов белый шум. Повторяя симуляцию N раз, получаем N траекторий, из которых строятся гистограммы, доверительные интервалы и т.п. Сходимость метода — порядка 1/√N.
Прогнозирование распространения инфекций, моделирование движения толпы, расчёт надёжности электростанций.
Физики ещё в середине XX века моделировали перемещение нейтронов в ядерном реакторе с помощью случайных чисел — так появился метод Монте-Карло, названный в честь казино.
| P(D|θ) | переменная | вероятность данных при заданных параметрах — вероятность |
| y_model | переменная | предсказание модели — value |
| y_data | переменная | наблюдаемая точка данных — value |
| σ | переменная | стандартное отклонение гауссова шума — стандартное отклонение |
| log | оператор | натуральный логарифм — логарифм |
| ∑ | оператор | сумма по всем точкам данных — суммирование |
| f(x_i) | переменная | предсказание модели при входном значении x_i — значение функции |
| y_i | переменная | наблюдаемая точка данных — data value |
| σ_i | переменная | стандартное отклонение ошибки измерения — стандартное отклонение |
| ∏ | оператор | Произведение по всем точкам данных i — оператор произведения |
| exp | оператор | Экспоненциальная функция — экспоненциальная функция |














