.mpipks-note | 02. 朗之万方程和主方程
原文中文，约2100字，阅读约需5分钟。
📝
内容提要
本文讨论了朗之万方程及其在疾病传播中的应用，重点分析了维纳过程和随机变量的特征函数。维纳过程用于建模布朗运动，并探讨了扩散方程与随机变量的关系。最后，介绍了特征函数在微分方程中的应用及其重要性。
🔎
延伸解读
维纳过程的两种定义等价性
文章提到维纳过程有两种定义：一种作为高斯噪声的积分，另一种直接定义随机变量W(t)满足三个条件。作者认为两者可能等价但未深入验证。这提示读者，在随机过程学习中，不同定义方式可能指向同一对象，但需注意条件是否一致，避免混淆。
特征函数在微分方程中的优势
文章指出特征函数通过引入新自变量s，将随机变量变换为e^{isX}的期望，从而统一离散与连续变量的量纲。由于指数函数的导数性质，特征函数在求解微分方程时能简化运算，这为处理概率分布提供了有效工具。
非平衡态下期望与时间平均的差异
作者在讨论中强调，⟨⟩表示随机变量的期望值，与时间t无关。在平衡态统计中，由于各态历经性，期望与时间平均相等；但在非平衡态下，这种等价性不成立。这提醒读者注意统计物理中不同平均的适用条件。
❓
Q&A
朗之万方程在疾病传播中的应用是什么？
朗之万方程用于建模疾病传播，涉及随机指数传播和维纳过程。
维纳过程是什么？
维纳过程是布朗运动的数学模型，描述随机变量随时间的变化。
扩散方程的解如何与随机行走者的概率相关？
扩散方程的解可以看作随机行走者在不同位置出现的概率。
特征函数在微分方程中的作用是什么？
特征函数在微分方程中具有重要应用，能够简化方程的求解过程。
如何统一离散和连续随机变量的概率分布？
通过累积分布函数，可以统一离散和连续变量的定义。
随机变量的特征函数是如何定义的？
特征函数是对随机变量的变换，通过期望值给出，使用新的自变量。
🏷️
