Cellular automata (CA) are fully discrete dynamical systems. Space is represented by a regular lattice while time proceeds in finite steps. Each cell of the lattice is assigned a state, chosen from a finite set of "values". The states of the cells are updated synchronously according to a local interaction rule, whereby each cell obeys the same rule. Formal definitions of deterministic, probabilistic and lattice-gas CA are presented. With the so-called mean-field approximation any CA model can be transformed into a deterministic model with continuous state space. CA rules, which characterise movement, single-component growth and many-component interactions are designed and explored. It is demonstrated that lattice-gas CA offer a suitable tool for modelling such processes and for analysing them by means of the corresponding mean-field approximation. In particular two types of many-component interactions in lattice-gas CA models are introduced and studied. The first CA captures in abstract form the essential ideas of activator-inhibitor interactions of biological systems. Despite of the automaton´s simplicity, self-organised formation of stationary spatial patterns emerging from a randomly perturbed uniform state is observed (Turing pattern). In the second CA, rules are designed to mimick the dynamics of excitable systems. Spatial patterns produced by this automaton are the self-organised formation of spiral waves and target patterns. Properties of both pattern formation processes can be well captured by a linear stability analysis of the corresponding nonlinear mean-field (Boltzmann) equations.

This thesis investigates time series analysis tools for prediction, as well as detection and characterization of dependencies, informed by dynamical systems theory. Emphasis is placed on the role of delays with respect to information processing in dynamical systems, as well as with respect to their effect in causal interactions between systems. The three main features that characterize this work are, first, the assumption that time series are measurements of complex deterministic systems. As a result, functional mappings for statistical models in all methods are justified by concepts from dynamical systems theory. To bridge the gap between dynamical systems theory and data, differential topology is employed in the analysis. Second, the Bayesian paradigm of statistical inference is used to formalize uncertainty by means of a consistent theoretical apparatus with axiomatic foundation. Third, the statistical models are strongly informed by modern nonlinear concepts from machine learning and nonparametric modeling approaches, such as Gaussian process theory. Consequently, unbiased approximations of the functional mappings implied by the prior system level analysis can be achieved. Applications are considered foremost with respect to computational neuroscience but extend to generic time series measurements.

In dieser Dissertation werden neue Regressionsansätze für multivariate longitudinale oder funktionale Daten entwickelt, die eine flexible Modellierung von interessierenden Kovariableneffekten ermöglichen. Die Abhängigkeit innerhalb und zwischen den verschiedenen Zielgrößen wird über latente multivariate Gauss-Prozesse modelliert. Die Regressionsansätze folgen einem zweistufigen Verfahren, in dem in einem vorgelagerten Schritt multivariate funktionale Hauptkomponentenanalysen eingesetzt werden, um sparsame empirische Basen für die Gauss-Prozesse zu konstruieren. Drei verschiedene Regressionsmodelle werden für verschiedene Arten multivariater longitudinaler oder funktionaler Daten entwickelt. Das erste Projekt führt das zweistufige Verfahren für multivariate normalverteilte funktionale Daten ein, die eine gekreutzte oder genestete Datenstruktur aufweisen können. Das Regressionsmodell ist im frequentistischen Rahmenmodell der funktionalen additiven gemischten Modelle eingebettet und wird durch Anwendungen auf Bewegungsdaten und Sprachdaten illustriert. Das zweite Projekt entwickelt ein bayesianisches Regressionsgerüst für multilevel multivariate funktionale Daten, die verschiedenen punktweisen Verteilungen folgen. Das erlaubt es, verschiedene Datentypen, wie etwa binäre, Zähl- oder kontinuierliche funktionale Daten gleichzeitig zu modellieren, was durch eine Anwendung auf Berliner Verkehrsdaten veranschaulicht wird. Das dritte Projekt vereint multivariate longitudinale normalverteilte Daten mit einer Ereigniszeit-Zielgröße in einem gemeinsamen bayesianischen Modellierungsansatz. Solche Modelle werden oft im medizinischen Bereich verwendet, beispielsweise wenn der Fokus der Analyse auf der Schätzung der Assoziation zwischen longitudinalen Messungen von Biomarkern und dem Überleben von Patienten mit chronischen Lebererkrankung liegt. / In this thesis, novel regression approaches for multivariate longitudinal or functional data are developed, which allow to flexibly model the covariate effects of interest. The dependency within and between the different outcomes is modeled using latent multivariate Gaussian processes. The regression approaches adopt a two-step procedure where, in a preliminary step, multivariate functional principal component analyses are employed to generate