Diese Arbeit liefert eine Übersicht über die Risikomaße, mit welchen sich die Verkehrssicherheit messen lässt. Darauf aufbauend erfolgt eine Analyse der Verkehrssicherheit prägenden Maßnahmen des MIVS seit der Erfindung des Automobils. Anschließend erfolgt eine Analyse dieser Daten mit Hilfe von Zeitreihenmodellen. Ein Hauptbestandteil dabei bildet die Untersuchung von Strukturbrüchen, verursacht durch Verkehrssicherheits-Maßnahmen. Hierfür wird die Methodik der Interventionsanalyse (aufbauend auf ARIMA-Prozessen) und der Causal Impact verwendet. Es wird eine Aussage darüber getroffen, wie sich die Verkehrssicherheit, zu einem bestimmten Zeitpunkt, ohne das Umsetzen einer Maßnahme, entwickelt hätte.:Kapitel 1 Einleitung Kapitel 2 Verkehrssicherheit 2.1 Verkehrssicherheit: Sicherheits- und Risikowahrnehmung 2.2 Risikometrie 2.3 Realisierungskonzepte Kapitel 3 Entwicklung der Verkehrssicherheut in Deutschland 3.1 Exkurs Verkehrsgeschichte-der Weg zum MIV 3.2 Maßnahmen und Zwischenbilanzen der Verkehrssicherheit: Trümmerjahre- die Zeit bis 1950 3.3 Maßnahmen und Zwischenbilanz der Verkehrssicherheit 1950-1970 3.4 Maßnahmen und Zwischenbilanz der Verkehrssicherheit 1970-1990 3.5 Maßnahmen und Zwischenbilanz der Verkehrssicherheit 1990-2020 Kapitel 4 Betrachtung der Verkehrssicherheit mit Hilfe von Zeitreihenanalysemethoden 4.1 Zeitreihenanalyse und ARIMA Modell 4.2 Evaluations-Modelle für die Auswertung Verkehrssicherheit prägender Maßnahmen 4.3 Evaluation ausgewählter, die Verkehrssicherheit prägender Maßnahmen anhand der Interventionsanalyse und des Causal Impacts Kapitel 5 Fazit

Aufgrund der typischen asymmetrischen Aufwands- und Ertragsverteilung bei Leasingunternehmen spiegelt das bilanzielle Eigenkapital den Unternehmenswert nur unzureichend wider. Um seitens Refinanzierungspartnern ein realitäsnäheres Bild der Unternehmenssituation zu erhalten, werden in der Substanzwertrechung zusätzlich zum Eigenkapital auch zukünftige, noch nicht realisierte Erträge einbezogen. Dabei werden zu erwartende Verluste in Form von Risikoabschlägen berücksichtigt. Im Rahmen dieser Arbeit wird die Ausfallwahrscheinlichkeit von Unternehmen in den als Leasingnehmer wichtigen Branchen Bau, Verkehr und Gesundheit in Abhängigkeit der gesamtwirtschaftlichen Entwicklung modelliert. Unter Verwendung des Modells wird mittels einer Monte-Carlo-Simulation ein Stresstest durchgeführt. Auf diese Weise wird untersucht, wie stark sich die erwarteten Verluste ändern. Dies impliziert eine vergleichbare Veränderung des Unternehmenswertes und gibt Aufschluss über die Aussagekraft des Substanzwertes.

