확률과정 (Stochastic Process)

한 줄 정의: 시간(또는 다른 지표)에 따라 변화하는 확률변수들의 모임으로, 무작위성이 있는 현상이 시간에 따라 어떻게 전개되는지를 모델링한다.

쉽게 풀면

확률과정은 시간이 흐름에 따라 계속 변하는 무작위한 값들의 연속이라고 볼 수 있다. 주가가 시시각각 오르내리는 모습이나, 입자가 무작위로 움직이는 브라운 운동이 대표적인 예다. 각 시점마다 하나의 확률변수가 있고, 이 확률변수들이 시간에 따라 이어지면서 전체적인 무작위한 흐름을 만들어낸다.

왜 중요한가

확률과정은 시간에 따라 변화하는 불확실성을 수학적으로 다루는 가장 기본적인 도구여서, 순수수학의 해석학·측도론적 확률론뿐 아니라 물리학의 입자 운동, 공학의 신호 처리, 생물학의 개체수 변동 모형 등 폭넓은 응용 분야의 이론적 언어로 쓰입니다. 이 개념을 정확히 이해해야 이후에 등장하는 마르코프 연쇄, 마팅게일 같은 세부 이론을 따라갈 수 있습니다.

논문에서는 이렇게 쓰입니다

"주가의 움직임을 확률과정으로 모델링하여 옵션의 이론 가격을 유도하였다."

금융공학, 통신, 물리학 등에서 시간에 따라 변하는 무작위 현상을 다룰 때 확률과정이 핵심 모델링 도구로 쓰인다.

"용액 속 미세입자의 무작위 운동을 브라운 운동이라는 확률과정으로 기술하고, 시간에 따른 평균제곱변위를 계산하였다."

이 문장은 물리학 연구에서 확률과정이 입자의 불규칙한 움직임처럼 물리적으로 관측되는 무작위 현상을 수학적으로 기술하는 데 쓰인다는 것을 보여줍니다.

"개체군의 크기 변화를 출생-사망 확률과정으로 모델링하여 멸종 확률을 계산하였다."

이 문장은 이론생물학·생태학 연구에서 확률과정이 개체 수가 무작위로 늘거나 줄어드는 현상을 수리적으로 다루는 도구로 쓰인다는 것을 보여줍니다.

조금 더 깊게 보면

수학적으로 확률과정은 하나의 확률변수가 아니라, 지표집합(보통 시간)의 각 값마다 하나씩 대응되는 확률변수들의 모임으로 엄밀하게 정의됩니다. 이 정의를 다룰 때는 각 시점의 값 자체(주변분포)뿐 아니라, 서로 다른 시점의 값들이 어떻게 함께 변화하는지를 나타내는 결합분포와 공분산 구조가 중요해지며, 이 의존구조를 어떻게 가정하느냐(예: 마르코프성, 정상성)에 따라 마르코프 연쇄, 정상 과정, 브라운 운동 등 서로 다른 이론 체계로 나뉩니다.

주의할 점

확률과정의 종류(마르코프 과정, 정상 과정 등)에 따라 갖는 성질이 크게 다르므로 어떤 가정을 두는지가 분석 결과에 큰 영향을 미친다.