parsimonious empirical bases for the Gaussian processes. Three different regression models are developed for different types of longitudinal or multivariate functional data. The first project establishes the two-step procedure for multivariate Gaussian functional data which can exhibit a crossed or nested multilevel structure. The regression model is embedded in the frequentist functional additive mixed model framework and is demonstrated by applications in movement data and speech production data. The second project develops a Bayesian regression framework for multilevel multivariate functional data that follow different pointwise distributions. This allows to simultaneously model data of different types such as binary, count, or continuous functional data, which is illustrated by an application to Berlin traffic data. The third project combines multivariate longitudinal Gaussian data with a time-to-event outcome in a Bayesian joint modelling approach. Such models are often used in medical contexts where the main point of interest lies in estimating the association between longitudinal measurements of biomarkers and e.g. the survival of patients as in the presented application to a chronic liver disease. All projects are accompanied by simulation studies to assess the estimation accuracy and the models' limitations.

Diese Arbeit untersucht eine Reihe multiplikativer Preiseinflussmodelle für das Handeln in einer riskanten Anlage. Unser risikoneutraler Investor versucht seine zu erwartenden Handelserlöse zu maximieren. Zunächst modellieren wir den vorübergehende Preiseinfluss als deterministisches Funktional der Handelsstrategie. Wir stellen den Zusammenhang mit Limit-Orderbüchern her und besprechen die optimale Strategie zum Auf- bzw. Abbau einer Anlageposition bei a priori unbeschränkem Anlagehorizont. Anschließend lösen wir das Optimierungsproblem mit festem Anlagehorizon in zwei Schritten. Mittels Variationsrechnung lässt sich die freie Grenzefläche, die Kauf- und Verkaufsregionen trennt, als lokales Optimum identifizieren, was entscheidend für die Verifikation globaler Optimalität ist. Im zweiten Teil der Arbeit erweitern wir den zwischengeschalteten Markteinflussprozess um eine stochastische Komponente, wodurch optimale Strategien dynamisch an zufällige Liquiditätsschwankungen adaptieren. Wir bestimmen die optimale Liquidierungsstrategie im zeitunbeschränkten Fall als die reflektierende Lokalzeit, die den Markteinfluss unterhalb eines explizit beschriebenen nicht-konstanten Grenzlevels hält. Auch dieser Beweis kombiniert Variationsrechnung und direkten Methoden. Um nun eine Zeitbeschränkung zu ermöglichen, müssen wir Semimartingalstrategien zulassen. Skorochods M1-Toplogie ist der Schlüssel, um die Klasse der möglichen Strategien in einer umfangreichen Familie von Preiseinflussmodellen, welche sowohl additiven, als auch multiplikativen Preiseinfluss umfasst, mit deterministischer oder stochastischer Liquidität, eindeutig von endlichen Variations- auf allgemeine càdlàg Strategien zu erweitern. Nach Einführung proportionaler Transaktionskosten lösen wir das entsprechende eindimensionale freie Grenzproblem des optimalen unbeschränkten Handels und beleuchten mögliche Lösungsansätze für das Liquidierungsproblem, das mit dem Verkauf der letzten Anleihe endet. / In this thesis, we study a class of multiplicative price impact models for trading a single risky asset. We model price impact to be multiplicative so that prices are guaranteed to stay non-negative. Our risk-neutral large investor seeks to maximize expected gains from trading. We first introduce a basic variant of our model, wherein the transient impact is a deterministic functional of the trading strategy. We draw the connection to limit order books and give the optimal strategy to liquidate or acquire an asset position infinite time horizon. We then solve the optimization problem for finite time horizon two steps. Calculus of variations allows to identify the free boundary surface that separates buy and sell regions and moreover show its local optimality, which is a crucial ingredient for the verification giving (global) optimality. In the second part of the thesis, we add stochasticity to the auxiliary impact process. This causes optimal strategies to dynamically adapt to random changes in liquidity. We identify the optimal liquidation strategy in infinite horizon as the reflection local time which keeps the market impact process below an explicitly described non-constant free boundary level. Again the proof technique combines classical calculus of variations and direct methods. To now impose a time constraint, we need to admit semimartingale strategies. Skorokhod's M1 topology is key to uniquely extend the class of admissible controls from finite variation to general càdlàg strategies in a broad class of market models including multiplicative and additive price impact, with deterministic or stochastic liquidity. After introducing proportional transaction costs in our model, we solve the related one-dimensional free boundary problem of unconstrained optimal trading and highlight possible solution methods for the corresponding liquidation problem where trading stops as soon as all assets are sold.

