隨機微分方程的(怎樣快速學好“倒向隨機微分方程”)
1.怎樣快速學好“倒向隨機微分方程”
“學好”的定義是比較模糊的，首先，這里定義一個最低層次的“學好”，即知識層面的了解和基本掌握，能夠看懂核心公理的證明，能夠?qū)诘瓜螂S機微分方程理論的非線性期望理論框架有一定的了解，對基于倒向隨機微分方程的計算機程序能夠看懂并簡單應(yīng)用。
其次，不同數(shù)學水平的人所用的時間也是不同的。假設(shè)提問的同學是中國內(nèi)地一本數(shù)學系本科畢業(yè)，對測度論、常微和偏微方程、隨機過程掌握程度較好，那么達到上述最低層次其實并不十分困難。
我相信，通過類比概率理論的相關(guān)知識，一到兩個月（集中學習）的時間，基本可以達到。當然，如果要達到較高層次的“學好”，建議你去山東大學讀彭實戈老師的研究生，畢竟權(quán)威的耳提面命最能提高你對于專業(yè)知識的理解。
2.隨機過程怎么學
隨機過程論與其他數(shù)學分支如位勢論、微分方程、力學及復(fù)變函數(shù)論等有密切的聯(lián)系，是在自然科學、工程科學及社會科學各領(lǐng)域研究隨機現(xiàn)象的重要工具。
隨機過程論目前已得到廣泛的應(yīng)用，在諸如天氣預(yù)報、統(tǒng)計物理、天體物理、運籌決策、經(jīng)濟數(shù)學、安全科學、人口理論、可靠性及計算機科學等很多領(lǐng)域都要經(jīng)常用到隨機過程的理論來建立數(shù)學模型。 一般來說，把一組隨機變量定義為隨機過程。
在研究隨機過程時人們透過表面的偶然性描述出必然的內(nèi)在規(guī)律并以概率的形式來描述這些規(guī)律，從偶然中悟出必然正是這一學科的魅力所在。 隨機過程整個學科的理論基礎(chǔ)是由柯爾莫哥洛夫和杜布奠定的。
這一學科最早源于對物理學的研究，如吉布斯、玻爾茲曼、龐加萊等人對統(tǒng)計力學的研究，及后來愛因斯坦、維納、萊維等人對布朗運動的開創(chuàng)性工作。1907年前后，馬爾可夫研究了一系列有特定相依性的隨機變量，后人稱之為馬爾可夫鏈。
1923年維納給出布朗運動的數(shù)學定義，直到今日這一過程仍是重要的研究課題。隨機過程一般理論的研究通常認為開始于20世紀30年代。
1931年，柯爾莫哥洛夫發(fā)表了《概率論的解析方法》，1934年A·辛飲發(fā)表了《平穩(wěn)過程的相關(guān)理論》，這兩篇著作奠定了馬爾可夫過程與平穩(wěn)過程的理論基礎(chǔ)。1953年，杜布出版了名著《隨機過程論》，系統(tǒng)且嚴格地敘述了隨機過程基本理論。
研究隨機過程的方法多種多樣，主要可以分為兩大類：一類是概率方法，其中用到軌道性質(zhì)、停時和隨機微分方程等；另一類是分析的方法，其中用到測度論、微分方程、半群理論、函數(shù)堆和希爾伯特空間等。實際研究中常常兩種方法并用。
另外組合方法和代數(shù)方法在某些特殊隨機過程的研究中也有一定作用。研究的主要內(nèi)容有：多指標隨機過程、無窮質(zhì)點與馬爾可夫過程、概率與位勢及各種特殊過程的專題討論等。
中國學者在平穩(wěn)過程、馬爾科夫過程、鞅論、極限定理、隨機微分方程等方面做出了較好的工作。 一個實際的隨機過程是任意一個受概率支配的過程，例子有：①看做是受孟德爾遺傳學支配的群體的發(fā)展；②受分子碰撞影響的微觀質(zhì)點的布朗運動，或者是宏觀空間的星體運動；③賭場中一系列的賭博；④公路一指定點汽車的通行。
