[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"_public_topic_publications_qu%C3%A1%20tr%C3%ACnh%20ng%E1%BA%ABu%20nhi%C3%AAn{\"limit\":5}":3,"_public_topic_byId_qu%C3%A1%20tr%C3%ACnh%20ng%E1%BA%ABu%20nhi%C3%AAn":68},{"code":4,"data":5,"meta":35},"SUCCESS",{"latest":6,"mostCited":7,"vietnamFeatured":39,"vietnamLatest":67},[],[8,23],{"publicationId":9,"title":10,"originalTitle":11,"authorNames":12,"authorCount":14,"journalName":15,"vietnamJournal":16,"publishDate":17,"publishYear":18,"totalCitation":19,"url":20,"doi":21,"summary":22},"bab28a0e-f781-4610-94b9-013bcc79c9d8","Các sự tổng quát cho nhiều biến của khai triển Lagrange, với các ứng dụng cho các quá trình ngẫu nhiên","Generalizations to several variables of Lagrange's expansion, with applications to stochastic processes",[13],"I. J. Good",1,"Mathematical Proceedings of the Cambridge Philosophical Society",false,"1960-10-01",1960,186,"https:\u002F\u002Fwww.cambridge.org\u002Fcore\u002Fproduct\u002Fidentifier\u002FS0305004100034666\u002Ftype\u002Fjournal_article","10.1017\u002Fs0305004100034666","\u003Cp>Khai triển \u003Ci>Lagrange\u003C\u002Fi> nhiều biến cho hàm nghịch đảo được mở rộng nhằm ứng dụng vào lý thuyết \u003Cb class=\"publication-topic-keywords\">quá trình ngẫu nhiên\u003C\u002Fb> và bài toán hàng đợi. Bằng \u003Cb>phương pháp giải tích toán học\u003C\u002Fb>, tác giả thiết lập công thức cho số lượng biến độc lập tùy ý để mô tả các quá trình phân nhánh. Công trình \u003Cb>đề xuất\u003C\u002Fb> một dạng khai triển thuận tiện hơn, giúp làm sáng tỏ phân phối xác suất trong các mô hình đếm.\u003C\u002Fp>",{"publicationId":24,"title":25,"originalTitle":26,"authorNames":27,"authorCount":31,"journalName":32,"vietnamJournal":16,"publishDate":33,"publishYear":34,"totalCitation":35,"url":36,"doi":37,"summary":38},"c1354788-1f94-4677-a86f-a3a7268b639d","Khả Năng Điều Khiển Theo Quỹ Đạo Của Phương Trình Vi Phân Ngẫu Nhiên Hạng Mục Hilfer Với Các Tham Số Bị Sai Số Sử Dụng Quá Trình Rosenblatt Và Nhảy Poisson","Trajectory Controllability of Hilfer Fractional Neutral Stochastic Differential Equations with Deviated Argument Using Rosenblatt Process and Poisson Jumps",[28,29,30],"D. N. Chalishajar","K. Ramkumar","K. Ravikumar",4,"Differential Equations and Dynamical Systems","2023-03-20",2023,null,"https:\u002F\u002Flink.springer.com\u002F10.1007\u002Fs12591-023-00632-3","10.1007\u002Fs12591-023-00632-3","\u003Cp>Khả năng điều khiển theo quỹ đạo của phương trình vi phân trung tính \u003Ci>Hilfer\u003C\u002Fi> được khảo sát dưới tác động của \u003Cb class=\"publication-topic-keywords\">quá trình ngẫu nhiên\u003C\u002Fb> \u003Ci>Rosenblatt\u003C\u002Fi> và bước nhảy \u003Ci>Poisson\u003C\u002Fi>. Bằng \u003Cb>định lý điểm cố định\u003C\u002Fb> \u003Ci>Krasnoselskii\u003C\u002Fi> kết hợp giải tích ngẫu nhiên, nghiên cứu thiết lập điều kiện giải được trong không gian pha trừu tượng. Tác giả \u003Cb>đề xuất\u003C\u002Fb> phương án tối thiểu hóa chi phí điều khiển cho các hệ động lực có độ trễ vô hạn.