Стохастическая аппроксимация итеративно минимизирует целевые функции по шумным градиентам. Она решает уравнения типа (mathbb{E}[H( heta,X)]=0) последовательными корректировками.

Методы Монте-Карло используют случайную выборку для численного решения задач, недоступных аналитическим путём. Они особенно эффективны для многомерных интегралов, оценки рисков и симуляции стохастических процессов.

Стохастические дифференциальные уравнения (СДУ) описывают динамику систем с детерминированным дрейфом и броуновским шумом. Они моделируют цены активов, процентные ставки и волатильность.

Марковские цепи — один из ключевых инструментов стохастической математики, описывающий системы с «памятью нулевого порядка», где будущее зависит только от текущего состояния. Такие модели успешно применяются к задачам телекоммуникаций, биоинформатики, лингвистики и теории очередей.