在每一種情形，一個隨機系統(tǒng)在演化，這就是說它的狀態(tài)隨著時間而改變，于是，在時間t的狀態(tài)具有偶然性，它是一個隨機變量x(t)，參數(shù)t的集通常是一個區(qū)間（連續(xù)參數(shù)的隨機過程）或一個整數(shù)集合（離散參數(shù)的隨機過程）。然而，有些作者只把隨機過程這個術(shù)語用于連續(xù)參數(shù)的情形。
如果系統(tǒng)的狀態(tài)用一個數(shù)來表示，x(t)就是數(shù)值的，在其他情形，x(t)可以是向量值或者更為復(fù)雜。在本條的討論中，通常限于數(shù)值的情形。
當狀態(tài)變化時，它的值確定一個時間的函數(shù)——樣本函數(shù)，支配過程的概率規(guī)律確定賦予樣本函數(shù)的各種可能性質(zhì)的概率。 數(shù)學上的隨機過程是由實際隨機過程概念引起的一種數(shù)學結(jié)構(gòu)。
人們研究這種過程，是因為它是實際隨機過程的數(shù)學模型，或者是因為它的內(nèi)在數(shù)學意義以及它在概率論領(lǐng)域之外的應(yīng)用。數(shù)學上的隨機過程可以簡單的定義為一組隨機變量，即指定一參數(shù)集，對于其中每一參數(shù)點t指定一個隨機變量x(t)。
如果回憶起隨機變量自身就是一個函數(shù)，以ω表示隨機變量x(t)的定義域中的一點，并以x(t，ω)表示隨機變量在ω的值，則隨機過程就由剛才定義的點偶（t，ω）的函數(shù)以及概率的分配完全確定。如果固定t，這個二元函數(shù)就定義一個ω的函數(shù)，即以x(t)表示的隨機變量。
如果固定ω，這個二元函數(shù)就定義一個t的函數(shù)，這是過程的樣本函數(shù)。概率 一個隨機過程的概率分配通常是由指定它的隨機變量的聯(lián)合分布來給定的，這些聯(lián)合分布以及 由它們誘導(dǎo)出來的概率可以解釋為樣本函數(shù)的性質(zhì)的概率。
例如，如果to是一個參數(shù)值，樣本函數(shù)在to取正值的概率是隨機變量x(to)有正值的概率。在這個水平上的基本定理：任意指定的自身相容的聯(lián)合概率分布對應(yīng)一隨機過程。
隨機過程的概念很廣泛，因而隨機過程的研究幾乎包括概率論的全部。雖然不能給出一個有用而又狹窄的定義，但是概率論工作者在使用隨機過程這個術(shù)語時，通常（除非他的興趣在于一般理論的數(shù)學基礎(chǔ)）想到的是其隨機變量具有某種有意義的相互關(guān)系的隨機過程，例如，獨立性就是這樣一種關(guān)系。
在提出隨機過程這個術(shù)語之前，獨立變量序列就是研究了很長時間的一類隨機過程。由于歷史上的原因，一般不把這樣的序列看做是隨機過程（雖然后面將要討論它的連續(xù)參數(shù)的類似物——具有獨立增量的過程，它被看做是隨機過程）。
本條的余下部分是對某些特殊的隨機過程類作一般的論述，由于這些過程類在數(shù)學上和非數(shù)學上的應(yīng)用中十分重要，所以它們已引起了人們的極大注意。 平穩(wěn)過程 這類隨機過程中的任意有限多外隨機變量的聯(lián)合分布不受參數(shù)平移的影響，即x(t1+h)，…，x(tn+h)的分布與h無關(guān)。
微分方程 在當今高等教育知識體系中，隨機過程方面的基礎(chǔ)知識主要在《應(yīng)用隨機過程》和《隨機過程論》兩門課程中介紹，前者是本科階段課程，通常在大三開設(shè)，簡單介紹離散時間Markov鏈、連續(xù)時間Markov鏈、Brown運動等；。