\u003C\u002Fp>",[40,55],{"publicationId":41,"title":42,"originalTitle":35,"authorNames":43,"authorCount":46,"journalName":47,"vietnamJournal":48,"publishDate":49,"publishYear":50,"totalCitation":51,"url":52,"doi":53,"summary":54},"1edc7469-1cbf-430a-8b21-a740014572e8","Mối liên hệ giữa các nghiệm của một lớp phương trình vi phân ngẫu nhiên trong không gian một chiều",[44,45],"Lâm Hoàng Chương","Trang Thi Hiền",2,"Tạp chí Khoa học Đại học Đồng Tháp",true,"2025-03-24",2025,0,"https:\u002F\u002Fdthujs.vn\u002Findex.php\u002Fdthujs\u002Farticle\u002Fview\u002F2542","10.52714\u002Fdthu.14.04S.2025.1598","\u003Cp>Phương trình vi phân ngẫu nhiên một chiều được khảo sát mối liên hệ nghiệm giữa trường hợp có và không có ngoại lực tác động, đóng góp hiểu biết về \u003Cb class=\"publication-topic-keywords\">quá trình ngẫu nhiên\u003C\u002Fb> khuếch tán. Nhóm tác giả sử dụng \u003Cb>phương pháp giải tích\u003C\u002Fb> chuyển đổi về phương trình vi phân thường kết hợp công thức \u003Ci>Itô\u003C\u002Fi> để đánh giá giới hạn mô-men bậc một và bậc hai. Kết quả \u003Cb>chỉ ra\u003C\u002Fb> các đặc tính tiệm cận của quá trình khuếch tán trong không gian một chiều.\u003C\u002Fp>",{"publicationId":56,"title":57,"originalTitle":35,"authorNames":58,"authorCount":31,"journalName":62,"vietnamJournal":48,"publishDate":63,"publishYear":34,"totalCitation":35,"url":64,"doi":65,"summary":66},"f82356cc-4e56-4df6-9a54-b1dbaf776f55","ĐIỀU KIỆN CẦN CHO TÍNH VIABLE  CỦA PHƯƠNG TRÌNH VI PHÂN NGẪU NHIÊN IMPULSIVE SINH BỞI CHUYỂN ĐỘNG BROWN PHÂN THỨ",[59,60,61],"Huỳnh Cao Trường","Nguyễn Quốc Cường","Nguyễn Thanh Long","Tạp chí Khoa học Trường Đại học Sư phạm Thành phố Hồ Chí Minh","2023-02-28","https:\u002F\u002Fjournal.hcmue.edu.vn\u002Findex.php\u002Fhcmuejos\u002Farticle\u002Fview\u002F3600","10.54607\u002Fhcmue.js.20.2.3600(2023)","\u003Cp>Tính \u003Ci>viable\u003C\u002Fi> của phương trình vi phân xung ngẫu nhiên chịu chi phối bởi chuyển động \u003Ci>Brown\u003C\u002Fi> phân thứ được khảo sát theo lý thuyết khả thi. Nghiên cứu \u003Cb>phân tích toán học\u003C\u002Fb> thiết lập điều kiện cần cho tính hợp lệ của hệ thống gắn với tham số \u003Ci>Hurst\u003C\u002Fi>, phát triển khung \u003Cb class=\"publication-topic-keywords\">quá trình ngẫu nhiên\u003C\u002Fb> của \u003Ci>Aubin\u003C\u002Fi> và \u003Ci>Da Prato\u003C\u002Fi>. Tác giả \u003Cb>chỉ ra\u003C\u002Fb> cách tiếp cận mới giúp xác định nghiệm trên các tập ràng buộc.\u003C\u002Fp>",[],{"code":4,"data":69,"meta":35},{"id":70,"title":71,"description":72,"content":73,"term":70,"englishTitle":74,"synonyms":35,"definition":75,"discipline":76,"references":77,"faqs":110,"createUser":120,"publishUser":123,"keywords":127,"keywordCount":35,"enrichTopicLink":16,"status":128,"createTime":129,"updateTime":130,"publishTime":131,"linkEnrichedTime":35,"publicationScanTime":132,"contentErrorMessage":35,"viewCount":133,"wikidataId":35,"relateTopics":134},"quá trình ngẫu nhiên","Quá trình ngẫu nhiên là gì? Lý thuyết xác suất và ứng dụng","Quá trình ngẫu nhiên là họ các biến ngẫu nhiên biểu diễn sự biến thiên theo thời gian, bao gồm xích Markov, quá trình Poisson và chuyển động Brown.","\u003Cp>Quá trình ngẫu nhiên (stochastic process hay random process) là một họ các biến ngẫu nhiên $\\{X(t), t \\in T\\}$ được định nghĩa trên cùng một không gian xác suất $(\\Omega, \\mathcal{F}, P)$ và được chỉ số hóa bởi một tập tham số $T$ (thường đại diện cho thời gian liên tục hoặc thời gian rời rạc), biểu diễn sự tiến triển không tất định của một hệ thống vật lý, kinh tế hoặc sinh học theo thời gian. Trong lý thuyết xác suất hiện đại và toán học ứng dụng, quá trình ngẫu nhiên là cầu nối giữa giải tích toán học, đại số tuyến tính và các hiện tượng dao động ngẫu nhiên trong thế giới thực. Kể từ công trình mô hình hóa chuyển động Brown kinh điển của Einstein (1905) trên Annalen der Physik và nền tảng giải tích của Kolmogorov (1931) trên Mathematische Annalen thiết lập hệ phương trình vi phân Kolmogorov, lý thuyết quá trình ngẫu nhiên đã phát triển vượt bậc. Giáo