基本概念
確率過程は、時間や空間などのパラメータに応じて変化する確率変数の族である。単一の確率変数が一時点の不確実性を表すのに対し、確率過程は複数の時点にわたる変動をひとまとまりの対象として扱う。これにより、偶然性を含む現象の推移や構造を、数学的に記述しやすくなる。
確率変数列と確率過程
確率変数列は、添字で並べた確率変数の集まりであり、時間に沿って変化する値を表現する基本形の一つである。確率過程はこの考えを一般化し、添字集合を広げたものとみなせる。したがって、離散的な列だけでなく、連続的に変化する現象も同じ枠組みで扱える。
パラメータ集合
パラメータ集合は、確率変数がどの指標に従って並ぶかを定める集合である。最もよく用いられるのは時間を表す集合で、整数全体や実数区間が典型例である。空間座標や距離を添字に取る場合もあり、対象の性質に応じて選ばれる。
状態空間
状態空間は、確率過程が取りうる値の集合を指す。有限個の値からなる場合もあれば、実数全体のように連続的な範囲をもつ場合もある。状態空間の形は、過程の分類や解析手法に大きく影響する。
標本関数
標本関数は、確率過程において固定した結果のもとで得られる、パラメータに対する関数である。各試行ごとに一つの関数が現れ、それらの全体が過程のふるまいを形づくる。個々の標本関数を見ることで、値の変動の滑らかさや跳びの有無を調べられる。
分類
確率過程は、パラメータの取り方と値の取り方により、いくつかの基本型に分けられる。これらの分類は、理論上の扱いや適用分野を整理するうえで重要である。
離散時間確率過程
離散時間確率過程は、時点が整数などの離散的な集合で与えられる過程である。各時刻での状態を順に追うため、反復的な更新規則との相性がよい。マルコフ連鎖や多くの計算機モデルがこの型に属する。
連続時間確率過程
連続時間確率過程は、時刻が連続的に変化する場合を表す。短い時間間隔での変動を細かく記述できるため、物理現象や待ち行列の流れなどに適している。解析には微分や積分の概念がしばしば関わる。
離散状態確率過程
離散状態確率過程は、取りうる値が数え上げ可能な集合に限られる。代表例として、整数値をとる人口変動モデルや記号列の遷移モデルがある。状態が離散的であるため、組合せ的な解析がしやすい。
連続状態確率過程
連続状態確率過程は、値が実数や高次元の連続空間に属する。位置、温度、価格など、滑らかな量を表す際に用いられることが多い。ブラウン運動のように、連続的な変化と確率的な揺らぎを同時に扱う例がある。
代表的な確率過程
確率過程の理論では、性質の異なるいくつかの標準例が特に重要である。これらは抽象的な概念を具体化し、多くの応用モデルの基礎にもなっている。
マルコフ連鎖
マルコフ連鎖は、次の状態が現在の状態だけに依存する過程である。過去の詳細をすべて保持しなくても遷移を記述できるため、簡潔で扱いやすいモデルとして広く研究されてきた。
遷移確率
遷移確率は、ある状態から別の状態へ移る確率を表す。これを並べた遷移行列は、連鎖の長期的挙動を解析する基本道具である。状態遷移の傾向や到達可能性を把握するのに役立つ。
定常分布
定常分布は、時間が経っても変わらない分布である。適切な条件のもとでは、連鎖が長く続いたときの状態の割合を示す。安定性や平衡状態を考える際の中心概念となる。
ポアソン過程
ポアソン過程は、一定の平均率で事象が起こる連続時間過程である。自然な発生回数や到着回数を表すモデルとして知られ、待ち時間の記述にも使われる。
到着過程
到着過程は、事象が順次発生する時刻の列を扱う。電話の着信や顧客の来訪のように、独立した出来事の到来を表現するのに適している。発生間隔の分布が重要な役割を果たす。
独立増分
独立増分とは、互いに重ならない時間区間で起こる増加量が独立である性質をいう。これにより、過去の数え上げと未来の変化を分離して考えやすくなる。ポアソン過程の核となる特徴の一つである。
ブラウン運動
ブラウン運動は、連続時間で連続的に変化する代表的な確率過程である。微小な揺らぎが累積することで生じる運動として理解され、理論物理や数学で中心的な位置を占める。
連続性
ブラウン運動の標本関数は連続である一方、滑らかではない。細かく見ると急激な変化を含み、通常の微分可能関数とは異なる性質を示す。この点が、解析上の工夫を必要とする理由になっている。
正規分布増分
正規分布増分は、時間の差に応じた変化量が正規分布に従う性質である。増分の平均と分散が区間の長さに結びつき、全体のゆらぎを定量化できる。確率積分や拡散現象の理論でも重要である。
ランダムウォーク
ランダムウォークは、各段階で偶然により前後や上下へ移動する過程である。単純な規則から複雑な挙動が生じる典型例として、理論的にも応用的にも広く使われる。
一次元ランダムウォーク
一次元ランダムウォークは、直線上を左右に移動する最も基本的な形である。コイン投げの結果によって位置が決まるモデルとして説明されることが多い。再帰性や拡散の性質を学ぶ入門例として有用である。
多次元ランダムウォーク
多次元ランダムウォークは、平面や空間内での移動を表す。進行方向の選択が増えるため、一次元とは異なる到達性や広がり方を示す。格子点上の運動モデルとして、物理や計算機科学で現れる。
理論的性質
