สโตแคสติก ( / s t ə ˈ k æ s t ɪ k / ;จากภาษากรีกโบราณστόχος ( stókhos ) ' เป้าหมาย, เล็ง, เดา' ) ^{[ 1 ]}คือคุณสมบัติที่สามารถอธิบายได้ดีด้วยการกระจายความน่าจะ เป็น แบบสุ่ม^{[ 1 ]}สโตแคสติกซิตี้และความสุ่มเป็นแนวคิดที่แตกต่างกันในทางเทคนิค สโตแคสติกซิตี้หมายถึงวิธีการสร้างแบบจำลอง ในขณะที่ความสุ่มอธิบายปรากฏการณ์ คำเหล่านี้มักใช้แทนกันได้ในทฤษฎีความน่าจะเป็น แนวคิดที่เป็นทางการของกระบวนการสโตแคสติกยังถูกเรียกว่ากระบวนการสุ่ม อีก ด้วย^{[ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ]}

ความสุ่มถูกนำไปใช้ในหลายสาขา รวมถึงวิทยาศาสตร์ประกันภัยการประมวลผลภาพการประมวลผลสัญญาณวิทยาศาสตร์คอมพิวเตอร์ทฤษฎีสารสนเทศโทรคมนาคม[ ^{7 ]}เคมี^{[ 8 ]}นิเวศวิทยา^{[ 9 ]}ประสาทวิทยา[ 10 ^{] ฟิสิกส์} [ ^{11 ]} [ ^{12 ] [ 13 ] [ 14 ] และ}การเข้ารหัส[ 15 ^{] [ 16 ] นอกจากนี้ ยังใช้ในด้านการเงิน การแพทย์ ภาษาศาสตร์}ดนตรี สื่อ ทฤษฎีสี พฤกษศาสตร์ การผลิต และธรณี^{สัณฐานวิทยา[ 17 ] [ 18 ] [ 19 ]}

คำว่าstochasticในภาษาอังกฤษเดิมทีใช้เป็นคำคุณศัพท์ที่มีความหมายว่า "เกี่ยวข้องกับการคาดเดา" และมาจากคำภาษากรีกที่มีความหมายว่า "มุ่งเป้าไปที่เป้าหมาย เดา" และพจนานุกรมภาษาอังกฤษของออกซ์ฟอร์ดระบุว่ามีการใช้คำนี้ครั้งแรกในปี 1662 ^{[ 1 ]}ในงานเขียนเกี่ยวกับความน่าจะเป็นเรื่องArs Conjectandiซึ่งตีพิมพ์เป็นภาษาละตินในปี 1713 ยาคอบ เบอร์นูลลี ใช้คำว่า " Ars Conjectandi sive Stochastice " ซึ่งได้รับการแปลว่า "ศิลปะแห่งการคาดเดาหรือสโตแคสติก" ^{[ 20 ]}วลีนี้ถูกใช้โดยอ้างอิงถึงเบอร์นูลลีโดยลาดีสเลาส์ บอร์ทคีวิช [ ^{21 ] ซึ่ง}ในปี 1917 ได้เขียนคำว่าStochastik เป็นภาษาเยอรมัน ในความหมายว่าสุ่ม คำว่ากระบวนการสโตแค สติก ปรากฏในภาษาอังกฤษครั้งแรกในบทความปี 1934 โดย โจเซฟ แอล. ดูบ^{[ 1 ]}สำหรับคำศัพท์และคำจำกัดความทางคณิตศาสตร์ที่เฉพาะเจาะจง Doob อ้างถึงเอกสารอีกฉบับในปี 1934 ซึ่งคำว่าstochasticscher Prozeß ถูกใช้เป็นภาษาเยอรมันโดยAleksandr Khinchin [ ^{22 ] [ 23 ] แม้ว่าคำ ศัพท์}ภาษาเยอรมันจะถูกใช้ก่อนหน้านี้ในปี 1931 โดยAndrey Kolmogorov ^{[ 24 ]}