trình chuẩn mực của Norris (1997) do Cambridge University Press xuất bản và chuyên khảo giải tích ngẫu nhiên của Øksendal (2003) do Springer xuất bản đã hệ thống hóa toàn diện xích Markov, quá trình Poisson, chuyển động Brown và phương trình vi phân ngẫu nhiên Itô. Bài viết này trình bày toàn diện về cơ sở không gian xác suất, phân loại các lớp quá trình ngẫu nhiên cốt lõi, động học xích Markov, giải tích ngẫu nhiên Itô, ranh giới và giới hạn mô hình, cùng các ứng dụng thực tiễn trong tài chính định lượng, viễn thông và khoa học dữ liệu tại Việt Nam.\u003C\u002Fp>\n\n\u003Ch2>Cơ sở Toán học và Định nghĩa Không gian Xác suất\u003C\u002Fh2>\n\u003Cp>Một quá trình ngẫu nhiên được xác lập chặt chẽ trên nền tảng không gian đo lường và xác suất hiện đại:\u003C\u002Fp>\n\n\u003Ch3>1. Cấu trúc Tiên đề của Quá trình Ngẫu nhiên\u003C\u002Fh3>\n\u003Cul>\n\u003Cli>\u003Cstrong>Không gian xác suất gốc:\u003C\u002Fstrong> Ký hiệu $(\\Omega, \\mathcal{F}, P)$, trong đó $\\Omega$ là không gian mẫu, $\\mathcal{F}$ là $\\sigma$-đại số các biến cố và $P$ là độ đo xác suất.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Tập chỉ số tham số ($T$):\u003C\u002Fstrong> Nếu $T = \\{0, 1, 2, \\dots\\}$ hoặc $T = \\mathbb{Z}$, ta có quá trình ngẫu nhiên thời gian rời rạc (chuỗi thời gian ngẫu nhiên). Nếu $T = [0, \\infty)$ hoặc $T = \\mathbb{R}$, ta có quá trình ngẫu nhiên thời gian liên tục.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Không gian trạng thái ($S$):\u003C\u002Fstrong> Là tập hợp tất cả các giá trị mà biến ngẫu nhiên $X(t)$ có thể nhận. $S$ có thể là không gian rời rạc (tập đếm được) hoặc không gian liên tục ($\\mathbb{R}^d$).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Quỹ đạo mẫu (Sample Path \u002F Realization):\u003C\u002Fstrong> Với mỗi phần tử biến cố cố định $\\omega \\in \\Omega$, ánh xạ $t \\mapsto X(t, \\omega)$ tạo thành một hàm thực theo thời gian gọi là một quỹ đạo mẫu cụ thể của hệ thống.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Các Phân lớp Quá trình Ngẫu nhiên Cốt lõi\u003C\u002Fh2>\n\u003Cp>Dựa trên cấu trúc phụ thuộc thống kê giữa các biến cố theo thời gian, lý thuyết xác suất phân loại các họ quá trình điển hình:\u003C\u002Fp>\n\n\u003Ch3>1. Quá trình Markov và Xích Markov theo Norris (1997)\u003C\u002Fh3>\n\u003Cp>Quá trình Markov là quá trình ngẫu nhiên thỏa mãn Tính chất Markov (tính chất không nhớ): tương lai của quá trình chỉ phụ thuộc vào trạng thái hiện tại mà không phụ thuộc vào chuỗi lịch sử quá khứ:\u003C\u002Fp>\n\u003Cp>$$P(X_{n+1} = j \\mid X_n = i, X_{n-1} = i_{n-1}, \\dots, X_0 = i_0) = P(X_{n+1} = j \\mid X_n = i) = P_{ij}$$\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Xích Markov thời gian rời rạc (DTMC):\u003C\u002Fstrong> Được đặc trưng bởi ma trận xác suất chuyển trạng thái $P = (P_{ij})$ thỏa mãn $P_{ij} \\ge 0$ và $\\sum_j P_{ij} = 1$.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Tính Ergodic và Phân phối Dừng:\u003C\u002Fstrong> Khi xích Markov bất khả quy (irreducible) và không tuần hoàn (aperiodic), tồn tại duy nhất một phân phối dừng $\\pi$ thỏa mãn hệ phương trình $\\pi P = \\pi$, đại diện cho trạng thái cân bằng thống kê dài hạn.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Phương trình Kolmogorov tiến và lùi theo Kolmogorov (1931):\u003C\u002Fstrong> Đối với xích Markov thời gian liên tục (CTMC), ma trận cường độ chuyển trạng thái $Q = (q_{ij})$ chi phối hệ phương trình vi phân:\n$$\\frac{dP(t)}{dt} = P(t)Q = QP(t)$$\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>2. Quá trình Đếm và Quá trình Poisson\u003C\u002Fh3>\n\u003Cp>Quá trình Poisson $\\{N(t), t \\ge 0\\}$ là quá trình đếm số biến cố xảy ra độc lập trong thời gian liên tục với cường độ $\\lambda > 0$:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>$N(0) = 0$ và các số gia trong các khoảng thời gian không giao nhau là độc lập thống kê.