Preface.- 1.Gaussian Vectors and Distributions.- 2.Examples of Gaussian Vectors, Processes and Distributions.- 3.Gaussian White Noise and Integral Representations.- 4.Measurable Functionals and the Kernel.- 5.Cameron-Martin Theorem.- 6.Isoperimetric Inequality.- 7.Measure Concavity and Other Inequalities.- 8.Large Deviation Principle.- 9.Functional Law of the Iterated Logarithm.- 10.Metric Entropy and Sample Path Properties.- 11.Small Deviations.- 12.Expansions of Gaussian Vectors.- 13.Quantization of Gaussian Vectors.- 14.Invitation to Further Reading.- References.
Le informazioni nella sezione "Riassunto" possono far riferimento a edizioni diverse di questo titolo.
(nessuna copia disponibile)
Cerca: Inserisci un desiderataNon riesci a trovare il libro che stai cercando? Continueremo a cercarlo per te. Se uno dei nostri librai lo aggiunge ad AbeBooks, ti invieremo una notifica!
Inserisci un desiderata