Diese Arbeit untersucht Inferenz für Streuungsparameter bedingter Gaußprozesse anhand diskreter verrauschter Beobachtungen in einem Hochfrequenz-Setting. Unser Ziel dabei ist es, eine asymptotische Charakterisierung von effizienter Schätzung in einem allgemeine Gaußschen Rahmen zu finden. Für ein parametrisches Fundamentalmodell wird ein Hájek-Le Cam-Faltungssatz hergeleitet, welcher eine exakte asymptotische untere Schranke für Schätzmethoden liefert. Dazu passende obere Schranken werden konstruiert und die Bedeutung des Satzes wird verdeutlicht anhand zahlreicher Beispiele wie der (fraktionellen) Brownschen Bewegung, dem Ornstein-Uhlenbeck-Prozess oder integrierten Prozessen. Die Herleitung der Effizienzresultate basiert auf asymptotischen Äquivalenzen und kann für verschiedene Verallgemeinerungen des parametrischen Fundamentalmodells verwendet werden. Als eine solche Erweiterung betrachten wir das Schätzen der quadrierten Kovariation eines stetigen Martingals anhand verrauschter asynchroner Beobachtungen, welches ein fundamentales Schätzproblem in der Öknometrie ist. Für dieses Modell erhalten wir einen semi-parametrischen Faltungssatz, welcher bisherige Resultate im Sinne von Multidimensionalität, Asynchronität und Annahmen verallgemeinert. Basierend auf den vorhergehenden Herleitungen entwickeln wir einen statistischen Test für den Hurst-Parameter einer fraktionellen Brownschen Bewegung. Ein Score- und ein Likelihood-Quotienten-Test werden implementiert sowie analysiert und erste empirische Eindrücke vermittelt. / This work studies inference on scaling parameters of a conditionally Gaussian process under discrete noisy observations in a high-frequency regime. Our aim is to find an asymptotic characterisation of efficient estimation for a general Gaussian framework. For a parametric basic case model a Hájek-Le Cam convolution theorem is derived, yielding an exact asymptotic lower bound for estimators. Matching upper bounds are constructed and the importance of the theorem is illustrated by various examples of interest such as the (fractional) Brownian motion, the Ornstein-Uhlenbeck process or integrated processes. The derivation of the efficiency result is based on asymptotic equivalences and can be employed for several generalisations of the parametric basic case model. As such an extension we consider estimation of the quadratic covariation of a continuous martingale from noisy asynchronous observations, which is a fundamental estimation problem in econometrics. For this model, a semi-parametric convolution theorem is obtained which generalises existing results in terms of multidimensionality, asynchronicity and assumptions. Based on the previous derivations, we develop statistical tests on the Hurst parameter of a fractional Brownian motion. A score test and a likelihood ratio type test are implemented as well as analysed and first empirical impressions are given.

