In praktischen Aufgabenstellungen können zur Modellierung zufälliger Einflüsse, welche sich durch schwache Abhängigkeiten auszeichnen, schwach korrelierte zufällige Funktionen genutzt werden. Die nähere Untersuchung von Funktionalen schwach korrelierter zufälliger Funktionen ist durch die Gestalt der Lösungen von praktischen Fragestellungen motiviert. Die stochastischen Charakteristiken dieser Lösungen lassen sich im Allgemeinen nicht exakt bestimmen, so dass auf Approximationsverfahren zurückgegriffen werden muss. Diese stehen im Mittelpunkt der Dissertation. Zu Beginn werden Entwicklungen von Momenten und Kumulanten der betrachteten linearen Integralfunktionale schwach korrelierter Prozesse nach der Korrelationslänge des Prozesses hergeleitet und eine Vermutung über die exakte Darstellung der Kumulanten formuliert. Für Integralfunktionale von schwach korrelierten Simulationsprozessen, welche aus der Interpolation von Moving-Average-Prozessen entstehen, werden die definierten Charakteristiken hergeleitet. Außerdem steht die Approximation der unbekannten Dichtefunktion im Fokus der Arbeit. Es werden verschiedene Zugänge genutzt. Eine alternative Herleitung zur bereits in der Literatur untersuchten Gram-Charlier-Entwicklung wird in Form der Edgeworth-Entwicklung angegeben. Des Weiteren werden die Sattelpunkt-Approximation und die Maximum-Entropie-Methode untersucht und anhand von Simulationsergebnissen für Integralfunktionale von Simulationsprozessen miteinander verglichen. / In engineering applications stochastic influences which are characterized by weak dependencies can be modelled, among others, by weakly correlated random functions. The solutions of such problems shape up as integral functionals of weakly correlated random functions which motivates more detailed investigations. In general the exact calculation of stochastic characteristics of such integral functionals is impossible so that we have to be content with approximation methods this thesis focuses on. At the beginning expansions of moments and cumulants of linear integral functionals of weakly correlated random processes with respect to the correlation length are considered and an explicit formula of cumulants is conjectured. For integral functionals of weakly correlated random simulation processes, defined as interpolations of moving average processes, the required expansion coefficients are derived. Furthermore the approximation of the unknown probability density is requested. In the thesis there are different approaches used. First we state an alternative way to achieve the already known Gram Charlier approximation by means of Edgeworth expansion. Then we study two further methods, namely the saddlepoint approximation and the maximum entropy method and compare them on the basis of simulation results for integral functionals of simulation processes.

In praktischen Aufgabenstellungen können zur Modellierung zufälliger Einflüsse, welche sich durch schwache Abhängigkeiten auszeichnen, schwach korrelierte zufällige Funktionen genutzt werden. Die nähere Untersuchung von Funktionalen schwach korrelierter zufälliger Funktionen ist durch die Gestalt der Lösungen von praktischen Fragestellungen motiviert. Die stochastischen Charakteristiken dieser Lösungen lassen sich im Allgemeinen nicht exakt bestimmen, so dass auf Approximationsverfahren zurückgegriffen werden muss. Diese stehen im Mittelpunkt der Dissertation. Zu Beginn werden Entwicklungen von Momenten und Kumulanten der betrachteten linearen Integralfunktionale schwach korrelierter Prozesse nach der Korrelationslänge des Prozesses hergeleitet und eine Vermutung über die exakte Darstellung der Kumulanten formuliert. Für Integralfunktionale von schwach korrelierten Simulationsprozessen, welche aus der Interpolation von Moving-Average-Prozessen entstehen, werden die definierten Charakteristiken hergeleitet. Außerdem steht die Approximation der unbekannten Dichtefunktion im Fokus der Arbeit. Es werden verschiedene Zugänge genutzt. Eine alternative Herleitung zur bereits in der Literatur untersuchten Gram-Charlier-Entwicklung wird in Form der Edgeworth-Entwicklung angegeben. Des Weiteren werden die Sattelpunkt-Approximation und die Maximum-Entropie-Methode untersucht und anhand von Simulationsergebnissen für Integralfunktionale von Simulationsprozessen miteinander verglichen. / In engineering applications stochastic influences which are characterized by weak dependencies can be modelled, among others, by weakly correlated random functions. The solutions of such problems shape up as integral functionals of weakly correlated random functions which motivates more detailed investigations. In general the exact calculation of stochastic characteristics of such integral functionals is impossible so that we have to be content with approximation methods this thesis focuses on. At the beginning expansions of moments and cumulants of linear integral functionals of weakly correlated random processes with respect to the correlation length are considered and an explicit formula of cumulants is conjectured. For integral functionals of weakly correlated random simulation processes, defined as interpolations of moving average processes, the required expansion coefficients are derived. Furthermore the approximation of the unknown probability density is requested. In the thesis there are different approaches used. First we state an alternative way to achieve the already known Gram Charlier approximation by means of Edgeworth expansion. Then we study two further methods, namely the saddlepoint approximation and the maximum entropy method and compare them on the basis of simulation results for integral functionals of simulation processes.