Das Ziel dieser Arbeit ist die Entwicklung eines effizienten parametrischen Schätzverfahrens für den Drift einer durch einen Lévy-Prozess getriebenen Sprungdiffusion. Zunächst werden zeit-stetige Beobachtungen angenommen und auf dieser Basis eine Likelihoodtheorie entwickelt. Dieser Schritt umfasst die Frage nach lokaler Äquivalenz der zu verschiedenen Parametern auf dem Pfadraum induzierten Maße. Wir diskutieren in dieser Arbeit Schätzer für Prozesse vom Ornstein-Uhlenbeck-Typ, Cox-Ingersoll-Ross Prozesse und Lösungen linearer stochastischer Differentialgleichungen mit Gedächtnis im Detail und zeigen starke Konsistenz, asymptotische Normalität und Effizienz im Sinne von Hájek und Le Cam für den Likelihood-Schätzer. In Sprungdiffusionsmodellen ist die Likelihood-Funktion eine Funktion des stetigen Martingalanteils des beobachteten Prozesses, der im Allgemeinen nicht direkt beobachtet werden kann. Wenn nun nur Beobachtungen an endlich vielen Zeitpunkten gegeben sind, so lässt sich der stetige Anteil der Sprungdiffusion nur approximativ bestimmen. Diese Approximation des stetigen Anteils ist ein zentrales Thema dieser Arbeit und es wird uns auf das Filtern von Sprüngen führen. Der zweite Teil dieser Arbeit untersucht die Schätzung der Drifts, wenn nur diskrete Beobachtungen gegeben sind. Dabei benutzen wir die Likelihood-Schätzer aus dem ersten Teil und approximieren den stetigen Martingalanteil durch einen sogenannten Sprungfilter. Wir untersuchen zuerst den Fall endlicher Aktivität und zeigen, dass die Driftschätzer im Hochfrequenzlimes die effiziente asymptotische Verteilung erreichen. Darauf aufbauend beweisen wir dann im Falle unendlicher Sprungaktivität asymptotische Effizienz für den Driftschätzer im Ornstein-Uhlenbeck Modell. Im letzten Teil werden die theoretischen Ergebnisse für die Schätzer auf endlichen Stichproben aus simulierten Daten geprüft und es zeigt sich, dass das Sprungfiltern zu einem deutlichen Effizienzgewinn führen. / The problem of parametric drift estimation for a a Lévy-driven jump diffusion process is considered in two different settings: time-continuous and high-frequency observations. The goal is to develop explicit maximum likelihood estimators for both observation schemes that are efficient in the Hájek-Le Cam sense. The likelihood function based on time-continuous observations can be derived explicitly for jump diffusion models and leads to explicit maximum likelihood estimators for several popular model classes. We consider Ornstein-Uhlenbeck type, square-root and linear stochastic delay differential equations driven by Lévy processes in detail and prove strong consistency, asymptotic normality and efficiency of the likelihood estimators in these models. The appearance of the continuous martingale part of the observed process under the dominating measure in the likelihood function leads to a jump filtering problem in this context, since the continuous part is usually not directly observable and can only be approximated and the high-frequency limit. In the second part of this thesis the problem of drift estimation for discretely observed processes is considered. The estimators are constructed from discretizations of the time-continuous maximum likelihood estimators from the first part, where the continuous martingale part is approximated via a thresholding technique. We are able to proof that even in the case of infinite activity jumps of the driving Lévy process the estimator is asymptotically normal and efficient under weak assumptions on the jump behavior. Finally, the finite sample behavior of the estimators is investigated on simulated data. We find that the maximum likelihood approach clearly outperforms the least squares estimator when jumps are present and that the efficiency gap between both techniques becomes even more severe with growing jump intensity.