ในช่วงต้นทศวรรษ 1930 อเล็กซานเดอร์ คินชิน ได้ให้คำจำกัดความทางคณิตศาสตร์แรกของกระบวนการสุ่มว่าเป็นตระกูลของตัวแปรสุ่มที่จัดทำดัชนีโดยเส้นจำนวนจริง^{[ 25 ] [ 22 ] [ a ]} ​​คินชินและนักคณิตศาสตร์คนอื่นๆ เช่นอันเดรย์ โคลโมโกโรฟโจเซฟ ดูบวิลเลียม เฟลเลอร์ มอริซ เฟรเชต์ พอ ล เลวี โวล์ฟ กังโดบลินและฮาราลด์ คราเมอร์ได้ทำการ ศึกษาพื้นฐานเพิ่มเติมเกี่ยวกับทฤษฎีความน่าจะเป็นและกระบวนการสุ่ม ^{[ 27 ] [ 28 ]}หลายทศวรรษต่อมา คราเมอร์ได้กล่าวถึงทศวรรษ 1930 ว่าเป็น "ยุคแห่งความกล้าหาญของทฤษฎีความน่าจะเป็นทางคณิตศาสตร์" ^{[ 28 ]}

ในทางคณิตศาสตร์ ทฤษฎีของกระบวนการสุ่มเป็นส่วนสำคัญต่อทฤษฎีความน่าจะเป็น [ ^{29 ]}และยังคงเป็นหัวข้อวิจัยที่ได้รับความสนใจอย่างต่อเนื่องทั้งในด้านทฤษฎีและการประยุกต์^{ใช้[ 30 ] [ 31 ] [ 32 ]}

คำว่า"สโตแคสติก" (stochastic)ถูกนำมาใช้เพื่ออธิบายคำศัพท์และวัตถุอื่นๆ ในทางคณิตศาสตร์ ตัวอย่างเช่น เมท ริก ซ์สโตแคสติก (stochastic matrix ) ซึ่งอธิบายกระบวนการสโตแคสติกที่เรียกว่ากระบวนการมาร์คอฟ (Markov process)และแคลคูลัสสโตแคสติก (stochastic calculus) ซึ่งเกี่ยวข้องกับสมการเชิงอนุพันธ์และ ปริพันธ์ที่อิงตามกระบวนการสโตแคสติก เช่นกระบวนการไวเนอร์ (Wiener process ) หรือที่เรียกว่ากระบวนการเคลื่อนที่แบบบราวน์ (Brownian motion process)

หนึ่งในกระบวนการสุ่มแบบต่อเนื่องที่ง่ายที่สุดคือการเคลื่อนที่แบบบราวน์ซึ่งนักพฤกษศาสตร์โรเบิร์ต บราวน์ เป็นผู้สังเกตเป็นครั้งแรก ขณะส่องดูละอองเกสรในน้ำผ่านกล้องจุลทรรศน์

วิธีMonte Carloเป็นวิธีสุ่มที่ได้รับความนิยมจากนักวิจัยฟิสิกส์Stanisław Ulam , Enrico Fermi , John von NeumannและNicholas Metropolis [ ^{33 ] การ}ใช้ความสุ่มและลักษณะการทำซ้ำของกระบวนการนั้นคล้ายคลึงกับกิจกรรมที่ดำเนินการในคาสิโน วิธีการจำลองและการสุ่มตัวอย่างทางสถิติโดยทั่วไปจะทำในสิ่งที่ตรงกันข้าม: ใช้การจำลองเพื่อทดสอบปัญหาเชิงกำหนดที่เข้าใจก่อนหน้านี้ แม้ว่าจะมีตัวอย่างของวิธีการ "กลับด้าน" อยู่ในอดีต แต่ก็ไม่ได้ถูกพิจารณาว่าเป็นวิธีการทั่วไปจนกระทั่งความนิยมของวิธี Monte Carlo แพร่หลาย

