×
丹·程;阿明·施瓦茨曼

高斯随机场在微分变换下的临界点。 （英语） 兹比尔1453.60083

统计概率。莱特。 158，文章ID 108672，第5页（2020年）.
小结：设\（X（t），t\ in M\}）和\（Z（t'），t'in M'}）分别是黎曼流形\（M\）和\。我们研究了（X）与（Z）临界点的期望数量和高度分布。作为一个重要的例子，当X是各向异性高斯随机场时，我们证明了其期望的临界点数量与各向同性场的临界点数目成正比，而高度分布与Z的分布相同。

MSC公司：

60G15年 高斯过程
60G60型 随机字段
58D20型 映射流形上的度量（高斯、圆柱形等）
15B52号 随机矩阵（代数方面）

关键词：

微分变换;关键点;预期数量;高度分布;各向异性的;各向同性的
PDF格式BibTeX公司 XML格式引用
\textit{D.Cheng}和\textit{A.Schwartzman}，Stat.Probab。莱特。158，文章ID 108672，5 p.（2020；Zbl 1453.60083）
全文： 内政部 arXiv公司

参考文献：

[1] 阿德勒·R·J。；Taylor，J.E.，《随机场与几何》（2007），Springer:Springer New York·Zbl 1149.60003号
[2] Allard，D。；塞努西，R。；Porcu，E.，空间数据的各向异性模型，数学。地质科学。，48, 305-328 (2016) ·Zbl 1397.86020号
[3] 巴丁，J.M。；邦德，J.R。；Kaiser，N。；Szalay，A.S.，高斯随机场峰值的统计，天体物理学。J.，304，15-61（1985）
[4] Cheng，D。；Cammarota，V.公司。；Y.Fantaye。；Marinucci，D。；Schwartzman，A.，检测（天体）球体峰值的局部极大值多重测试，Bernoulli（2019），（出版中）。arXiv:1602.08296
[5] Cheng，D。；Schwartzman，A.，高斯随机场局部极大值高度的分布，极值，18，213-240（2015）·Zbl 1319.60106号
[6] Cheng，D。；Schwartzman，A.，检测随机场峰值的局部极大值的多重测试，Ann.Statist。，4529-556（2017）·Zbl 1369.62144号
[7] Cheng，D。；Schwartzman，A.，光滑各向同性高斯随机场临界点的期望数量和高度分布，Bernoulli，243422-3446（2018）·Zbl 1407.60051号
[8] 克拉梅尔，H。；Leadbetter，M.R.，《平稳及相关随机过程：样本函数性质及其应用》（1967），威利出版社，纽约·Zbl 0162.21102号
[9] 费希尔，B。；塞雷诺，M.I。；Dale，A.M.，《皮层表面分析：II：膨胀、扁平化和表面坐标系》，《神经影像》，第9期，第2期，195-207页（1999年）
[10] Fyodorov，Y.V.，《随机能量景观的复杂性、玻璃化转变和随机矩阵谱行列式的绝对值》，Phys。修订稿。，92，第240601条pp.（2004）·Zbl 1267.82055号
[11] Fyodorov，Y.V.，高维随机场和随机矩阵理论，马尔可夫过程。相关领域，21，3，483-518（2015）
[12] 小哈格勒，D.J。；Saygin，A.P。；Sereno，M.I.，fmri数据基于皮层表面的群组分析的平滑和聚类阈值，Neuroimage，33，4，1093-1103（2006）
[13] 潘塔齐斯，D。；Nichols，T.E。；Baillet，S。；Leahy，R.M.，MEG数据统计分析中随机场理论和排列方法的比较，《神经影像》，25，2，383-394（2005）
[14] 泰勒，J.E。；Worsley，K.J.，《检测随机场中的稀疏信号，及其在大脑映射中的应用》，J.Amer。统计师。协会，102，913-928（2007）·Zbl 1469.62353号
[15] Van Hecke，W。；Leemans，A。；支持者，S.De。；Jeurissen，B。；帕里泽尔，P.M。；Sijbers，J.，《基于体素的DTI分析的各向同性和各向异性平滑比较：模拟研究》，《人脑映射》，31，1，98-114（2010）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。