Diese Arbeit behandelt garantierte Fehlerkontrolle für elliptische partielle Differentialgleichungen anhand des Poisson-Modellproblems, des Stokes-Problems und des Hindernisproblems. Hierzu werden garantierte obere Schranken für den Energiefehler zwischen exakter Lösung und diskreten Finite-Elemente-Approximationen erster Ordnung entwickelt. Ein verallgemeinerter Ansatz drückt den Energiefehler durch Dualnormen eines oder mehrerer Residuen aus. Hinzu kommen berechenbare Zusatzterme, wie Oszillationen der gegebenen Daten, mit expliziten Konstanten. Für die Abschätzung der Dualnormen der Residuen existieren viele verschiedene Techniken. Diese Arbeit beschäftigt sich vorrangig mit Equilibrierungsschätzern, basierend auf Raviart-Thomas-Elementen, welche effiziente garantierte obere Schranken ermöglichen. Diese Schätzer werden mit einem Postprocessing-Verfahren kombiniert, das deren Effizienz mit geringem zusätzlichen Rechenaufwand deutlich verbessert. Nichtkonforme Finite-Elemente-Methoden erzeugen zusätzlich ein Inkonsistenzresiduum, dessen Dualnorm mit Hilfe diverser konformer Approximationen abgeschätzt wird. Ein Nebenaspekt der Arbeit betrifft den expliziten residuen-basierten Fehlerschätzer, der für gewöhnlich optimale und leicht zu berechnende Verfeinerungsindikatoren für das adaptive Netzdesign liefert, aber nur schlechte garantierte obere Schranken. Eine neue Variante, die auf den equilibrierten Flüssen des Luce-Wohlmuth-Fehlerschätzers basiert, führt zu stark verbesserten Zuverlässigkeitskonstanten. Eine Vielzahl numerischer Experimente vergleicht alle implementierten Fehlerschätzer und zeigt, dass effiziente und garantierte Fehlerkontrolle in allen vorliegenden Modellproblemen möglich ist. Insbesondere zeigt ein Modellproblem, wie die Fehlerschätzer erweitert werden können, um auch auf Gebieten mit gekrümmten Rändern garantierte obere Schranken zu liefern. / This thesis studies guaranteed error control for elliptic partial differential equations on the basis of the Poisson model problem, the Stokes equations and the obstacle problem. The error control derives guaranteed upper bounds for the energy error between the exact solution and different finite element discretisations, namely conforming and nonconforming first-order approximations. The unified approach expresses the energy error by dual norms of one or more residuals plus computable extra terms, such as oscillations of the given data, with explicit constants. There exist various techniques for the estimation of the dual norms of such residuals. This thesis focuses on equilibration error estimators based on Raviart-Thomas finite elements, which permit efficient guaranteed upper bounds. The proposed postprocessing in this thesis considerably increases their efficiency at almost no additional computational costs. Nonconforming finite element methods also give rise to a nonconsistency residual that permits alternative treatment by conforming interpolations. A side aspect concerns the explicit residual-based error estimator that usually yields cheap and optimal refinement indicators for adaptive mesh refinement but not very sharp guaranteed upper bounds. A novel variant of the residual-based error estimator, based on the Luce-Wohlmuth equilibration design, leads to highly improved reliability constants. A large number of numerical experiments compares all implemented error estimators and provides evidence that efficient and guaranteed error control in the energy norm is indeed possible in all model problems under consideration. Particularly, one model problem demonstrates how to extend the error estimators for guaranteed error control on domains with curved boundary.

No description available.

No description available.

