提出了一种快速易实现的模拟算法，用于多元正态分布受截断的超平面交集限制，进一步将其推广，以有效地模拟方差（精度）矩阵可分解为正定矩阵减去（加上）低秩对称矩阵的多元正态分布的随机变量。举例说明了所提出的模拟算法的正确性和效率。

Jul, 2016

探讨在高斯向量每个分量都属于有限或半有限区间的情况下的仿真方法，设计了基于表的算法以及接受 - 拒绝算法，同时研究表明，半有限截断区间的接受率下限为 0.5，有限区间下限为 0.47，并探讨了向 3 维或更高维的扩展。

Jan, 2012

该研究提出了一种高效的算法，利用截断样本可以无限精确地估计多元正态分布的参数，前提是拥有样本集的访问权，并且该样本集存在具有非微不足道的测度。

Sep, 2018

本研究提出了一种 Hamiltonian Monte Carlo 算法，能够从受限制的多元高斯分布中进行采样，该算法与 Gibbs 采样相比混合更快，更有效。此外，该算法还支持从具有分段二次 log 密度的分布进行采样，例如在 “Bayesian Lasso” 模型中。

Aug, 2012

本文对多元偏态正态分布进行了探讨，分析了概率性质和统计学相关性，讨论了推理和其他统计问题，并通过数值例子进行了应用。最后，介绍了一种引入椭圆密度偏斜因素的进一步扩展。

Nov, 2009

本论文提出了一种新的估计方法，能够从矩阵变量数据中恢复图形结构和协方差矩阵，同时扩展到可用多个复制品的一般情况下，并且在理论上证明了一致性和算子等多个方面的收敛速度。

Sep, 2012

该研究提出了一种全新类型的上限和下限，用于表示具有无界或左半无界支持的连续随机变量的右尾概率。这些新的上限和下限只依赖于概率密度函数（PDF）、其一阶导数和两个用于收紧边界的参数，并在特定条件下成立。通过数值示例，证明了这些尾部边界对于广泛范围的连续随机变量是紧致的。

Nov, 2023

本文研究了三种多元记录，推导了在两个原型区域：超立方体和 d - 维单纯形中从独立统一随机样本中得出它们数量的平均数和方差，给出了方差趋于无穷大时的收敛率的中心极限定理，同时提供了有效的数值计算程序以高度的精度计算方差常数。

Mar, 2010

研究怎样在不假设样本的基础分布为高斯分布的前提下，只假定有限个矩的情况下，有效地进行线性回归和协方差估计，并关注能用多少样本来实现高精度和指数级成功概率。使用八阶圆当量半定规划提供算法，预备性的证据表明在我们的算法使用的平均中位数框架中无法在多项式时间内改善这些误差率。

Dec, 2019

推导了折叠正态分布的特征函数及其矩函数，利用泰勒级数近似计算了折叠正态分布的熵和与正态分布、半正态分布之间的 Kullback-Leibler 距离，通过渐进理论和 bootstrap 方法得到了参数的最大似然估计和置信区间，并检验了置信区间的覆盖率。

Feb, 2014