Refine
Has Fulltext
- yes (13)
Document Type
- Preprint (13) (remove)
Language
- German (13) (remove)
Keywords
- Diophantine Approximation (1)
- Form (1)
- Hypoellipticity (1)
- Integrability (1)
- Markov processes (1)
- coupling (1)
- dynamical system representation (1)
- monotone random (1)
- monotonicity conditions (1)
- partial ordering (1)
Institute
- Institut für Mathematik (13) (remove)
Aus dem Inhalt: Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis 1 Einleitung und Motivation 2 Multivariate Copulafunktionen 2.1 Einleitung 2.2 Satz von Sklar 2.3 Eigenschaften von Copulafunktionen 3 Abhängigkeitskonzepte 3.1 Lineare Korrelation 3.2 Copulabasierte Abhängigkeitsmaße 3.2.1 Konkordanz 3.2.2 Kendall’s und Spearman’s 3.2.3 Asymptotische Randabhängigkeit 4 Elliptische Copulaklasse 4.1 Sphärische und elliptische Verteilungen 4.2 Normal-Copula 4.3 t-Copula 5 Parametrische Schätzverfahren 5.1 Maximum-Likelihood-Methode 5.1.1 ExakteMaximum-Likelihood-Methode 5.1.2 2-stufige parametrische Maximum-Likelihood-Methode 5.1.3 2-stufige semiparametrische Maximum-Likelihood-Methode 5.2 Momentenmethode 5.3 Kendall’s -Momentenmethode 6 Parameterschätzungen für Normal- und t-Copula 6.1 Normal-Copula 6.1.1 Maximum-Likelihood-Methode 6.1.2 Momentenmethode 6.1.3 Kendall’s Momentenmethode 6.1.4 Spearman’s Momentenmethode 6.2 t-Copula 6.2.1 Verfahren 1 (exakte ML-Methode) 6.2.2 Verfahren 2 (2-stufige rekursive ML-Methode) 6.2.3 Verfahren 3 (2-stufige KM-ML-Methode) 6.2.4 Verfahren 4 (3-stufige M-ML-Methode) 7 Simulationen 7.1 Grundlagen 7.2 Parametrischer Fall 7.3 Nichtparametrischer Fall 7.4 Fazit A Programmausschnitt Literaturverzeichnis
Aus dem Inhalt: Einleitung und Zusammenfassung 1 Grundlagen der Lebensdaueranalyse 2 Systemzuverlässigkeit 3 Zensierung 4 Schätzen in nichtparametrischen Modellen 5 Schätzen in parametrischen Modellen 6 Konfidenzintervalle für Parameterschätzungen 7 Verteilung einer gemischten Population 8 Kurze Einführung: Lebensdauer und Belastung 9 Ausblick A R-Quellcode B Symbole und Abkürzungen
Harness-Prozesse
(2010)
Harness-Prozesse finden in der Forschung immer mehr Anwendung. Vor allem gewinnen Harness-Prozesse in stetiger Zeit an Bedeutung. Grundlegende Literatur zu diesem Thema ist allerdings wenig vorhanden. In der vorliegenden Arbeit wird die vorhandene Grundlagenliteratur zu Harness-Prozessen in diskreter und stetiger Zeit aufgearbeitet und Beweise ausgeführt, die bisher nur skizziert waren. Ziel dessen ist die Existenz einer Zerlegung von Harness-Prozessen über Z beziehungsweise R+ nachzuweisen.
Das Sammelbilderproblem
(2010)
Estimation and testing of distributions in metric spaces are well known. R.A. Fisher, J. Neyman, W. Cochran and M. Bartlett achieved essential results on the statistical analysis of categorical data. In the last 40 years many other statisticians found important results in this field. Often data sets contain categorical data, e.g. levels of factors or names. There does not exist any ordering or any distance between these categories. At each level there are measured some metric or categorical values. We introduce a new method of scaling based on statistical decisions. For this we define empirical probabilities for the original observations and find a class of distributions in a metric space where these empirical probabilities can be found as approximations for equivalently defined probabilities. With this method we identify probabilities connected with the categorical data and probabilities in metric spaces. Here we get a mapping from the levels of factors or names into points of a metric space. This mapping yields the scale for the categorical data. From the statistical point of view we use multivariate statistical methods, we calculate maximum likelihood estimations and compare different approaches for scaling.
We consider a class of infinite-dimensional diffusions where the interaction between the components is both spatial and temporal. We start the system from a Gibbs measure with finiterange uniformly bounded interaction. Under suitable conditions on the drift, we prove that there exists t0 > 0 such that the distribution at time t = t0 is a Gibbs measure with absolutely summable interaction. The main tool is a cluster expansion of both the initial interaction and certain time-reversed Girsanov factors coming from the dynamics.
Aus dem Inhalt: Einleitung Kapitel 1. Starke Gesetze der Grossen Zahlen 1. SGGZ unter Wachstumsbedingungen an die p-ten Momente 2. SGGZ für identisch verteilte Zufallsvariablen 3. SGGZ für Prozesse mit *-mixing-Eigenschaft Kapitel 2. Einführung zu diskreten (Sub-,Super-)Martingalen 1. Vorhersagbarkeit 2. gestoppte (Sub-,Super-)Martingale 3. Upcrossings 4. Konvergenzsätze 5. Doob-Zerlegung 6. Eine äquivalente Definition eines (Sub-)Martingals Kapitel 3. Martingale und gleichgradige Integrierbarkeit 1. Gleichmäßige(-f¨ormige,-gradige) Integrierbarkeit 2. gleichgradig integrierbare Martingale Kapitel 4. Martingale und das SGGZ Kapitel 5.”reversed“ (Sub-,Super-)Martingale 1. Konvergenzsätze Kapitel 6. (Sub-,Super-)Martingale mit gerichteter Indexmenge 1. Äquivalente Formulierung eines (Sub-)Martingals 2. Konvergenzsätze Kapitel 7. Quasimartingale,Amarts und Semiamarts 1. Konvergenzsätze 2. Riesz-Zerlegung 3. Doob-Zerlegung Kapitel 8. Amarts und das SGGZ Kapitel 9.”reversed“ Amarts und Semiamarts 1. Konvergenzsätze 2.”Aufwärts“- gegen ”Abwärts“-Adaptiertheit 3. Riesz-Zerlegung 4. Stabilitätsanalyse Kapitel 10. Amarts mit gerichteter Indexmenge 1. Konvergenzsätze 2. Riesz-Zerlegung Anhang A. zur Existenz einer Folge unabhängiger Zufallsvariablen B. Konvergenz
Aus dem Inhalt: 0.1 Danksagung 0.2 Einleitung 1 Allgemeines und Grundlagen 1.1 Die Brownsche Bewegung 2 Die Dualitätsformel des Wienermaßes 2.1 Wienermaß erfüllt Dualitätsformel 2.2 Dualitätsformel charakterisiert Wienermaß 3 Die diskrete Dualitätsformel der Irrfahrt 3.1 Verallgemeinerte symmetrische Irrfahrt erfüllt diskrete Dualitätsformel 3.2 Diskrete Dualitätsformel charakterisiert verallgemeinerte symmetrische Irrfahrt 4 Donskers Theorem und die Dualitätsformeln 4.1 Straffheit der renormierten stetigen Irrfahrt 4.2 Konvergenz der Irrfahrt 5 Anhang