Auf den weltweiten Märkten agieren eine Vielzahl von Teilnehmern wie Banken, Investorengemeinschaften, andere Unternehmen und noch viele mehr. Allein über die Deutsche Börse Group sind über 285000 Wertpapiere handelbar, davon über 10000 Aktien. Die Semantik hinter den Vorgängen ist sehr komplex und für Laien kaum nachzuvollziehen. Sogar erfahrenen Teilnehmern kann sich diese der Verständnis entziehen, wie die Folgen der Krise am Hypothekenmarkt der USA zeigen. Selbst wenn das System vollständig verstanden wäre, ist das schier unüberblickbare Geflecht der Märkte für einen Menschen zu groß, um in vernünftiger Zeit Entscheidungen treffen zu können. Die Menge an verfügbaren Daten ist so riesig, dass es einem Menschen unmöglich ist, diese zu bewältigen. Eine computergestützte Analyse kann an dieser Stelle helfen, da sie große Datenmengen in kurzer Zeit verarbeiten kann. Damit kann sie die Informationen bereitstellen, die man zur Entscheidungsunterstützung benötigt. Im Rahmen dieser Diplomarbeit soll gezeigt werden, dass sich mit Hilfe einfacher statistischer Kriterien, welche auf historischen Daten basieren, Aktien so in Cluster einteilen lassen, dass man durch Investition in einen dieser Cluster einen Vorteil gewinnt. Aufbauend auf den Ergebnisse der Studienarbeit sollen die Verfahren an Hand eines Trainingszeitraums weiterentwickelt werden. Zusätzlich muss der Prototyp weiterentwickelt werden, um seiner Aufgabe, der Bereitstellung von Informationen zur Entscheidungsunterstützung, gerecht zu werden. Die fertige Komponente soll sich alleine und als Plugin für WEBIS nutzen lassen, einem webbasierten Informationssystem, welches seine Daten direkt aus dem Internet beziehen kann.

This article deals with the recognition of recurring multivariate time series patterns modelled sample-point-wise by parametric fuzzy sets. An efficient classification-based approach for the online recognition of incompleted developing patterns in streaming time series is being presented. Furthermore, means are introduced to enable users of the recognition system to restrict results to certain stages of a pattern’s development, e. g. for forecasting purposes, all in a consistently fuzzy manner.

This article proposes knowledge-based short-time prediction methods for multivariate streaming time series, relying on the early recognition of local patterns. A parametric, well-interpretable model for such patterns is presented, along with an online, classification-based recognition procedure. Subsequently, two options are discussed to predict time series employing the fuzzified pattern knowledge, accompanied by an example. Special emphasis is placed on comprehensible models and methods, as well as an easy interface to data mining algorithms.

Es erfolgte die Untersuchung der Eigenschaften der gegebenen Zeitreihen der Wirkleistung von zwei Windenergieanlagen sowie des gesamten Windparks. Außerdem analysiert wurden die entsprechenden Eigenschaften der auf Viertelstundendaten konvertierten Reihen. Diese Eigenschaften, wie z.B. Mittelwert, Varianz o.a. Maximum wurden als Informationen angesehen und so ermöglichte die Gegenüberstellung einen Rückschluss auf dem Informationsverlust. Da die gegebene Einspeiseleistung keine Periodizitäten aufwies, erfolgte anschließend die Erzeugung synthetischer Daten.:Einleitung 1. Mathematische Grundlagen 2. Datenanalyse 3. Erzeugung und Untersuchung synthetischer Daten 4. Zusammenfassung und Ausblick A Anhang Literaturverzeichnis Ehrenwörtliche Erklärung