บางทีการใช้งานที่โด่งดังที่สุดในช่วงแรกคือโดยเอนริโก เฟอร์มิ ในปี 1930 เมื่อเขาใช้วิธีการสุ่มเพื่อคำนวณคุณสมบัติของนิวตรอน ที่เพิ่งค้นพบ วิธีการมอนเตคาร์โลเป็นหัวใจสำคัญของการจำลองที่จำเป็นสำหรับโครงการแมนฮัตตันแม้ว่าวิธีการเหล่านี้จะถูกจำกัดอย่างมากโดยเครื่องมือคำนวณในเวลานั้น ดังนั้นหลังจากที่คอมพิวเตอร์อิเล็กทรอนิกส์ถูกสร้างขึ้นเป็นครั้งแรก (ตั้งแต่ปี 1945 เป็นต้นไป) วิธีการมอนเตคาร์โลจึงเริ่มได้รับการศึกษาอย่างลึกซึ้ง ในช่วงทศวรรษ 1950 วิธีการเหล่านี้ถูกนำไปใช้ที่ลอสอะลาโมสสำหรับงานเบื้องต้นที่เกี่ยวข้องกับการพัฒนาของระเบิดไฮโดรเจนและได้รับความนิยมในสาขาฟิสิกส์เคมีเชิงฟิสิกส์และการวิจัยเชิงปฏิบัติการองค์กร RANDและกองทัพอากาศสหรัฐฯเป็นสององค์กรหลักที่รับผิดชอบในการให้ทุนและเผยแพร่ข้อมูลเกี่ยวกับวิธีการมอนเตคาร์โลในช่วงเวลานั้น และวิธีการเหล่านี้เริ่มถูกนำไปประยุกต์ใช้ในวงกว้างในหลายสาขา

การใช้ระเบียบวิธีมอนเตคาร์โลจำเป็นต้องใช้ตัวเลขสุ่มจำนวนมาก และการใช้งานดังกล่าวเป็นแรงผลักดันให้เกิดการพัฒนาเครื่องกำเนิดตัวเลขสุ่มเทียมซึ่งใช้งานได้เร็วกว่าตารางตัวเลขสุ่มที่เคยใช้ในการสุ่มตัวอย่างทางสถิติมาก่อน

ในระบบชีวภาพ เทคนิคการสั่นพ้องแบบสุ่ม —การนำ "สัญญาณรบกวน" แบบสุ่มเข้ามา—พบว่าช่วยปรับปรุงความแรงของสัญญาณของวงจรป้อนกลับภายในสำหรับการทรงตัวและการสื่อสารเวสติบูลาร์ อื่นๆ ^{[ 34 ]}เทคนิคนี้ช่วยผู้ป่วยโรคเบาหวานและโรคหลอดเลือดสมองในการควบคุมการทรงตัว^{[ 35 ]}

เหตุการณ์ทางชีวเคมีหลายอย่างเอื้อต่อการวิเคราะห์แบบสุ่มตัวอย่างเช่นการแสดงออกของยีน มีองค์ประกอบแบบสุ่มผ่านการชนกันของโมเลกุล เช่น ระหว่างการจับและการแยกตัวของ RNA polymeraseกับโปรโมเตอร์ของยีนซึ่งมีส่วนทำให้เกิดการถอดรหัสเป็นช่วงๆ และความแปรปรวนแบบซูเปอร์ปัวซงในการกระจาย RNA ระหว่างเซลล์^{[ 36 ]} ผ่าน การเคลื่อนที่แบบบราวน์ของ คำตอบ

Simonton (2003, Psych Bulletin ) โต้แย้งว่าความคิดสร้างสรรค์ในวิทยาศาสตร์ (ของนักวิทยาศาสตร์) เป็นพฤติกรรมสุ่มที่มีข้อจำกัด โดยทฤษฎีใหม่ในทุกสาขาวิทยาศาสตร์เป็นผลผลิตจากกระบวนการสุ่มอย่างน้อยบางส่วน^{[ 37 ]}

การติดตามรังสีแบบสุ่ม (Stochastic ray tracing)คือการประยุกต์ใช้การจำลองแบบมอนเตคาร์โลกับ อัลกอริธึม การติดตามรังสี ในกราฟิก คอมพิวเตอร์ " การติดตามรังสีแบบกระจายจะสุ่มตัวอย่างฟังก์ชันที่ต้องการหาปริพันธ์ ณ จุดที่เลือกแบบสุ่มจำนวนมาก และหาค่าเฉลี่ยของผลลัพธ์เพื่อให้ได้ค่าประมาณที่ดีขึ้น โดยพื้นฐานแล้วเป็นการประยุกต์ใช้วิธีมอนเตคาร์โลกับกราฟิกคอมพิวเตอร์ 3 มิติและด้วยเหตุนี้จึงเรียกว่าการติดตามรังสีแบบสุ่ม "

นิติวิทยาศาสตร์เชิงสุ่มวิเคราะห์อาชญากรรมทางคอมพิวเตอร์โดยมองคอมพิวเตอร์เป็นขั้นตอนแบบสุ่ม

