No description available.

Zentrale Grenzwertsätze und Konfidenzmengen werden in zwei verschiedenen, nichtparametrischen, inversen Problemen ähnlicher Struktur untersucht, und zwar in der Kalibrierung eines exponentiellen Lévy-Modells und im Dekonvolutionsmodell. Im ersten Modell wird eine Geldanlage durch einen exponentiellen Lévy-Prozess dargestellt, Optionspreise werden beobachtet und das charakteristische Tripel des Lévy-Prozesses wird geschätzt. Wir zeigen, dass die Schätzer fast sicher wohldefiniert sind. Zu diesem Zweck beweisen wir eine obere Schranke für Trefferwahrscheinlichkeiten von gaußschen Zufallsfeldern und wenden diese auf einen Gauß-Prozess aus der Schätzmethode für Lévy-Modelle an. Wir beweisen gemeinsame asymptotische Normalität für die Schätzer von Volatilität, Drift und Intensität und für die punktweisen Schätzer der Sprungdichte. Basierend auf diesen Ergebnissen konstruieren wir Konfidenzintervalle und -mengen für die Schätzer. Wir zeigen, dass sich die Konfidenzintervalle in Simulationen gut verhalten, und wenden sie auf Optionsdaten des DAX an. Im Dekonvolutionsmodell beobachten wir unabhängige, identisch verteilte Zufallsvariablen mit additiven Fehlern und schätzen lineare Funktionale der Dichte der Zufallsvariablen. Wir betrachten Dekonvolutionsmodelle mit gewöhnlich glatten Fehlern. Bei diesen ist die Schlechtgestelltheit des Problems durch die polynomielle Abfallrate der charakteristischen Funktion der Fehler gegeben. Wir beweisen einen gleichmäßigen zentralen Grenzwertsatz für Schätzer von Translationsklassen linearer Funktionale, der die Schätzung der Verteilungsfunktion als Spezialfall enthält. Unsere Ergebnisse gelten in Situationen, in denen eine Wurzel-n-Rate erreicht werden kann, genauer gesagt gelten sie, wenn die Sobolev-Glattheit der Funktionale größer als die Schlechtgestelltheit des Problems ist. / Central limit theorems and confidence sets are studied in two different but related nonparametric inverse problems, namely in the calibration of an exponential Lévy model and in the deconvolution model. In the first set-up, an asset is modeled by an exponential of a Lévy process, option prices are observed and the characteristic triplet of the Lévy process is estimated. We show that the estimators are almost surely well-defined. To this end, we prove an upper bound for hitting probabilities of Gaussian random fields and apply this to a Gaussian process related to the estimation method for Lévy models. We prove joint asymptotic normality for estimators of the volatility, the drift, the intensity and for pointwise estimators of the jump density. Based on these results, we construct confidence intervals and sets for the estimators. We show that the confidence intervals perform well in simulations and apply them to option data of the German DAX index. In the deconvolution model, we observe independent, identically distributed random variables with additive errors and we estimate linear functionals of the density of the random variables. We consider deconvolution models with ordinary smooth errors. Then the ill-posedness of the problem is given by the polynomial decay rate with which the characteristic function of the errors decays. We prove a uniform central limit theorem for the estimators of translation classes of linear functionals, which includes the estimation of the distribution function as a special case. Our results hold in situations, for which a square-root-n-rate can be obtained, more precisely, if the Sobolev smoothness of the functionals is larger than the ill-posedness of the problem.

Die Pseudomomente dienen als Charakteristikum der Annäherung der Komponenten einer Summenverteilungsfunktion gegen die Komponenten der Grenzverteilungsfunktion. In der Terminologie der Pseudomomente werden Abschätzungen der Annäherung der Summenverteilungsfunktion gegen eine unbegrenz teilbare Verteilungsfunktion angegeben. Dabei werden die Aussagen ohne die Voraussetzung der sogenannten Infinitesimalitätsbedingung hergeleitet. Es werden Abschätzungen angegeben sowohl unter der Voraussetzung endlicher Streuungen als auch ohne diese Voraussetzung. Abschließend werden einige Literaturhinweise angegeben. / The pseudo-moments serve as a characteristic of the approach of the components of a cumulative distribution function to the components of the limit distribution function. In the terminology of pseudo-moments estimates of the approximation of the cumulative distribution function by an indefinite divisible distribution function can be specified. The results are derived without the assumption of the so-called condition of infinitesimality. There are given some estimations with or without the assumption of finite variances. Finally some references are given.