The use of Normalized Difference Vegetation Index (NDVI) time series over the last decades has increased our understanding of vegetation change dynamics from global to regional scale through quantitative analysis of inter-annual trends in NDVI and climatological parameters (rainfall and temperature). Change in land cover induced by human activities such as livestock grazing and deforestation for large-scale farming (subsistence and mechanized) has influenced the ecological pattern of the Guinea savannah region (GSR) of Nigeria, thereby resulting in loss of biodiversity and changes in vegetation cover. In the context of the GSR of Nigeria where agriculture still plays a major role in people’s economy, it is important to identify the relationship between climatic variables, vegetation productivity and human activities which can be used to understand the on-going transition processes. This study, therefore, examines the spatial and temporal relationship between NDVI and climate parameters, land use land cover change (LULCC) and the perspective of local people on vegetation change dynamics in the study region. In order to do this, bi-monthly NDVI3g time series datasets from Global Inventory Modeling and Mapping Studies (GIMMS), monthly rainfall datasets from Tropical Applications of Meteorology Satellite (TAMSAT), monthly temperature datasets from Climate Research Unit (CRU), national land use land cover (LULC) data of Nigeria from Forestry Management Evaluation & Coordination Unit (FORMECU), global land cover datasets from European Space Agency, Landsat imagery and socio-economic field data collection were used in order to understand vegetation change dynamics across the Guinea savannah regions of Nigeria. Time series analysis (TSA) was applied to both NDVI and climate data used in order to examine the temporal dynamics of vegetation cover change and to detect NDVI-climate relationship during the period from 1983 through 2011. Both parametric and non-parametric statistical models were employed for the assessment of long-term inter-annual trend on the decomposed time series datasets for the whole region (Guinea savannah region) and selected locations. In addition to the TSA, harmonic regression analysis was performed on NDVI and rainfall datasets in order to examine change in seasonality and phyto-phenological characteristics of vegetation. Detection of change in land use and land cover was done by extracting information from existing land cover datasets (ancillary datasets). CLASlite was used for the assessment of the extent of deforestation, while linkage between remotely sensed data and social science was carried out via field surveys based on questionnaires in order to understand the drivers of vegetation change. The study reveals that about 90 % of the Guinea savannah region show positive NDVI trends which indicate greening over time, while about 10 % of the region shows negative trends. This greening trends are closely related to regions where intensive agriculture is being practiced (also along inland valleys) while regions with negative trends show significant loss in woodlands (forest and shrublands) as well as herbaceous vegetation cover due to over-grazing by agro-pastoralism. The result confirms that there is a good relationship (statistically significant positive correlation) between rainfall and NDVI both on intra-annual and inter annual time scale for some selected locations in the study region (> 65 %), while negative statistical correlation exists between NDVI and temperature in the selected locations. This implies that vegetation growth (productivity) in the region is highly dependent on rainfall. The result of the harmonic regression analysis reveals a shift in the seasonal NDVI pattern, indicating an earlier start and a more prolonged growing season in 2011 than in 1983. This study proves significant change in LULC with evidence of an increase in the spatial extent of agricultural land (+ 30 %) and loss of woodlands (- 55 %) between 2000 and 2009 for Kogi State. The results of the socio-economic analysis (people’s perception) highlight that vegetation change dynamics in the study region are the resultant effects of increased anthropogenic activities rather than climatic variability. This study couples data from remote sensing and ground survey (socio-economics) for a better understanding of greening trend phenomena across the Guinea savannah region of Nigeria, thus filling the gap of inadequate information on environmental condition and human perturbation which is essential for proper land use management and vegetation monitoring.

Das Hauptziel der Arbeit war, zu überprüfen, inwieweit tiefe Grundwässer sich in ihrer Beschaffenheit über längere Zeiträume verändern und somit als Indikatoren für anthropogene Umwelteinflüsse geeignet sind. Als Beispiel eines tiefen Grundwassers wurde die Wettinquelle (früher auch Radonquelle), ein Mineralwasser in Bad Brambach (Südwestsachsen), ausgewählt. Durch die Nutzung von Zeitreihenanalysen, hydrochemischen Modellierungen mit der Software PhreeqC; und statistischer Auswertungen für die Gehalte einzelner Ionen konnte für einige Parameter wie beispielsweise den Sulfatgehalt eine längerfristige Änderung festgestellt werden. Die Unterscheidung in geogen und anthropogen verursachte Stoffeinträge in tiefen Grundwässern ist dabei ein sehr wichtiger Aspekt. In diesem Zusammenhang wird in der Arbeit eine Erklärung für die erhöhten Chloridkonzentrationen in südwestvogtländischen Mineralwässern gegeben.