ในปัญญาประดิษฐ์โปรแกรมเชิงสุ่มทำงานโดยใช้วิธีการทางความน่าจะเป็นในการแก้ปัญหา เช่นการจำลองการอบชุบ (simulated annealing ) เครือข่ายประสาทเทียมเชิงสุ่ม (stochastic neural networks ) การเพิ่มประสิทธิภาพเชิงสุ่ม (stochastic optimization) อัลกอริทึมทางพันธุกรรม ( genetic algorithms ) และการเขียนโปรแกรมเชิงพันธุกรรม (genetic programming ) ปัญหาเองก็อาจเป็นเชิงสุ่มได้เช่นกัน เช่น การวางแผนภายใต้ความไม่แน่นอน แบบจำลองภาษาขนาดใหญ่ได้รับการอธิบายว่าเป็นนกแก้วเชิงสุ่ม (stochastic parrots )

ตลาดการเงินใช้แบบจำลองสุ่ม (stochastic models) เพื่อแสดงพฤติกรรมที่ดูเหมือนสุ่มของสินทรัพย์ทางการเงินต่างๆ รวมถึงพฤติกรรมสุ่มของราคาของสกุลเงินหนึ่งเมื่อเทียบกับอีกสกุลเงินหนึ่ง (เช่น ราคาของดอลลาร์สหรัฐเมื่อเทียบกับยูโร) และยังใช้เพื่อแสดงพฤติกรรมสุ่มของอัตราดอกเบี้ยด้วย จากนั้นนักวิเคราะห์ทางการเงินจะใช้แบบจำลองเหล่านี้ในการประเมินมูลค่าของออปชั่นในราคาหุ้น ราคาพันธบัตร และอัตราดอกเบี้ย (ดูแบบจำลองมาร์ค อฟ) ยิ่งไปกว่านั้น แบบจำลองสุ่มยังเป็นหัวใจสำคัญของอุตสาหกรรมประกันภัยด้วย

การก่อตัวของทางโค้งแม่น้ำได้รับการวิเคราะห์ว่าเป็นกระบวนการสุ่ม

แนวทางที่ไม่กำหนดตายตัวในการศึกษาภาษาส่วนใหญ่ได้รับแรงบันดาลใจจากผลงานของFerdinand de Saussureตัวอย่างเช่น ในทฤษฎีภาษาศาสตร์เชิงหน้าที่ซึ่งโต้แย้งว่าความสามารถขึ้นอยู่กับการปฏิบัติ [ ^{38 ] [ 39 ] ความ}แตกต่างนี้ในทฤษฎีไวยากรณ์เชิงหน้าที่ควรได้รับการแยกแยะอย่างระมัดระวังจาก ความแตกต่างระหว่าง langueและparoleในแง่ที่ว่าความรู้ทางภาษาถูกสร้างขึ้นจากประสบการณ์กับภาษา จึงมีการโต้แย้งว่าไวยากรณ์มีความน่าจะเป็นและแปรผันได้มากกว่าที่จะคงที่และแน่นอน แนวคิดเรื่องไวยากรณ์ที่มีความน่าจะเป็นและแปรผันได้นี้สืบเนื่องมาจากแนวคิดที่ว่าความสามารถของบุคคลเปลี่ยนแปลงไปตามประสบการณ์กับภาษา แม้ว่าแนวคิดนี้จะถูกโต้แย้ง^{[ 40 ]}แต่มันก็เป็นรากฐานสำหรับการประมวลผลภาษาธรรมชาติเชิงสถิติสมัยใหม่^{[ 41 ]}และสำหรับทฤษฎีการเรียนรู้และการเปลี่ยนแปลงภาษา^{[ 42 ]}

โดย ทั่วไปแล้ว กระบวนการผลิตถือเป็นกระบวนการสุ่มข้อสมมติฐานนี้ใช้ได้ผลดีทั้งกับกระบวนการผลิตแบบต่อเนื่องและแบบเป็นชุด การทดสอบและการตรวจสอบกระบวนการจะถูกบันทึกโดยใช้ แผนภูมิ ควบคุมกระบวนการซึ่งจะแสดงค่าพารามิเตอร์ควบคุมกระบวนการที่กำหนดไว้ตามเวลา โดยปกติแล้วจะมีการติดตามพารามิเตอร์พร้อมกันหลายสิบตัวหรือมากกว่านั้น แบบจำลองทางสถิติถูกนำมาใช้เพื่อกำหนดเส้นขีดจำกัด ซึ่งกำหนดว่าเมื่อใดจึงต้องดำเนินการแก้ไขเพื่อนำกระบวนการกลับสู่ช่วงการทำงานที่ตั้งใจไว้