\u003C\u002Fli>\n\u003Cli>Số biến cố xảy ra trong khoảng $(s, s+t]$ tuân theo phân phối Poisson:\n$$P(N(s+t) - N(s) = k) = \\frac{(\\lambda t)^k e^{-\\lambda t}}{k!}$$\u003C\u002Fli>\n\u003Cli>Khoảng cách thời gian giữa hai biến cố liên tiếp tuân theo phân phối hàm mũ có tính chất không nhớ.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>3. Quá trình Wiener và Chuyển động Brown theo Einstein (1905)\u003C\u002Fh3>\n\u003Cp>Chuyển động Brown $\\{W(t), t \\ge 0\\}$ (quá trình Wiener) là nền tảng của giải tích ngẫu nhiên liên tục:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>$W(0) = 0$ hầu chắc chắn.\u003C\u002Fli>\n\u003Cli>Các số gia độc lập: với $0 \\le t_1 < t_2 < \\dots < t_n$, các biến ngẫu nhiên $W(t_{i+1}) - W(t_i)$ độc lập với nhau.\u003C\u002Fli>\n\u003Cli>Số gia có phân phối chuẩn: $W(t) - W(s) \\sim \\mathcal{N}(0, t-s)$.\u003C\u002Fli>\n\u003Cli>Quỹ đạo mẫu liên tục hầu chắc chắn nhưng không khả vi tại bất kỳ điểm nào và có biến thiên bậc hai $[W, W]_t = t$.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch3>4. Quá trình Martingale\u003C\u002Fh3>\n\u003Cp>Quá trình Martingale biểu diễn một trò chơi công bằng (fair game), trong đó kỳ vọng có điều kiện của trạng thái tương lai tại thời điểm $t$ biết toàn bộ lịch sử đến thời điểm $s \\le t$ chính bằng giá trị hiện tại $X(s)$:\u003C\u002Fp>\n\u003Cp>$$\\mathbb{E}[X(t) \\mid \\mathcal{F}_s] = X(s)$$\u003C\u002Fp>\n\n\u003Ch2>Bảng đối chiếu Thuộc tính các Lớp Quá trình Ngẫu nhiên Điển hình\u003C\u002Fh2>\n\u003Ctable>\n\u003Cthead>\n\u003Ctr>\n\u003Cth>Lớp quá trình\u003C\u002Fth>\n\u003Cth>Không gian trạng thái\u003C\u002Fth>\n\u003Cth>Không gian thời gian\u003C\u002Fth>\n\u003Cth>Đặc trưng toán học cốt lõi\u003C\u002Fth>\n\u003C\u002Ftr>\n\u003C\u002Fthead>\n\u003Ctbody>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Xích Markov rời rạc\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Rời rạc (đếm được)\u003C\u002Ftd>\n\u003Ctd>Rời rạc ($T = \\mathbb{N}$)\u003C\u002Ftd>\n\u003Ctd>Tính không nhớ, ma trận chuyển $P$, phân phối dừng $\\pi$\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Quá trình Poisson\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Rời rạc ($N \\in \\mathbb{N}$)\u003C\u002Ftd>\n\u003Ctd>Liên tục ($T = [0, \\infty)$)\u003C\u002Ftd>\n\u003Ctd>Số gia độc lập Poisson, thời gian chờ hàm mũ\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Quá trình Wiener (Brown)\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Liên tục ($X \\in \\mathbb{R}$)\u003C\u002Ftd>\n\u003Ctd>Liên tục ($T = [0, \\infty)$)\u003C\u002Ftd>\n\u003Ctd>Số gia chuẩn $\\mathcal{N}(0, \\Delta t)$, quỹ đạo liên tục không khả vi\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Quá trình Martingale\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Rời rạc hoặc Liên tục\u003C\u002Ftd>\n\u003Ctd>Rời rạc hoặc Liên tục\u003C\u002Ftd>\n\u003Ctd>Kỳ vọng có điều kiện bảo toàn $\\mathbb{E}[X_t \\mid \\mathcal{F}_s] = X_s$\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd>\u003Cstrong>Quá trình Dừng (Stationary)\u003C\u002Fstrong>\u003C\u002Ftd>\n\u003Ctd>Liên tục hoặc Rời rạc\u003C\u002Ftd>\n\u003Ctd>Bất kỳ\u003C\u002Ftd>\n\u003Ctd>Hàm