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

Стохастическое управление оптимизирует процессы с неполной информацией и случайными помехами. Оно решает задачи динамического программирования для стохастических дифференциальных уравнений.

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.