参量过程（Parametric Process）是指在统计学和概率论中，指那些可以用一组参数来描述的随机过程。这里的“参数”通常是一些固定的数值，它们决定了随机过程的性质和特征。
具体来说，参量过程有以下特点：
1. 参数化：这类过程可以通过一组参数来完全描述，这些参数通常是已知的或可以通过实验或观察得到。
2. 确定性：在给定参数的情况下，参量过程的行为是确定的，即给定初始条件和参数，可以预测过程在任意时刻的状态。
3. 模型简单：参量过程通常使用较为简单的数学模型来描述，这使得它们在理论和实际应用中都比较容易处理。
常见的参量过程包括：
马尔可夫链：一种离散时间随机过程，其未来状态仅依赖于当前状态，而与过去状态无关。
Wiener过程（布朗运动）：一种连续时间随机过程，广泛应用于金融数学和物理学中。
泊松过程：一种离散时间随机过程，用于描述在固定时间间隔内发生特定事件的数量。
在统计学中，参量过程常用于建立统计模型，例如正态分布、指数分布等。这些模型可以帮助我们理解和预测数据中的随机现象。