tự tương quan chỉ phụ thuộc độ trễ thời gian $\\tau$\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\u003Ch2>Giải tích Ngẫu nhiên Itô và Phương trình Vi phân Ngẫu nhiên theo Øksendal (2003)\u003C\u002Fh2>\n\u003Cp>Do quỹ đạo của chuyển động Brown không khả vi theo nghĩa giải tích cổ điển, Kiyosi Itô đã phát minh ra giải tích ngẫu nhiên chuyên biệt:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Tích phân ngẫu nhiên Itô:\u003C\u002Fstrong> Định nghĩa tích phân đối với chuyển động Brown:\n$$\\int_0^t f(s) dW(s) = \\lim_{n \\to \\infty} \\sum_{i=0}^{n-1} f(t_i) [W(t_{i+1}) - W(t_i)]$$\nĐiểm đánh giá phải lấy tại đầu mút bên trái để bảo toàn tính chất Martingale.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Bổ đề Itô (Itô's Lemma):\u003C\u002Fstrong> Công thức đạo hàm hàm hợp cho hàm ngẫu nhiên $f(t, X_t)$:\n$$df(t, X_t) = \\left(\\frac{\\partial f}{\\partial t} + \\mu \\frac{\\partial f}{\\partial x} + \\frac{1}{2}\\sigma^2 \\frac{\\partial^2 f}{\\partial x^2}\\right)dt + \\sigma \\frac{\\partial f}{\\partial x} dW_t$$\nSự xuất hiện của số hạng đạo hàm bậc hai $\\frac{1}{2}\\sigma^2 \\frac{\\partial^2 f}{\\partial x^2}$ phản ánh biến thiên bậc hai phi zero của chuyển động Brown.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Phương trình vi phân ngẫu nhiên (SDE):\u003C\u002Fstrong> Có dạng tổng quát $dX_t = \\mu(t, X_t)dt + \\sigma(t, X_t)dW_t$, mô hình hóa các hệ động lực chịu tác động của nhiễu trắng ngẫu nhiên.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Ranh giới, Giới hạn và Điều kiện Áp dụng của Quá trình Ngẫu nhiên\u003C\u002Fh2>\n\u003Cp>Trong nghiên cứu toán học ứng dụng và mô phỏng thực tế, việc sử dụng các mô hình quá trình ngẫu nhiên đòi hỏi phải nhận thức rõ các giả định nền tảng và giới hạn biên:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Giới hạn của Giả định Markov và Tính không nhớ:\u003C\u002Fstrong> Trong nhiều hệ thống kinh tế lượng, chuỗi sinh học và lưu lượng mạng viễn thông, dữ liệu thực tế thể hiện hiện tượng phụ thuộc dài hạn (long-range dependence) hoặc có bộ nhớ lịch sử sâu (memory effects). Khi đó, các mô hình Markov đơn thuần không còn bảo đảm tính chính xác, đòi hỏi phải mở rộng sang các quá trình bán Markov (semi-Markov), quá trình tự hồi quy bậc cao (ARIMA) hoặc quá trình phân số (fractional Brownian motion).\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Giới hạn của Chuyển động Brown và Phân phối Gauss trong Tài chính:\u003C\u002Fstrong> Chuyển động Brown giả định các số gia tuân theo phân phối chuẩn với đuôi mỏng, không thể mô hình hóa chính xác hiện tượng \"đuôi béo\" (fat tails), độ lệch bất đối xứng và các cú sốc biến động giá nhảy vọt (price jumps) trong các cuộc khủng hoảng thị trường tài chính. Điều này thúc đẩy sự phát triển của quá trình Lévy, mô hình khuếch tán nhảy Merton (Merton jump-diffusion) và các mô hình độ biến động ngẫu nhiên Heston.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Thách thức về Tính Dừng (Stationarity):\u003C\u002Fstrong> Hầu hết các định lý hội tụ và giải thuật ước lượng giả định quá trình ngẫu nhiên có tính dừng (kỳ vọng và hiệp phương sai không đổi theo thời gian). Tuy nhiên, các chuỗi thời gian kinh tế, khí hậu và thủy văn trong thực tế thường mang xu thế biến động phi dừng (non-stationary), đòi hỏi phải thực hiện các phép lấy sai phân bậc $d$ hoặc kiểm định nghiệm đơn vị (unit root test) trước khi mô hình hóa.