Правильнее было б сказать не "траекторий", а достаточно гладких фунцкий

, потому что параметризация здесь будет играть значение.
Суть такая: есть частица, которая некоторым образом движется в плоскости. Мы не знаем её траектории, она случайная.
Возможные вопросы, которые можно будет задать, примерно так формулируются: зная положение частицы в некоторый момент времени

или набор положений при разных

, определить распределение положений во время

, то есть

.
Про частицу известно, что она "помнит" своё поведение "грубо", то есть периодически она почти повторяет свою траекторию с точностью до трансляции на некоторый вектор.[1]
Проблема: я не знаю, как сформировать модель по такому нечёткому описанию. Хотелось бы, чтоб модель была по-проще.
Если бы я знал, что функция

-периодична и можно разложить в ограниченный спектр

, то можно взять в качестве модели пространство

. Более того, если

, где

— некоторые числа, то можно можно адекватно ввести случайную величину с равномерным распределением.[2]
Основной вопрос: как можно обобщить понятие "равномерного распределения" до

, когда у нас спектр не ограничен

?[3]
Какая есть литература по этим вопросам? Наверняка, что-то такое должно быть, но как может называться раздел теорвера, ставящий такие задачи, я не знаю.
(Оффтоп)
[1] Более формально: пусть

, тогда существует

,

и

, что вероятноть отклонения

от

на величину

в некоторой метрике (

, например) пространства функций при

монотонно убывает по

при любом

.
[2] Вероятностное пространство

задаётся так:
![$\Omega=[-m_1,m_1] \times [-m_2,m_2] \times\ldots\times [-m_n,m_n]$ $\Omega=[-m_1,m_1] \times [-m_2,m_2] \times\ldots\times [-m_n,m_n]$](https://dxdy-02.korotkov.co.uk/f/1/9/f/19f3aa85fcc95699118977c907ba7abf82.png)
,

— понятно что,

,

доопределяется по

-аддитивности.
[3] Я придумал следующее: пусть заданы числа

и пусть
![$$\Omega=\prod\limits_{n\in N} [-m_n,m_n]$$ $$\Omega=\prod\limits_{n\in N} [-m_n,m_n]$$](https://dxdy-04.korotkov.co.uk/f/7/6/9/7698b169b7cd869ae6042145f9283cbf82.png)
Далее пусть

есть

-алгебра. Наконец, по аналогии, я хотел бы положить

но бесконечно умножать числовую последовательность мы не умеем, поэтому можно написать так:

доопределяем по аддитивности.
Но, ИМХО, это ущербная модель.