確率過程の解析では、個別のモデルを超えて共通に現れる性質を調べる。これらの性質は、予測可能性や長期挙動を理解するうえで基礎となる。
マルコフ性
マルコフ性は、未来の分布が現在の状態のみに依存する性質である。履歴を圧縮して記述できるため、状態遷移の解析が容易になる。多くの確率モデルで重要な単純化原理となる。
定常性
定常性は、時間をずらしても統計的な性質が変わらないことをいう。平均や分散、自己相関が時点に依存しない場合が典型である。時系列データの安定的な特徴を捉える際に用いられる。
独立増分
独立増分をもつ過程では、異なる区間の変化量が互いに影響しない。これにより、区間ごとの寄与を分けて扱える。ポアソン過程やブラウン運動などに見られる基本性質である。
平均と分散
平均は過程の中心的な傾向を示し、分散はばらつきの大きさを表す。時間の関数としてこれらを追うことで、成長、収束、安定化の様子を把握できる。応用では、推定や制御の指標にもなる。
相関関数
相関関数は、異なる時点の値どうしの関連の強さを表す。どの程度過去が現在に影響を残すかを知る手がかりとなる。自己相関の形から、周期性や持続的な揺らぎが見えてくる場合がある。
数学的基礎
確率過程を厳密に扱うには、確率論の公理的枠組みが必要である。ここでは、対象となる空間や写像、観測の順序などを明確にする。
確率空間
確率空間は、標本空間、事象の集合、確率測度からなる基礎構造である。確率過程は、この上で定義される確率変数族として理解される。すべての厳密な議論は、この枠組みに依拠する。
可測性
可測性は、確率や期待値を定義できるための性質である。確率変数や過程の各時点での値が、この条件を満たす必要がある。解析的な操作を正当化するうえでも重要である。
フィルトレーション
フィルトレーションは、時刻が進むにつれて増えていく情報の列である。観測者がどこまで知っているかを数理的に表す。逐次的な意思決定や条件付き期待値の定式化に欠かせない。
停時刻
停時刻は、現在までの情報だけで到来が判定できる時刻である。確率過程の「いつ止めるか」を厳密に扱うために導入される。待ち時間や最初の到達時刻を記述するのに便利である。
解析手法
確率過程を扱うには、通常の解析に加えて、偶然性を組み込んだ計算法が必要になる。ここでは、期待値や微分方程式を用いる主要な方法をまとめる。
期待値の計算
期待値の計算は、過程の平均的な挙動を求める基本操作である。条件付き期待値を用いると、情報を制限した状況での見通しも得られる。理論的結果だけでなく、実務上の評価にも広く使われる。
確率微分方程式
確率微分方程式は、確率的な揺らぎを含む動力学を表す方程式である。決定論的な変化にランダムな項を加えることで、現実の変動を近似できる。金融や物理で特に重要な役割を担う。
確率積分
確率積分は、確率過程に対する積分を定義する枠組みである。通常の積分とは異なり、積分対象が不規則に変動する点が特徴である。ブラウン運動を用いる理論では中心的な道具となる。
生成作用素
生成作用素は、過程の微小な変化を記述する線形作用素である。遷移の局所的な性質から全体の振る舞いを導く際に用いられる。連続時間マルコフ過程の解析で特に重要である。
応用
確率過程は、偶然性を含む時間変化を扱う必要がある多くの分野で利用される。モデル化、予測、最適化の基盤として機能する。
待ち行列理論
待ち行列理論では、到着とサービスの時間変動を確率過程で表す。窓口、通信網、交通流の混雑を分析する際に役立つ。待ち時間や系内人数の評価が主な関心事である。
信号処理
信号処理では、雑音を含む観測データを確率過程として扱うことが多い。フィルタリングや予測の手法により、必要な情報を抽出する。通信、音響、画像の解析にも応用される。
金融数学
金融数学では、価格変動や利率の推移を確率過程で記述する。将来価値の評価、リスク分析、派生商品の価格付けなどに用いられる。連続時間モデルが特に広く研究されている。
物理学
物理学では、熱雑音、拡散、粒子運動などを記述するのに使われる。ミクロなランダム性がマクロな法則として現れる過程を説明するうえで有効である。非平衡現象の理解にも結びつく。
生物統計学
生物統計学では、個体数変動、感染の広がり、分子レベルの反応などを確率過程で分析する。時間とともに変わる生体データの解釈に適している。観測の不確実性を自然に組み込める点が利点である。
関連概念
確率過程は、周辺分野の概念と密接に結びついている。これらを押さえることで、理論の位置づけが明確になる。
確率論
確率論は、不確実な現象を数学的に扱う分野である。確率過程はその一部として、時間発展を持つ対象に焦点を当てる。測度論的な基礎と相性がよい。
統計学
統計学は、観測データから法則や傾向を推定する学問である。確率過程は、時系列データや逐次観測のモデルとして統計学に組み込まれる。推定と予測の理論を支える。
ランダム過程のサンプル関数
ランダム過程のサンプル関数は、確率過程の一つの実現を関数として見たものである。理論上の分布だけでなく、観測された一回の軌跡を理解するうえで重要である。軌道の形状がモデルの性質を反映する。
確率場
確率場は、時間だけでなく空間など複数のパラメータに依存する確率過程である。画像、地理データ、材料の空間変動を表すのに向いている。1次元の過程を拡張した概念として位置づけられる。