แนวทางเดียวกันนี้ถูกนำมาใช้ในอุตสาหกรรมบริการ โดยที่พารามิเตอร์ต่างๆ ถูกแทนที่ด้วยกระบวนการที่เกี่ยวข้องกับข้อตกลงระดับบริการ

การตลาดและการเปลี่ยนแปลงรสนิยมและความชอบของผู้ชม รวมถึงการดึงดูดและการวิเคราะห์เชิงวิทยาศาสตร์ของการเปิดตัวภาพยนตร์และรายการโทรทัศน์บางเรื่อง (เช่น รายได้ในช่วงสุดสัปดาห์แรกของการฉาย การบอกต่อ การเป็นที่รู้จักในกลุ่มตัวอย่าง การจดจำชื่อดารา และองค์ประกอบอื่นๆ ของการเผยแพร่และการโฆษณาผ่านสื่อสังคมออนไลน์) นั้น ส่วนหนึ่งถูกกำหนดโดยแบบจำลองเชิงสุ่ม

ผลกระทบแบบสุ่ม หรือ "ผลกระทบจากโอกาส" เป็นการจำแนกประเภทหนึ่งของผลกระทบจากรังสี ซึ่งหมายถึงลักษณะความเสียหายที่เป็นแบบสุ่มและตามหลักสถิติ แตกต่างจากผลกระทบแบบกำหนดได้ ความรุนแรงของผลกระทบจะไม่ขึ้นอยู่กับปริมาณรังสี มีเพียงความน่าจะเป็นของผลกระทบเท่านั้นที่เพิ่มขึ้นตามปริมาณรังสี

ในทางดนตรี กระบวนการ ทางคณิตศาสตร์ที่อิงตามความน่าจะเป็นสามารถสร้างองค์ประกอบแบบสุ่มได้

กระบวนการสุ่มอาจถูกนำมาใช้ในดนตรีเพื่อประพันธ์ชิ้นงานที่กำหนดไว้ หรืออาจสร้างขึ้นในการแสดง ดนตรีสุ่มได้รับการบุกเบิกโดยIannis Xenakisผู้ซึ่งบัญญัติศัพท์คำว่าดนตรีสุ่มตัวอย่างเฉพาะของคณิตศาสตร์ สถิติ และฟิสิกส์ที่นำมาประยุกต์ใช้ในการประพันธ์ดนตรี ได้แก่ การใช้กลศาสตร์เชิงสถิติของก๊าซในPithopraktaการกระจายเชิงสถิติของจุดบนระนาบในDiamorphosesข้อจำกัดขั้นต่ำในAchorripsisการกระจายแบบปกติในST/10และAtréesโซ่MarkovในAnalogiquesทฤษฎีเกมในDuelและStratégieทฤษฎีกลุ่มในNomos Alpha (สำหรับSiegfried Palm ) ทฤษฎีเซตในHermaและEonta [ ^{43 ]}และการเคลื่อนที่แบบบราวน์^ใน N'Shima Xenakisมักใช้คอมพิวเตอร์ในการสร้างโน้ตเพลงของเขา เช่นซีรี่ส์ST ซึ่งรวมถึง Morsima-AmorsimaและAtréesและก่อตั้งCEMAMuก่อนหน้านี้จอห์น เคจและคนอื่นๆ ได้ประพันธ์ดนตรีแบบสุ่มหรือ ดนตรีที่ไม่แน่นอน ซึ่งสร้างขึ้นจากกระบวนการโดยบังเอิญ แต่ไม่มีพื้นฐานทางคณิตศาสตร์ที่เข้มงวด ( ตัวอย่างเช่น ดนตรีแห่งการเปลี่ยนแปลง ของเคจ ใช้ระบบแผนภูมิที่อิงจากอี้จิง ) เลจาเรน ฮิลเลอร์และเลียวนาร์ด ไอแซคสันใช้ไวยากรณ์เชิงกำเนิดและห่วงโซ่มาร์คอฟในชุดเพลงอิลลิแอค ในปี 1957 เทคนิคการผลิตดนตรีอิเล็กทรอนิกส์สมัยใหม่ทำให้กระบวนการเหล่านี้ง่ายต่อการนำไปใช้ และอุปกรณ์ฮาร์ดแวร์หลายอย่าง เช่น ซินเธไซเซอร์และเครื่องดรัมแมชชีน มีคุณสมบัติการสุ่มรวมอยู่ด้วย ดังนั้น เทคนิค ดนตรีเชิงกำเนิดจึงเข้าถึงได้ง่ายสำหรับนักประพันธ์ นักแสดง และโปรดิวเซอร์