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Ch2>Ứng dụng Thực tiễn trong Khoa học và Công nghệ tại Việt Nam\u003C\u002Fh2>\n\u003Cp>Lý thuyết quá trình ngẫu nhiên đóng vai trò là xương sống tính toán trong nhiều ngành kỹ thuật và kinh tế hiện đại:\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Tài chính Định lượng và Quản trị Rủi ro:\u003C\u002Fstrong> Mô hình Black-Scholes-Merton dựa trên chuyển động Brown hình học được các định chế tài chính, ngân hàng thương mại và quỹ đầu tư tại Việt Nam sử dụng để định giá chứng quyền, phái sinh lãi suất và quản lý rủi ro danh mục đầu tư.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Kỹ thuật Viễn thông và Mạng Máy tính:\u003C\u002Fstrong> Lý thuyết hàng đợi Markov và quá trình Poisson được ứng dụng để tối ưu hóa lưu lượng mạng di động 5G, cân bằng tải máy chủ điện toán đám mây và thiết kế hệ thống định tuyến gói tin tại các nhà mạng viễn thông.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Trí tuệ Nhân tạo và Khoa học Dữ liệu:\u003C\u002Fstrong> Thuật toán Markov Chain Monte Carlo (MCMC) và quá trình Gauss (Gaussian Processes) được áp dụng rộng rãi trong học máy thống kê Bayesian, thị giác máy tính và tối ưu hóa siêu tham số.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Khí tượng Thủy văn và Mô phỏng Động đất:\u003C\u002Fstrong> Mô hình hóa ngẫu nhiên dòng chảy sông ngòi lưu vực sông Mê Kông, sông Hồng và dự báo bão nhiệt đới phục vụ công tác phòng chống thiên tai quốc gia.\u003C\u002Fli>\n\u003C\u002Ful>","stochastic process","Quá trình ngẫu nhiên (stochastic process hay random process) là một họ các biến ngẫu nhiên $\\{X(t), t \\in T\\}$ được định nghĩa trên cùng một không gian xác suất $(\\Omega, \\mathcal{F}, P)$ và được chỉ số hóa bởi một tập tham số $T$ (thường đại diện cho thời gian liên tục hoặc thời gian rời rạc), biểu diễn sự tiến triển không tất định của một hệ thống vật lý, kinh tế hoặc sinh học theo thời gian.","NATURAL_SCIENCES",[78,86,94,102],{"citationText":79,"title":80,"authors":81,"source":82,"year":83,"doi":84,"url":85},"Kolmogoroff, A. (1931). Über die analytischen Methoden in der Wahrscheinlichkeitsrechnung. Mathematische Annalen, 104(1), 415-458.","Über die analytischen Methoden in der Wahrscheinlichkeitsrechnung","Kolmogorov","Mathematische Annalen",1931,"10.1007\u002Fbf01457949","https:\u002F\u002Fdoi.org\u002F10.1007\u002Fbf01457949",{"citationText":87,"title":88,"authors":89,"source":90,"year":91,"doi":92,"url":93},"Einstein, A. (1905). Über die von der molekularkinetischen Theorie der Wärme geforderte Bewegung von in ruhenden Flüssigkeiten suspendierten Teilchen. Annalen der Physik, 322(8), 549-560.","Über die von der molekularkinetischen Theorie der Wärme geforderte Bewegung von in ruhenden Flüssigkeiten suspendierten Teilchen","Einstein","Annalen der Physik",1905,"10.1002\u002Fandp.19053220806","https:\u002F\u002Fdoi.org\u002F10.1002\u002Fandp.19053220806",{"citationText":95,"title":96,"authors":97,"source":98,"year":99,"doi":100,"url":101},"Øksendal, B. (2003). Stochastic Differential Equations: An Introduction with Applications. Springer Berlin Heidelberg.","Stochastic Differential Equations: An Introduction with Applications","Øksendal","Springer Berlin Heidelberg",2003,"10.1007\u002F978-3-642-14394-6","https:\u002F\u002Fdoi.org\u002F10.1007\u002F978-3-642-14394-6",{"citationText":103,"title":104,"authors":105,"source":106,"year":107,"doi":108,"url":109},"Norris, J. R. (1997). Markov Chains. Cambridge University Press.","Markov Chains","Norris","Cambridge University Press",1997,"10.1017\u002Fcbo9780511810633","https:\u002F\u002Fdoi.org\u002F10.1017\u002Fcbo9780511810633",[111,114,117],{"question":112,"answer":113},"Tính