Im Rahmen der Qualitätsentwicklung und -sicherung von Unterricht wurden in den letzten zwei Jahrzehnten auf Bundes- und Länderebene auch Maßnahmen zur Professionalisierung von Lehr-personen festgelegt. Vor diesem Hintergrund begannen 2012 am Deutschen Zentrum für Lehrerbildung Mathematik (DZLM) auch Arbeiten, um bestehende Fortbildungsangebote für Grundschullehrkräfte zu erweitern. In dieser Arbeit wird das Konzept einer Stochastik-Fortbildung für Lehrpersonen, die Mathematik in der Grundschule unterrichten, vorgestellt. Die Entwicklung greift Forschungserkenntnisse zum Verständnis von professioneller Kompetenz von Lehrpersonen und zur Gestaltung von Professionalisierungsprozessen auf und bindet konzeptionell Impulse für Unterrichtsentwicklungsprozesse ein. In fünf Kursdurchführungen wurde das Konzept realisiert und hinsichtlich seiner Umsetzbarkeit untersucht. Die in diesem Rahmen gewonnenen Daten von 120 Lehrpersonen geben detailliertere Einsichten in Entwicklungsprozesse unterschiedlich qualifizierter Lehrpersonen. Die Ergebnisse zeigen insbesondere, dass in der fachinhaltlich orientierten Fortbildung ein fachlicher und fachdidaktischer Wissenszuwachs erreicht werden kann. Die Defizite bezüglich einer mathematischen Grundausbildung eines Lehramts können bei Lehrpersonen, die Mathematik fachfremd unterrichten, auf diesem Weg aber nicht überwunden werden. Die Untersuchungen zeigen zudem, dass die qualifikationsheterogene Zusammensetzung der Kursgruppen die Durchführung und das Lernen der Lehrpersonen bereichern. Mit der Einbindung des Konzepts der Professionellen Lerngemeinschaft (PLG) in den Kurs und Erprobungen in den Praxisphasen gelingt es, Impulse für Unterrichtsentwick-lungsprozesse zu geben. Diese Fortbildung kann ein berufsbegleitender Baustein in der Ausprägung von Lehrkräfteprofessionalität sein und den lang andauernden Prozess der Konstruktion und Selbstkonstruktion des Berufs unterstützen. / In the past two decades, increasing the quality of mathematics teaching and learning, particularly fostering the professional knowledge and skills of teachers has been researched in depth. Before this background, the German Center for Mathematics Education (Deutsches Zentrum für Lehrerbildung Mathematik, DZLM) started from 2012 onwards to offer professional development (PD) courses for teachers and facilitators. This thesis presents a concept for a PD course on stochastics for primary teachers, which draws on recently gained empirical evidences on appropriate professional competencies and on design elements relevant for effective professionalization. The concept of the PD course also includes building professional learning communities (PLCs) to initiate teachers´ ongoing professional growth through working collaboratively on improving their classroom practices. The long-lasting PD course has been conducted five times and data was gained to evaluate the feasibility of the concept. That is, the data acquired from 120 teachers provided detailed insight into the personal development of teachers with different qualifications, including those teaching out-of-field. The results show that a PD course focusing on a certain subject leads to an increase of both content knowledge professional content knowledge. However, deficits due to a missing basic education in mathematics - as for teachers not specialized on mathematics - cannot be totally overcome by this PD course. However, the results indicate that the heterogeneous teacher groups possessing different qualifications enrich the learning processes of all participants. Including the PLC concept into the PD course and conducting practical phases to probe issues in the classroom were both decisive impulses helping teachers to further develop their practices. Thus, the PD course proved to be effective with respect to fostering teachers´ professional knowledge and skills sustainably and contributed to teachers´ life-long and ongoing learning.