ทฤษฎีสังคมศาสตร์เชิงสุ่มคล้ายคลึงกับทฤษฎีระบบตรงที่เหตุการณ์ต่างๆ เป็นปฏิสัมพันธ์ของระบบต่างๆ แม้ว่าจะเน้นกระบวนการในระดับจิตใต้สำนึกเป็นพิเศษก็ตาม เหตุการณ์สร้างเงื่อนไขความเป็นไปได้ของตัวเอง ทำให้คาดเดาไม่ได้เพียงเพราะจำนวนตัวแปรที่เกี่ยวข้อง ทฤษฎีสังคมศาสตร์เชิงสุ่มสามารถมองได้ว่าเป็นการขยายความของ 'แกนที่สาม' ชนิดหนึ่ง ซึ่งใช้ในการวางพฤติกรรมมนุษย์ควบคู่ไปกับการแบ่งขั้วแบบดั้งเดิมระหว่าง ' ธรรมชาติกับสิ่งแวดล้อม ' ดู ตัวอย่างของทฤษฎีสังคมศาสตร์เชิงสุ่มได้จากงานของ Julia Kristevaเกี่ยวกับการใช้ 'สัญศาสตร์' งานของLuce Irigaray เกี่ยวกับ ญาณวิทยาแบบไฮเดกเกอร์ ย้อนกลับและ งานของ Pierre Bourdieuเกี่ยวกับพื้นที่พหุภาค

เมื่อทำการสร้างภาพสี ภาพจะถูกแยกออกเป็นสีองค์ประกอบโดยการถ่ายภาพหลายๆ ภาพที่ใช้ตัวกรองสำหรับแต่ละสี ฟิล์มหรือแผ่นพิมพ์ที่ได้จะแสดงข้อมูลสีฟ้า สีม่วงแดง สีเหลือง และสีดำอย่างละหนึ่งชุดการพิมพ์สีเป็นระบบไบนารี ซึ่งหมึกจะมีอยู่หรือไม่มีอยู่ ดังนั้นการแยกสีทั้งหมดที่จะพิมพ์จะต้องถูกแปลงเป็นจุดในขั้นตอนใดขั้นตอนหนึ่งของกระบวนการทำงานสกรีนแบบเส้นแบบ ดั้งเดิม ซึ่งมีการปรับความกว้างของคลื่นมีปัญหาเรื่องลายคลื่นแต่ก็ยังถูกใช้จนกระทั่ง มี สกรีนแบบสุ่มเกิดขึ้น รูปแบบจุดแบบสุ่ม (หรือแบบปรับความถี่ ) สร้างภาพที่คมชัดกว่า

• กระบวนการกระโดด
• การสุ่มเลือก
• กระบวนการสุ่ม

• ดนตรีที่เป็นทางการ: ความคิดและคณิตศาสตร์ในการประพันธ์เพลงโดยIannis Xenakis , ISBN 1-57647-079-2
• ความถี่และการเกิดขึ้นของโครงสร้างทางภาษาโดย โจน บายบี และ พอล ฮอปเปอร์ (บรรณาธิการ) ISBN 1-58811-028-1/ ISBN 90-272-2948-1(ยูโร)
• แบบจำลองการโหลดและการเจือจางเชิงประจักษ์แบบสุ่ม ( Stochastic Empirical Loading and Dilution Model)มีเอกสารประกอบและรหัสคอมพิวเตอร์สำหรับการสร้างแบบจำลองกระบวนการสุ่มในVisual Basic for Applications

• ความหมายของคำว่า"stochastic"ในพจนานุกรมวิกิพีเดีย