chất Markov (Markov Property) là gì và tại sao lại quan trọng?","Tính chất Markov (tính chất không nhớ - memoryless property) phát biểu rằng phân phối xác suất của trạng thái tương lai chỉ phụ thuộc duy nhất vào trạng thái hiện tại của hệ thống mà hoàn toàn độc lập với toàn bộ lịch sử quá khứ. Tính chất này giúp đơn giản hóa đáng kể cấu trúc toán học của các hệ thống ngẫu nhiên phức tạp, cho phép áp dụng ma trận chuyển trạng thái và phương trình vi phân Kolmogorov để dự báo hành vi dài hạn.",{"question":115,"answer":116},"Quá trình Wiener (Chuyển động Brown chuẩn) có những đặc trưng toán học nào?","Theo công trình kinh điển của Einstein (1905) và giải tích hiện đại của Øksendal (2003), quá trình Wiener $\\{W(t), t \\ge 0\\}$ có 4 tính chất tiên đề cốt lõi: $W(0) = 0$ hầu chắc chắn; các số gia độc lập (independent increments); số gia $W(t) - W(s)$ tuân theo phân phối chuẩn tắc $N(0, t-s)$; và các quỹ đạo mẫu liên tục hầu chắc chắn nhưng không khả vi tại bất kỳ điểm nào.",{"question":118,"answer":119},"Sự khác biệt căn bản giữa tích phân Itô và tích phân Riemann-Stieltjes cổ điển là gì?","Tích phân Riemann-Stieltjes cổ điển đòi hỏi hàm lấy tích phân phải có biến thiên toàn phần hữu hạn. Do quỹ đạo của chuyển động Brown có biến thiên bậc hai khác không ($[W, W]_t = t$), tích phân ngẫu nhiên Itô phải lấy điểm đầu mút bên trái của mỗi khoảng phân hoạch làm điểm đánh giá, dẫn đến quy tắc đạo hàm vi phân Itô xuất hiện thêm số hạng hiệu chỉnh bậc hai (bổ đề Itô: $df(X_t) = f\\'(X_t)dX_t + \\frac{1}{2}f\\'\\'(X_t)(dX_t)^2$).",{"id":14,"researcherId":35,"name":121,"imageUrl":122},"Nguyễn Ngọc Sơn","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLGfGsF1nYQqYK5BasTLhNu1dBrBXg2fcEgBNPXJ0p2gqLQnO7i=s96-c",{"id":124,"researcherId":35,"name":125,"imageUrl":126},2889,"Lê Xuân Niên","https:\u002F\u002Flh3.googleusercontent.com\u002Fa\u002FACg8ocLuyWIkhyP2W5E59cKwN7ciI2nbjMGUpXO9rVQquC826ujzkqhU=s96-c",[70],"PUBLISHED","2025-07-13T02:19:42.157+00:00","2026-08-23T07:10:22.866+00:00","2025-07-17T16:06:24.391+00:00","2026-09-15T10:04:57.264+00:00",366,[135,144,150,156,162,167,177,181,186,191],{"id":136,"title":137,"term":136,"englishTitle":138,"definition":139,"discipline":76,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"biến ngẫu nhiên","Biến ngẫu nhiên là gì? Các nghiên cứu về Biến ngẫu nhiên","Random variable","Biến ngẫu nhiên là một hàm toán học ánh xạ từ không gian mẫu của một phép thử ngẫu nhiên sang tập số thực, định lượng hóa các biến cố ngẫu nhiên thành các giá trị số có thể phân tích bằng lý thuyết xác suất.","natural-sciences","Khoa học tự nhiên","#0E9F9C","atom",{"id":145,"title":146,"term":147,"englishTitle":148,"definition":149,"discipline":76,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"phương trình vi phân ngẫu nhiên","Phương trình vi phân ngẫu nhiên là gì? Tích phân Itô, bổ đề Itô và mô hình tài chính","Phương trình vi phân ngẫu nhiên","stochastic differential equation","Phương trình vi phân ngẫu nhiên là phương trình vi phân chứa các số hạng ngẫu nhiên nhiễu trắng hoặc quá trình Wiener, mô tả sự tiến triển của các hệ thống chịu tác động của những biến động ngẫu nhiên trong tự nhiên và tài chính.",{"id":151,"title":152,"term":153,"englishTitle":154,"definition":155,"discipline":76,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"phương trình fokker planck","Phương trình fokker planck là gì? Các nghiên cứu khoa học","Phương trình Fokker-Planck","Fokker-Planck equation","Phương trình