Passer au contenu principal

Recherche

Afficher tous les résultats pour

Accueil

Personne

Jennifer Lynne Wadsworth

Cette personne n’est plus à l’EPFL

À propos
Confidentialité
Mentions légales

Copyright © 2025 EPFL, tous droits réservés

Graph Chatbot

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (3)

Veuillez noter qu'il ne s'agit pas d'une liste complète des publications de cette personne. Elle inclut uniquement les travaux sémantiquement pertinents. Pour une liste complète, veuillez consulter Infoscience.

Modelling across extremal dependence classes

Anthony Christopher Davison, Jennifer Lynne Wadsworth, Jonathan A. Tawn

Different dependence scenarios can arise in multivariate extremes, entailing careful selection of an appropriate class of models. In bivariate extremes, the variables are either asymptotically dependent or are asymptotically independent. Most available sta ...

Wiley-Blackwell2017

A new representation for multivariate tail probabilities

Jennifer Lynne Wadsworth, Jonathan A. Tawn

Existing theory for multivariate extreme values focuses upon characterizations of the distributional tails when all components of a random vector, standardized to identical margins, grow at the same rate. In this paper, we consider the effect of allowing t ...

Bernoulli Society for Mathematical Statistics and Probability2013

Efficient inference for spatial extreme value processes associated to log-Gaussian random functions

Jennifer Lynne Wadsworth, Jonathan A. Tawn

Max-stable processes arise as the only possible nontrivial limits for maxima of affinely normalized identically distributed stochastic processes, and thus form an important class of models for the extreme values of spatial processes. Until recently, infere ...

Oxford University Press2014