In der Statistik und der Mathematik ist die Normalverteilung der am meisten verbreitete, stochastische Term für die Mehrheit der statistischen Modelle. Wir zeigen, dass der entsprechende stochastische Prozess, die Brownsche Bewegung, drei entscheidende empirische Beobachtungen nicht abbildet: schwere Ränder, Langzeitabhängigkeiten und Skalierungsgesetze. Ein selbstähnlicher Prozess, der in der Lage ist Langzeitabhängigkeiten zu modellieren, ist die Gebrochene Brownsche Bewegung, welche durch die Faltung der Inkremente im Limit nicht normalverteilt sein muss. Die Inkremente der Gebrochenen Brownschen Bewegung können durch einen Parameter H, dem Hurst Exponenten, Langzeitabhängigkeiten darstellt werden. Für die Gebrochene Brownsche Bewegung müssten die Skalierungs-(Hurst-) Exponenten über die Momente verschiedener Ordnung konstant sein. Empirisch beobachten wir variierende Hölder-Exponenten, die multifraktales Verhalten implizieren. Wir erklären dieses multifraktale Verhalten durch die Änderung des alpha-stabilen Indizes der alpha-stabilen Verteilung, indem wir Filter für Saisonalitäten und Langzeitabhängigkeiten über verschiedene Zeitfrequenzen anwenden, startend bei 1-minütigen Hochfrequenzdaten. Durch die Anwendung eines Filters für die Langzeitabhängigkeit zeigen wir, dass die Residuen des stochastischen Prozesses geringer Zeitfrequenz (wöchentlich) durch die alpha-stabile Bewegung beschrieben werden können. Dies erlaubt es uns, den empirischen, hochfrequenten Datensatz auf die niederfrequente Zeitfrequenz zu skalieren. Die generierten wöchentlichen Daten aus der Frequenz-Reskalierungs-Methode (FRM) haben schwerere Ränder als der ursprüngliche, wöchentliche Prozess. Wir zeigen, dass eine Teilmenge des Datensatzes genügt, um aus Risikosicht bessere Vorhersagen für den gesamten Datensatz zu erzielen. Im Besonderen wäre die Frequenz-Reskalierungs-Methode (FRM) in der Lage gewesen, die seltenen Events der Finanzkrise 2008 zu modellieren. / Coming from a sphere in statistics and mathematics in which the Normal distribution is the dominating underlying stochastic term for the majority of the models, we indicate that the relevant diffusion, the Brownian Motion, is not accounting for three crucial empirical observations for financial data: Heavy tails, long memory and scaling laws. A self-similar process, which is able to account for long-memory behavior is the Fractional Brownian Motion, which has a possible non-Gaussian limit under convolution of the increments. The increments of the Fractional Brownian Motion can exhibit long memory through a parameter H, the Hurst exponent. For the Fractional Brownian Motion this scaling (Hurst) exponent would be constant over different orders of moments, being unifractal. But empirically, we observe varying Hölder exponents, the continuum of Hurst exponents, which implies multifractal behavior. We explain the multifractal behavior through the changing alpha-stable indices from the alpha-stable distributions over sampling frequencies by applying filters for seasonality and time dependence (long memory) over different sampling frequencies, starting at high-frequencies up to one minute. By utilizing a filter for long memory we show, that the low-sampling frequency process, not containing the time dependence component, can be governed by the alpha-stable motion. Under the alpha-stable motion we propose a semiparametric method coined Frequency Rescaling Methodology (FRM), which allows to rescale the filtered high-frequency data set to the lower sampling frequency. The data sets for e.g. weekly data which we obtain by rescaling high-frequency data with the Frequency Rescaling Method (FRM) are more heavy tailed than we observe empirically. We show that using a subset of the whole data set suffices for the FRM to obtain a better forecast in terms of risk for the whole data set. Specifically, the FRM would have been able to account for tail events of the financial crisis 2008.