In diesem Artikel werden notwendige und hinreichende Bedingungen für die Gültigkeit von Grenzwertsätzen für mittlere Abweichungen untersucht. In der Terminilogie von J.V.LINNIK (1971) werden die x-Bereiche für mittlere Abweichungen gewöhnlich als "sehr enge" Zonen der integralen normalen Anziehung bezeichnet. Darüber hinaus werden die Restglieder untersucht, die in den asymptotischen Beziehungen auftreten. Die Ordnung der Konvergenzgeschwindigkeit wird angegeben. Frühere Ergebnisse einiger Autoren werden verallgemeinert. Abschließend werden einige Literaturhinweise angegeben. / In this paper we study necessary and sufficient conditions for the validity of limit theorems on moderate deviations. Usually x-zones for moderate deviations are called in the terminilogy by YU.V.LINNIK (1971) "very narrow" zones of integral normal attraction. Moreover we analyse the remainder term appearing in the asymptotic relations. Informations on the order of the rate of convergence are given. Earlier results by several authors are generalized. Finally some references are given.

Wir betrachten ein mehrdimensionales Change-Point-Problem. Seien X1;n; : : : ;Xn;n unabhängige Zufallselemente bei denen q, q 2 N, Verteilungswechsel auftreten. Dass heisst, es existiert ein Vektor µ = (µ1; : : : ; µq) 2 Rq mit 0 = µ0 < µ1 < ¢ ¢ ¢ < µq < µq+1 = 1 sowie Verteilungen º0;n; : : : ; ºq;n, so dass Xj;n für [nµi] < j · [nµi+1] die Verteilung ºi;n besitzt. Wir führen eine Klasse von Schätzer ^µn für den unbekannten Change-Point µ ein. Diese sind Maximalstellen von gewichteten q + 1-Stichproben U-Statistiken. Das Ziel der Arbeit ist die Un- tersuchung des asymptotischen Verhalten der Schätzer.

Wir betrachten ein mehrdimensionales Change-Point-Problem. Seien X1;n; : : : ;Xn;n unabhängige Zufallselemente bei denen q, q 2 N, Verteilungswechsel auftreten. Dass heisst, es existiert ein Vektor µ = (µ1; : : : ; µq) 2 Rq mit 0 = µ0 < µ1 < ¢ ¢ ¢ < µq < µq+1 = 1 sowie Verteilungen º0;n; : : : ; ºq;n, so dass Xj;n für [nµi] < j · [nµi+1] die Verteilung ºi;n besitzt. Wir führen eine Klasse von Schätzer ^µn für den unbekannten Change-Point µ ein. Diese sind Maximalstellen von gewichteten q + 1-Stichproben U-Statistiken. Das Ziel der Arbeit ist die Un- tersuchung des asymptotischen Verhalten der Schätzer.

