高斯扩散过程

高���扩散过程是一种数学模型，用于描述某些随机现象的时间演化，其中这些现象的概率密度函数（PDF）符合高斯分布，也称为正态分布。在物理和工程学领域，此类过程通常被用来描述热扩散、粒子扩散、概率密度演变等，比如某个物理量（如粒子的位置、温度、浓度等）的分布随时间发展趋向于或保持高斯分布（也称为正态分布）。

高斯分布

高斯分布（或正态分布）是最重要的概率分布之一，在自然界和人类活动中非常普遍。其概率密度函数（PDF）由均值 μ \mu μ和方差 σ 2 \sigma^2 σ2完全确定，表达式为：

f ( x ∣ μ , σ 2 ) = 1 2 π σ 2 exp ⁡ ( − ( x − μ ) 2 2 σ 2 ) f(x|\mu,\sigma^2) = \frac{1}{\sqrt{2\pi\sigma^2}} \exp\left(-\frac{(x-\mu)2}{2\sigma^2}\right) f(x∣μ,σ2)=2πσ2 ​1​exp(−2σ2(x−μ)2​)

其中 x x x 是随机变量， μ \mu μ是分布的均值， σ \sigma σ是分布的标准差。

高斯扩散过程的特点

1. 随机游走: 在一维空间中，高斯扩散可以通过布朗运动或随机游走来形象化。每一步的位移是随机的，并且位移量是高斯分布的。
2. 无记忆性: 粒子在每一步的移动是独立的，与先前的位置或路径无关，遵循马尔可夫性质。
3. 中心极限定理: 大量独立随机变量之和趋向于形成高斯分布，因此在许多独立随机事件的影响下，系统的行为往往表现为高斯扩散。
4. 连续路径: 在高斯扩散过程中，粒子的路径是连续的，不会出现突跳。

数学描述

数学上，高斯扩散过程可以通过连续时间随机过程，如Wiener过程（或布朗运动）来描述。Wiener过程 W ( t ) W(t) W(t)是一种连续时间随机过程，它满足以下条件：

• W ( 0 ) = 0 W(0) = 0 W(0)=0
• 对于任何时间 t > s ≥ 0 t > s \geq 0 t>s≥0，增量 W ( t ) − W ( s ) W(t) - W(s) W(t)−W(s) 都是均值为0，方差为 t − s t - s t−s 的正态随机变量。
• 对于 0 ≤ t 1