Fokker-Planck là phương trình đạo hàm riêng mô tả sự tiến triển theo thời gian của hàm mật độ xác suất của vị trí và vận tốc hạt chịu tác động đồng thời của các lực trôi dạt có hệ thống và các xung lực khuếch tán ngẫu nhiên.",{"id":157,"title":158,"term":159,"englishTitle":160,"definition":161,"discipline":76,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"tự tổ hợp","Tự tổ hợp là gì? Các bài báo nghiên cứu khoa học liên quan","Tự tổ hợp","Self-assembly","Tự tổ hợp là quá trình các thành phần rời rạc tự động sắp xếp và gắn kết với nhau một cách tự phát thành các cấu trúc hoặc mô hình có trật tự cao hơn mà không cần sự can thiệp trực tiếp từ bên ngoài.",{"id":163,"title":164,"term":163,"englishTitle":165,"definition":166,"discipline":76,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"điểm dừng","Điểm dừng là gì? Các bài báo nghiên cứu khoa học liên quan","stopping time","Điểm dừng là một biến ngẫu nhiên trong lý thuyết xác suất biểu diễn thời điểm đưa ra quyết định dừng một quá trình ngẫu nhiên, với điều kiện việc quyết định dừng hay tiếp tục tại mỗi thời điểm chỉ dựa hoàn toàn vào thông tin đã quan sát được đến thời điểm đó mà không sử dụng thông tin tương lai.",{"id":168,"title":169,"term":168,"englishTitle":170,"definition":171,"discipline":172,"disciplineCode":173,"disciplineLabel":174,"disciplineColor":175,"disciplineIcon":176},"phổ công suất","Phổ công suất là gì? Định lý Wiener-Khinchin và ước lượng","power spectral density","Phổ công suất (thường gọi đầy đủ là hàm mật độ phổ công suất) là hàm toán học mô tả sự phân bố công suất của một tín hiệu, một dao động hay một quá trình ngẫu nhiên dừng theo từng thành phần tần số cấu thành.","ENGINEERING_TECHNOLOGY","engineering-technology","Kỹ thuật và công nghệ","#5B62F4","cpu",{"id":178,"title":179,"term":178,"englishTitle":178,"definition":180,"discipline":76,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"proton","Proton là gì? Cấu trúc và ứng dụng của Proton","Proton là một hạt hạ nguyên tử bền vững thuộc nhóm baryon cấu tạo từ hai quark lên và một quark xuống, mang điện tích nguyên tố dương và có khối lượng nghỉ xấp xỉ 1.6726 x 10^-27 kg nằm trong hạt nhân nguyên tử.",{"id":182,"title":183,"term":182,"englishTitle":184,"definition":185,"discipline":76,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"nhiệt độ nóng chảy","Nhiệt độ nóng chảy là gì? Các nghiên cứu khoa học liên quan","nhiet do nong chay","khái niệm và đối tượng nghiên cứu cơ bản trong khoa học tự nhiên, phản ánh các đặc trưng bản chất, cơ chế vận hành và các quy luật tương tác hệ thống trong thực tiễn.",{"id":187,"title":188,"term":187,"englishTitle":189,"definition":190,"discipline":76,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"hằng số tốc độ","Hằng số tốc độ là gì? Các bài nghiên cứu khoa học liên quan","rate constant","Hằng số tốc độ (Reaction Rate Constant, ký hiệu k) là một hệ số tỷ lệ đặc trưng trong phương trình động học biểu thị tốc độ của phản ứng hóa học khi nồng độ của tất cả các chất phản ứng bằng đơn vị.",{"id":192,"title":193,"term":192,"englishTitle":194,"definition":195,"discipline":76,"disciplineCode":140,"disciplineLabel":141,"disciplineColor":142,"disciplineIcon":143},"động vật linh trưởng","Động vật linh trưởng là gì? Tiến hóa Perelman, giải phẫu Fleagle và Estrada","primates","Động vật linh trưởng là một bộ thú có vú bậc cao đặc trưng bởi bàn tay ngón cái đối diện, thị giác lập thể 3D và vỏ não phát triển, tiến hóa qua các nhánh Mũi ướt và Mũi khô theo nghiên cứu Perelman-Fleagle."]