Die Pseudomomente dienen als Charakteristikum der Annäherung der Komponenten einer Summenverteilungsfunktion gegen die Komponenten der Grenzverteilungsfunktion. In der Terminologie der Pseudomomente werden Abschätzungen der Annäherung der Summenverteilungsfunktion gegen eine unbegrenz teilbare Verteilungsfunktion angegeben. Dabei werden die Aussagen ohne die Voraussetzung der sogenannten Infinitesimalitätsbedingung hergeleitet. Es werden Abschätzungen angegeben sowohl unter der Voraussetzung endlicher Streuungen als auch ohne diese Voraussetzung. Abschließend werden einige Literaturhinweise angegeben.:1. Einleitung S. 2 2. Abschätzungen unter Voraussetzung endlicher Streuungen S. 3 3. Abschätzungen ohne die Voraussetzung über die Existenz der Streuungen S. 6 4. Beweise S. 9 5. Beispiel S. 11 Literatur S. 12 / The pseudo-moments serve as a characteristic of the approach of the components of a cumulative distribution function to the components of the limit distribution function. In the terminology of pseudo-moments estimates of the approximation of the cumulative distribution function by an indefinite divisible distribution function can be specified. The results are derived without the assumption of the so-called condition of infinitesimality. There are given some estimations with or without the assumption of finite variances. Finally some references are given.:1. Einleitung S. 2 2. Abschätzungen unter Voraussetzung endlicher Streuungen S. 3 3. Abschätzungen ohne die Voraussetzung über die Existenz der Streuungen S. 6 4. Beweise S. 9 5. Beispiel S. 11 Literatur S. 12

In diesem Artikel werden notwendige und hinreichende Bedingungen für die Gültigkeit von Grenzwertsätzen für mittlere Abweichungen untersucht. In der Terminilogie von J.V.LINNIK (1971) werden die x-Bereiche für mittlere Abweichungen gewöhnlich als "sehr enge" Zonen der integralen normalen Anziehung bezeichnet. Darüber hinaus werden die Restglieder untersucht, die in den asymptotischen Beziehungen auftreten. Die Ordnung der Konvergenzgeschwindigkeit wird angegeben. Frühere Ergebnisse einiger Autoren werden verallgemeinert. Abschließend werden einige Literaturhinweise angegeben.:1. Einleitung S. 2 2. Allgemeine Grenzwertsätze für mittlere Abweichungen mit Angabe der Ordnung der Konvergenzgeschwindigkeit S. 3 3. Die Existenz von Momenten als notwendige Voraussetzung für die Gültigkeit von Grenzwertsätzen für mittlere Abweichungen S. 7 4. Beweise S. 10 Literatur S. 16 / In this paper we study necessary and sufficient conditions for the validity of limit theorems on moderate deviations. Usually x-zones for moderate deviations are called in the terminilogy by YU.V.LINNIK (1971) "very narrow" zones of integral normal attraction. Moreover we analyse the remainder term appearing in the asymptotic relations. Informations on the order of the rate of convergence are given. Earlier results by several authors are generalized. Finally some references are given.:1. Einleitung S. 2 2. Allgemeine Grenzwertsätze für mittlere Abweichungen mit Angabe der Ordnung der Konvergenzgeschwindigkeit S. 3 3. Die Existenz von Momenten als notwendige Voraussetzung für die Gültigkeit von Grenzwertsätzen für mittlere Abweichungen S. 7 4. Beweise S. 10 Literatur S. 16

