随机过程对系统随时间的发展进行建模，其中的发展是随机的，而不是确定性的。关键的一点是，时间相近的观测值是相互依赖的，这可以用于建模、模拟和预测过程的行为。随机过程被广泛应用于经济、金融、工程、物理和生物学等领域。 基于其强大的分发功能，Wolfram语言提供了内聚和全面的随机过程支持。使用进程的符号表示可以很容易地模拟其行为，从数据中估计参数，并计算不同时间的状态概率。对于特殊类别的随机过程，如马尔可夫链、队列、时间序列和随机微分方程，还有额外的功能。
模拟与估算
随机函数 —模拟随机过程
时间数据 —表示一个或多个时间序列数据
估计流程,查找进程参数 —根据数据估计工艺参数
流程分配
概率 —计算不同时间进程状态谓词的概率
切片分配 —过程状态在时间上的分布
固定分布 —过程状态在时间上的分布
流程参数假设 ▪ 工艺参数Q
过程力矩
平均值 —过程的平均函数
协方差函数 —过程的协方差函数
弱平稳性 —过程弱平稳的条件
相关性函数 ▪ 绝对相关函数
随机行走过程 ▪ 泊松过程 ▪ WienerProcess公司 ▪ ...
白噪声处理 ▪ 转换的流程 ▪ 续订流程 ▪ ...
离散Markov进程 ▪ 连续Markov过程 ▪ ...
排队过程 ▪ 排队网络进程 ▪ ...
ARMA过程 ▪ SARIMA流程 ▪ ...
Ito流程 ▪ Stratonovich过程 ▪ ...