Diese Dissertation wendet eine unendlichdimensionalen Markov'schen Hebemethode auf nicht-Markov'sche Dynamiken an und schlägt das Modell der kontinuierlichen Saatbank sowie ein unendlichdimensionales Preisbeeinflussungsmodell vor. Wir verallgemeinern das Saatbankmodell aus [BGCKWB16], um allgemeinere Dormanzzeitverteilungen zu berücksichtigen. Inspiriert von [GdHO22] führen wir die Wright-Fisher-Diffusion und Koaleszenz mit einer Kontinuität von Saatbänken ein. Durch die Formulierung einer unendlichen dimensionale stochastischen Differentialgleichung beweisen wir die Existenz einer eindeutigen starken Lösung: der kontinuierlichen Saatbank-Diffusion. Anschließend zeigen wir, dass dieser Diffusionsprozess das Skalierungs-Limit der Allelfrequenzprozesse in einer Reihe von diskreten Wright-Fisher-Modellen darstellt. Darüber hinaus stellen wir eine Dualitätsbeziehung zwischen der kontinuierlichen Saatbank-Diffusion und der kontinuierlichen Saatbank-Koaleszenz her und diskutieren einige grundlegende Eigenschaften dieses Koaleszenzprozesses. Im finanziellen Bereich entwickeln wir, ähnlich wie im kontinuierlichen Saatbankmodell, einen unendlichen transienten Preisbeeinflussungsprozess. Dieser Prozess ist ein Markov'sche Hebung eines nicht-Markov'schen 1-dimensionalen Preisbeeinflussungsprozesses. In einem additiven Preisbeeinflussungsszenario vereinfachen wir, entsprechend den Methoden in [AKU22] und [BB24], das Problem der optimalen Liquidation zu einem linearen-quadratischen Optimalsteuerproblem. Strafterm werden in das erwartete Kostenfunktional eingeführt, um die eindeutige Lösbarkeit sicherzustellen. Schließlich stellen wir in Szenarien wie multiplikativen Preisbeeinflussungen die Skorokhod M1-Kontinuität der Kosten im unendlichen Dimensionen-Setting sicher. / This thesis applies an infinite-dimensional Markovian lifting method to non-Markovian dynamics, proposing the continuum seed-bank model and an infinite-dimensional price impact model. We generalize the seed-bank model from [BGCKWB16] to accommodate more general dormancy time distributions. Inspired by [GdHO22], we introduce the Wright-Fisher diffusion and coalescent with a continuum of seed-banks. By formulating an infinite-dimensional stochastic differential equation, we prove the existence of a unique strong solution: the continuum seed-bank diffusion. We then show that this diffusion process is the scaling limit of allele frequency processes in a sequence of discrete-time Wright-Fisher type models. Furthermore, we establish a duality relation between the continuum seed-bank diffusion and the continuum seed-bank coalescent, and discuss some basic properties of this coalescent process. In the financial domain, akin to the continuum seed-bank model, we develop an infinite-dimensional transient price impact process. This process is a Markovian lift of a non-Markovian 1-dimensional price impact process. In an additive price impact scenario, following the methods in [AKU22] and [BB24], we simplify the optimal liquidation problem to a linear-quadratic optimal control problem. Penalty terms are introduced into the expected cost functional to ensure unique solvability. Finally, in scenarios such as multiplicative price impacts, we establish the Skorokhod M1 continuity of the cost in the infinite-dimensional setting.

Diese Dissertation widmet sich der Untersuchung singulärer stochastischer partieller Differentialgleichungen (engl. SPDEs). Wir entwickeln Erweiterungen der bisherigen Lösungstheorien, zeigen fundamentale Beziehungen zwischen verschiedenen Ansätzen und präsentieren Anwendungen in der Finanzmathematik und der mathematischen Physik. Die Theorie parakontrollierter Systeme wird für diskrete Räume formuliert und eine schwache Universalität für das parabolische Anderson Modell bewiesen. Eine fundamentale Relation zwischen Hairer's modellierten Distributionen und Paraprodukten wird bewiesen: Wir zeigen das sich der Raum modellierter Distributionen durch Paraprodukte beschreiben lässt. Dieses Resultat verallgemeinert die Fourierbeschreibung von Hölderräumen mittels Littlewood-Paley Theorie. Schließlich wird die Existenz von Lösungen der stochastischen Schrödingergleichung auf dem ganzen Raum bewiesen und eine Anwendung Hairer's Theorie zur Preisermittlung von Optionen aufgezeigt. / This thesis is concerned with the study of singular stochastic partial differential equations (SPDEs). We develop extensions to existing solution theories, present fundamental interconnections between different approaches and give applications in financial mathematics and mathematical physics. The theory of paracontrolled distribution is formulated for discrete systems, which allows us to prove a weak universality result for the parabolic Anderson model. This thesis further shows a fundamental relation between Hairer's modelled distributions and paraproducts: The space of modelled distributions can be characterized completely by using paraproducts. This can be seen a generalization of the Fourier description of Hölder spaces. Finally, we prove the existence of solutions to the stochastic Schrödinger equation on the full space and provide an application of Hairer's theory to option pricing.