Mit der vorgelegten Arbeit werden neue Beiträge zur Grundlagenforschung auf dem Gebiet der Grenzwertsätze der Wahrscheinlichkeitstheorie vorgelegt. Grenzwertsätze für Summen unabhängiger Zufallsgrößen nehmen unter den verschiedenartigsten Forschungsrichtungen der Wahrscheinlichkeitstheorie einen bedeutenden Platz ein und sind in der heutigen Zeit nicht mehr allein von theoretischem Interesse. In der Arbeit werden Ergebnisse zu neuere Problemstellungen aus der Summationstheorie unabhängiger Zufallsgrößen vorgestellt, die erstmalig in den fünfziger bzw. sechzger Jahren des 20. Jahrhunderts in der Literatur auftauchten und in den zurückliegenden Jahren mit großem Interesse untersucht wurden. International haben sich in der Theorie der Grenzwertsätze zwei Hauptrichtungen herauskristallisiert: Zum Einen die Fragen zur Konvergenzgeschwindigkeit, mit der eine Summenverteilungsfunktion gegen eine vorgegebene Grenzverteilungsfunktion konvergiert, und zum Anderen die Fragen nach einer Fehlerabschätzung zur Grenzverteilungsfunktion bei einem endlichen Summationsprozeß. Zuerst werden unbegrenz teilbare Grenzverteilungsfunktionen betrachtet und dann wird speziell die Normalverteilung als Grenzverteilung diskutiert. Als charakteristische Kenngrößen werden sowohl Momente oder einseitige Momente bzw. Pseudomomente benutzt. Die Fehlerabschätzungen werden sowohl als gleichmäßige wie auch ungleichmäßige Restgliedabschätzungen angegeben, einschließlich einer Beschreibung der dabei auftretenden absoluten Konstanten. Als Beweismethoden werden sowohl die Methode der charakteristischen Funktionen als auch direkte Methoden (Faltungsmethode) weiter ausgebaut. Für eine 1965 von Bikelis angegebene Fehlerabschätzung gelang es nun erstmalig, die auftretende absolute Konstante C mit C=114,667 numerisch abzuschätzen. Weiterhin werden in der Arbeit sogenannte Grenzwertsätze für mittlere Abweichungen studiert. Hier werden erstmalig auch Restgliedabschätzungen abgeleitet. Der in den letzten Jahren zum Beweis von Grenzwertsätzen eingeschlagene Weg über die Faltung von Verteilungsfunktionen erwies sich als bahnbrechend und bestimmte die Entwicklung sowohl der Theorie der Grenzwertsätze für mittlere und große Abweichungen als auch der Untersuchung zu den ungleichmäßigen Abschätzungen im zentralen Grenzwertsatz bedeutend. Die Faltungsmethode stellt in der vorliegenden Dissertationsschrift das hauptsächliche Beweisinstrument dar. Damit gelang es, eine Reihe neuer Ergebnisse zu erhalten und insbesondere mittels der elektronischen Datenverarbeitung neue numerische Resultate zu erhalten. / With the presented work new contributions to basic research in the field of limit theorems of probability theory are given. Limit theorems for sums of independent random variables taking on the most diverse lines of research in probability theory an important place in modern times and are no longer only of theoretical interest. In the work results are presented to newer problems on the summation theory of independent random variables, at first time in the fifties and sixties of the 20th Century appeared in the literature and have been studied in the past few years with great interest. International two main directions have emerged in the theory of limit theorems: Firstly, the questions on the convergence speed of a cumulative distribution function converges to a predetermined limit distribution function, and on the other hand the questions on an error estimate for the limit distribution function at a finite summation process. First indefinite divisible limit distribution functions are considered, then the normal distribution is specifically discussed as a limit distribution. As characteristic parameters both moments or one-sided moments or pseudo-moments are used. The error estimates are stated both in uniform as well as non-uniform residual bounds including a description of the occurring absolute constants. Both the method of characteristic functions as well as direct methods (convolution method) can be further expanded as proof methods. Now for the error estimate, 1965 given by Bikelis, was the first time to estimate the appearing absolute constant C with C = 114.667 numerically. Furthermore, in the work of so-called limit theorems for moderate deviations are studied. Here also remainder estimates are derived for the first time. In recent years to the proof of limit theorems the chosen way of the convolution of distribution functions proved to be groundbreaking and determined the development of both the theory of limit theorems for moderate and large deviations as well as the investigation into the nonuniform estimates in the central limit theorem significantly. The convolution method is in the present thesis, the main instrument of proof. Thus, it was possible to obtain a series of results and obtain new numerical results in particular by means of electronic data processing.