How can fluctuations in one-dimensional time series data be characterized and how can detected effects be decomposed into their dynamical origins or causes? In the context of these questions, a variety of problems are discussed and solutions are introduced. The first issue concerns the causes of anomalous diffusion. A previously proposed framework decomposes the Hurst exponent into the Joseph, Noah, and Moses effects. They represent violations of the three premises of the central limit theorem. Here the framework is applied to an intermittent deterministic system, which exhibits a rich combination of all three effects. Nevertheless, the results provide an intuitive interpretation of the dynamics. In addition, the framework is theoretically discussed and connected to a calculation that proves its validity for a large class of systems. Once the type of anomalous statistical behavior is classified, one might ask what the dynamical origin of the effects is. Especially the property of long range temporal correlations (the Joseph effect) is discussed in detail. In measurements, they might arise from different dynamical origins or can be explained as an emerging phenomenon. A collection of different routes to the observed behavior is established here. A popular tool for detecting long range correlations is detrended fluctuation analysis. Its advantages over traditional methods are stability and smoothness for timescales up to one fourth of the measurement time and the ability to neglect the slow dynamics and trends. Recently, a theory for an analytical understanding of this method was introduced. In this thesis, the method is further analyzed and developed. An approach is presented that enables scientists to use this method for short range correlated data, even if the dynamics is very complex. Fluctuations can be decomposed into a superposition of linear models that explain its features. Therefore, on the one hand, this thesis is about understanding the effects of anomalous diffusion. On the other hand, it is about widening the applicability of one of its detection methods such that it becomes useful for understanding normal or complex statistical behavior. A good example of a complex system, where the proposed stochastic methods are useful, is the atmosphere. Here it is shown how detrended fluctuation analysis can be used to uncover oscillatory modes and determine their periods. One of them is the El Ni\~no southern oscillation. A less well known and more challenging application is a 7--8 year mode in European temperature fluctuations. A power grid is a very different type of complex system. However, using the new method, it is possible to generate a data model that incorporates the important features of the grid frequency.

Die Risikohomeostasistheorie (RHT) ist ein formales Konzept zur Erklärung menschlichen Verhaltens im Straßenverkehr bei verändertem Unfallrisiko. Vor dem Hintergrund des gegenwärtigen Standes der Ökonometrie weisen die Untersuchungen zur RHT mittels langer Zeitreihen einige Schwächen auf. Im folgenden wird versucht, diese Schwächen einerseits mit dem Stationaritätskonzept der Ökonometrie und andererseits mit einer auf Dummyvariablen basierenden Methode zu beheben. Gleichzeitig wird die Theorie einem neuerlichen Test auf ihre Gültigkeit hinsichtlich der Unfallsituation im Straßenverkehr in Deutschland unterzogen. Die Arbeit nimmt Bezug erstens auf die Wirksamkeit von Regulierungsmaßnahmen (hier: Verschärfung der Gurtanlegepflicht) und zweitens auf die Wirkungen der deutschen Wiedervereinigung. Beiden Ereignissen wird nach der RHT keine Wirkung zugesprochen. Die Ergebnisse der Analysen unterstützen die Thesen der RHT nur schwach. Sie belegen, daß konsequente und mit Strafandrohung belegte Regulierungsmaßnahmen entgegen dem Postulat der Risikohomeostasisthese eine stark positive Wirkung auf die Unfallsituation besitzen. Außerdem werden die komplexen Entscheidungsprozesse von Verkehrsteilnehmern im Kontext mehrerer theoretischer Konzepte untersucht. Es zeigt sich, das Theorien zur Beschreibung individuellen Verhaltens unter Unsicherheit sehr gut geeignet sind, tatsächliches Verhalten von Verkehrsteilnehmern zu erklären. / Risk homeostasis theory (RHT) is a behavioural theory of risk taking in road traffic. So far, most of the published papers concerning RHT and long time series are based on econometric methods which are not very well suited for this purpose. We propose here to address the issue using instead the econometric concept of stationarity and a concept based on dummy variables. We then test the RHT with German traffic accident data and specifically analyze compulsory traffic safety measures (the penalty for not using seat belts) as well as the effects of German reunification. Both are ineffective according to RHT. Our results, found by using several risk measures, show only weak evidence for RHT. Contrary to RHT, we can show that compulsory safety measures combined with penalties had a strict positive effect on the road traffic accident risk. We also develop a solution which focuses on the complex decision-making process of an individual in road traffic. This is done within the context of several theories explaining individuals decision-making under uncertainty. There we can show that these theoretical concepts are very well suited to explain actual behavior of road users.