Случайные процессы — это наборы случайных величин, представляющие эволюцию случайных систем во времени.Случайный процесс задаёт вероятностное правило, по которому система переходит из одного состояния в другое с течением времени. В отличие от детерминированных законов (типа падения яблока), здесь можно говорить лишь о вероятностях различных траекторий. Например, радиоактивный распад атомов — пуассоновский случайный процесс: моменты распада непредсказуемы, но среднее число распадов за минуту стабильно.
Формальная теория стохастических процессов начала складываться в начале XX века с работ Луи Башелье (1900) по броуновскому движению и финансовым рынкам. Норберт Винер в 1923 году построил строгую математическую модель броуновского движения (винеровский процесс). Андрей Колмогоров в 1931 году заложил основы аксиоматической теории случайных процессов. Развитие теории было сильно мотивировано задачами физики (диффузия), телекоммуникаций (шум) и финансов.
Стохастический процесс описывается через вероятности перехода между состояниями. В дискретном времени это может быть цепью с заданными вероятностями перехода. В непрерывном времени динамика задаётся стохастическими дифференциальными уравнениями (например, уравнение Ланжевена для броуновской частицы). Для анализа часто применяют уравнение Чепмена-Колмогорова, уравнение Фоккера-Планка. Ключевое свойство — марковость (будущее зависит только от настоящего) — приводит к значительным упрощениям.
Предсказание курсов валют, моделирование пробок на дорогах и даже генерация реалистичных текстур в компьютерных играх опираются на случайные процессы.
В 1905 году Альберт Эйнштейн использовал случайный процесс (броуновское движение) для доказательства существования атомов — он связал хаотичное перемещение пыльцы с тепловыми толчками молекул.
| S_t | переменная | Статистика CUSUM в момент времени t |
| S_{t-1} | переменная | Статистика CUSUM в предыдущий момент времени |
| z_t | переменная | Наблюдение или стандартизованное значение в момент времени t |
| k | переменная | Допуск или эталонное значение (положительная константа) |
| max | оператор | Берёт максимум из двух чисел — maximum |
| x_t | переменная | значение процесса в момент времени t — time series value |
| x_{t-1} | переменная | значение процесса в предыдущий момент времени — time series value |
| \phi | переменная | коэффициент авторегрессии — autoregressive coefficient |
| \epsilon_t | переменная | инновация белого шума в момент времени t — noise term |
| \sigma^2 | переменная | дисперсия шума — дисперсия |