Mit der vorgelegten Arbeit werden neue Beiträge zur Grundlagenforschung auf dem Gebiet der Grenzwertsätze der Wahrscheinlichkeitstheorie vorgelegt. Grenzwertsätze für Summen unabhängiger Zufallsgrößen nehmen unter den verschiedenartigsten Forschungsrichtungen der Wahrscheinlichkeitstheorie einen bedeutenden Platz ein und sind in der heutigen Zeit nicht mehr allein von theoretischem Interesse. In der Arbeit werden Ergebnisse zu neuere Problemstellungen aus der Summationstheorie unabhängiger Zufallsgrößen vorgestellt, die erstmalig in den fünfziger bzw. sechzger Jahren des 20. Jahrhunderts in der Literatur auftauchten und in den zurückliegenden Jahren mit großem Interesse untersucht wurden. International haben sich in der Theorie der Grenzwertsätze zwei Hauptrichtungen herauskristallisiert: Zum Einen die Fragen zur Konvergenzgeschwindigkeit, mit der eine Summenverteilungsfunktion gegen eine vorgegebene Grenzverteilungsfunktion konvergiert, und zum Anderen die Fragen nach einer Fehlerabschätzung zur Grenzverteilungsfunktion bei einem endlichen Summationsprozeß. Zuerst werden unbegrenz teilbare Grenzverteilungsfunktionen betrachtet und dann wird speziell die Normalverteilung als Grenzverteilung diskutiert. Als charakteristische Kenngrößen werden sowohl Momente oder einseitige Momente bzw. Pseudomomente benutzt. Die Fehlerabschätzungen werden sowohl als gleichmäßige wie auch ungleichmäßige Restgliedabschätzungen angegeben, einschließlich einer Beschreibung der dabei auftretenden absoluten Konstanten. Als Beweismethoden werden sowohl die Methode der charakteristischen Funktionen als auch direkte Methoden (Faltungsmethode) weiter ausgebaut. Für eine 1965 von Bikelis angegebene Fehlerabschätzung gelang es nun erstmalig, die auftretende absolute Konstante C mit C=114,667 numerisch abzuschätzen. Weiterhin werden in der Arbeit sogenannte Grenzwertsätze für mittlere Abweichungen studiert. Hier werden erstmalig auch Restgliedabschätzungen abgeleitet. Der in den letzten Jahren zum Beweis von Grenzwertsätzen eingeschlagene Weg über die Faltung von Verteilungsfunktionen erwies sich als bahnbrechend und bestimmte die Entwicklung sowohl der Theorie der Grenzwertsätze für mittlere und große Abweichungen als auch der Untersuchung zu den ungleichmäßigen Abschätzungen im zentralen Grenzwertsatz bedeutend. Die Faltungsmethode stellt in der vorliegenden Dissertationsschrift das hauptsächliche Beweisinstrument dar. Damit gelang es, eine Reihe neuer Ergebnisse zu erhalten und insbesondere mittels der elektronischen Datenverarbeitung neue numerische Resultate zu erhalten. / With the presented work new contributions to basic research in the field of limit theorems of probability theory are given. Limit theorems for sums of independent random variables taking on the most diverse lines of research in probability theory an important place in modern times and are no longer only of theoretical interest. In the work results are presented to newer problems on the summation theory of independent random variables, at first time in the fifties and sixties of the 20th Century appeared in the literature and have been studied in the past few years with great interest. International two main directions have emerged in the theory of limit theorems: Firstly, the questions on the convergence speed of a cumulative distribution function converges to a predetermined limit distribution function, and on the other hand the questions on an error estimate for the limit distribution function at a finite summation process. First indefinite divisible limit distribution functions are considered, then the normal distribution is specifically discussed as a limit distribution. As characteristic parameters both moments or one-sided moments or pseudo-moments are used. The error estimates are stated both in uniform as well as non-uniform residual bounds including a description of the occurring absolute constants. Both the method of characteristic functions as well as direct methods (convolution method) can be further expanded as proof methods. Now for the error estimate, 1965 given by Bikelis, was the first time to estimate the appearing absolute constant C with C = 114.667 numerically. Furthermore, in the work of so-called limit theorems for moderate deviations are studied. Here also remainder estimates are derived for the first time. In recent years to the proof of limit theorems the chosen way of the convolution of distribution functions proved to be groundbreaking and determined the development of both the theory of limit theorems for moderate and large deviations as well as the investigation into the nonuniform estimates in the central limit theorem significantly. The convolution method is in the present thesis, the main instrument of proof. Thus, it was possible to obtain a series of results and obtain new numerical results in particular by means of electronic data processing.