随机微分方程

http://t.csdnimg.cn/SBEU0

随机微分方程（Stochastic Differential Equation, SDE）是一类包含随机过程的微分方程，用于描述系统在噪声或随机扰动影响下的动态行为。随机微分方程的形式通常可以表示为：

$dX_t = \mu(X_t, t)dt + \sigma(X_t, t)dW_t$

其中：

• $X_t$ 是随时间 $t$ 变化的随机过程。
• $\mu (X_t,t)$是漂移系数，决定了系统的确定性趋势。
• $\sigma(X_t, t)$是扩散系数，控制了随机扰动的强度。
• $dW_t$ 是一个标准的维纳过程（Wiener process），也称为布朗运动，表示随机噪声。

随机微分方程在金融、物理、生物等领域中有广泛的应用。例如，布朗运动模型、金融市场中的股价模型（如Black-Scholes模型）等都可以通过随机微分方程来描述。解随机微分方程的主要方法包括伊藤积分和斯特拉托诺维奇积分，分别对应不同的积分定义。

SDE与DDPM

以 DDPM 为例，DDPM的通项公式为
$x_t\sim \mathcal{N}(\sqrt{{\bar{\alpha }}_t}{x}_0,(1-{\bar{\alpha }}_t)I)$

当我们固定 t 的取值时， $x_t$是定义在样本空间上的函数，即为一随机变量，当我们固定x xx的随机性时，即为关于变量 t 的一个函数，因此 $x_t$是一随机过程，而对于一组确定的 $\{x_t\}^T_{t=0}$称为随机过程的一个实现，或是一条轨迹/轨道，而随机过程可以使用随机微分方程(Stochastic Differential Equation)进行描述
SDE定义为
$dX_t = b(t,X_t)dt + \sigma(t,X_t)dB_t$