Diese Arbeit liefert, in den ersten beiden Kapiteln einen allgemeinen Überblick über die klassischen Ansätze zur Optimierung unter Unsicherheit mit einem Schwerpunkt auf probabilistischen Randbedingung. Anschließend wird im dritten Kapitel eine neue Klasse von sogenannten Probust Randbedingungen beim Auftreten von Modellen mit unsicheren Parametern mit teilweise stochastischem und teilweise nicht-stochastischem Charakter eingeführt. Wir zeigen dabei die Relevanz dieser Aufgabentypen für zwei Problemstellungen in einem stationären Gasnetz auf. Erstens liegen beim Gastransport probabilistische Randbedingungen bezüglich der Gasnachfrage vor sowie auch robuste Randbedin- gungen bezüglich der Rauheitskoeffizienten in den Rohren, welche in der Regel unbekannt sind, da es keine zuverlässigen Messmöglichkeiten gibt. Zweitens lösen wir ein Problem für einen Netzbetreiber, der zum Ziel hat, die angebotene Kapazität für alte und neue Kunden zu maximieren. In diesem Fall ist man mit einer ungewis- sen Gesamtnachfrage konfrontiert, die sich aus der probabilistischen Nachfrage für Altkunden und der robusten Nachfrage für Neukunden zusammensetzt. Für beide Fälle zeigen wir, wie mit probusten Randbedingungen im Rahmen der sogenannten sphärisch-radialen Zerlegung multivariater Gauß-Verteilungen umgegangen werden kann. Starke und schwache Halbstetigkeitsergebnisse werden für den allgemeinen Fall, in Abhängigkeit davon ob Strategien in Lebesgue oder Sobolev Räumen angenommen werden, erstellt. Für ein ein- faches zweistufiges Modell werden überprüfbare Bedingungen für die Lipschitz- Stetigkeit und die Differenzierbarkeit dieser Wahrscheinlichkeitsfunktion abgeleitet und mit expliziten Ableitungsformeln unterstützt. Diese Werkzeuge werden dann verwendet, um das Problem des Bäckers und zwei Probleme des Wasserkraftmanagements zu lösen. / This thesis offers, in the first and second chapter, a general overview of the classical approaches to solving optimization under uncertainty, with a focus on probabilistic constraints. Then, in the third chapter, a new class of so-called Probust constraints is introduced in the presence of models with uncertain parameters having partially stochastic and partially non-stochastic character. We show the relevance of this class of approach and solve two problems in a stationary gas network. First, in the context of gas transportation, one ends up with a constraint, which is probabilistic with respect to the load of gas and robust with respect to the roughness coefficients of the pipes (which are uncertain due to a lack of attainable measurements). Secondly, we solve a problem for a network operator, who would like to maximize the offered capacity for old and new customers. In this case, one is faced with an uncertain total demand which is probabilistic for old clients and robust for new clients. In both problems, we demonstrate how probust constraints can be dealt within the framework of the so-called spheric-radial decomposition of multivariate Gaussian distributions. Furthermore, in chapter four, we present novel structural and numerical results for optimization problems under a dynamic joint probabilistic constraint. Strong and weak semicontinuity results are obtained for the general case depending on whether policies are supposed to be in Lebesgue or Sobolev spaces. For a simple two-stage model, verifiable conditions for Lipschitz continuity and differentiability of this probability function are derived and endowed with explicit derivative formulae. These tools are then used to solve the Baker's problem and two hydro-power management problems.