Bayesian inference occurs when prior knowledge about uncertain parameters in mathematical models is merged with new observational data related to the model outcome. In this thesis we focus on models given by partial differential equations where the uncertain parameters are coefficient functions belonging to infinite dimensional function spaces. The result of the Bayesian inference is then a well-defined posterior probability measure on a function space describing the updated knowledge about the uncertain coefficient. For decision making and post-processing it is often required to sample or integrate wit resprect to the posterior measure. This calls for sampling or numerical methods which are suitable for infinite dimensional spaces. In this work we focus on Kalman filter techniques based on ensembles or polynomial chaos expansions as well as Markov chain Monte Carlo methods. We analyze the Kalman filters by proving convergence and discussing their applicability in the context of Bayesian inference. Moreover, we develop and study an improved dimension-independent Metropolis-Hastings algorithm. Here, we show geometric ergodicity of the new method by a spectral gap approach using a novel comparison result for spectral gaps. Besides that, we observe and further analyze the robustness of the proposed algorithm with respect to decreasing observational noise. This robustness is another desirable property of numerical methods for Bayesian inference. The work concludes with the application of the discussed methods to a real-world groundwater flow problem illustrating, in particular, the Bayesian approach for uncertainty quantification in practice. / Bayessche Inferenz besteht daraus, vorhandenes a-priori Wissen über unsichere Parameter in mathematischen Modellen mit neuen Beobachtungen messbarer Modellgrößen zusammenzuführen. In dieser Dissertation beschäftigen wir uns mit Modellen, die durch partielle Differentialgleichungen beschrieben sind. Die unbekannten Parameter sind dabei Koeffizientenfunktionen, die aus einem unendlich dimensionalen Funktionenraum kommen. Das Resultat der Bayesschen Inferenz ist dann eine wohldefinierte a-posteriori Wahrscheinlichkeitsverteilung auf diesem Funktionenraum, welche das aktualisierte Wissen über den unsicheren Koeffizienten beschreibt. Für Entscheidungsverfahren oder Postprocessing ist es oft notwendig die a-posteriori Verteilung zu simulieren oder bzgl. dieser zu integrieren. Dies verlangt nach numerischen Verfahren, welche sich zur Simulation in unendlich dimensionalen Räumen eignen. In dieser Arbeit betrachten wir Kalmanfiltertechniken, die auf Ensembles oder polynomiellen Chaosentwicklungen basieren, sowie Markowketten-Monte-Carlo-Methoden. Wir analysieren die erwähnte Kalmanfilter, indem wir deren Konvergenz zeigen und ihre Anwendbarkeit im Kontext Bayesscher Inferenz diskutieren. Weiterhin entwickeln und studieren wir einen verbesserten dimensionsunabhängigen Metropolis-Hastings-Algorithmus. Hierbei weisen wir geometrische Ergodizität mit Hilfe eines neuen Resultates zum Vergleich der Spektrallücken von Markowketten nach. Zusätzlich beobachten und analysieren wir die Robustheit der neuen Methode bzgl. eines fallenden Beobachtungsfehlers. Diese Robustheit ist eine weitere wünschenswerte Eigenschaft numerischer Methoden für Bayessche Inferenz. Den Abschluss der Arbeit bildet die Anwendung der diskutierten Methoden auf ein reales Grundwasserproblem, was insbesondere den Bayesschen Zugang zur Unsicherheitsquantifizierung in der Praxis illustriert.

In this thesis, we present a new existence result for Lévy-type processes. Lévy-type processes behave locally like a Lévy process, but the Lévy triplet may depend on the current position of the process. They can be characterized by their so-called symbol; this is the analogue of the characteristic exponent in the Lévy case. Using a parametrix construction, we prove the existence of Lévy-type processes with a given symbol under weak regularity assumptions on the regularity of the symbol. Applications range from existence results for stable-like processes and mixed processes to uniqueness results for Lévy-driven stochastic differential equations. Moreover, we discuss sufficient conditions for the existence of moments of Lévy-type processes and derive estimates for fractional moments.

Bayesian inference occurs when prior knowledge about uncertain parameters in mathematical models is merged with new observational data related to the model outcome. In this thesis we focus on models given by partial differential equations where the uncertain parameters are coefficient functions belonging to infinite dimensional function spaces. The result of the Bayesian inference is then a well-defined posterior probability measure on a function space describing the updated knowledge about the uncertain coefficient. For decision making and post-processing it is often required to sample or integrate wit resprect to the posterior measure. This calls for sampling or numerical methods which are suitable for infinite dimensional spaces. In this work we focus on Kalman filter techniques based on ensembles or polynomial chaos expansions as well as Markov chain Monte Carlo methods. We analyze the Kalman filters by proving convergence and discussing their applicability in the context of Bayesian inference. Moreover, we develop and study an improved dimension-independent Metropolis-Hastings algorithm. Here, we show geometric ergodicity of the new method by a spectral gap approach using a novel comparison result for spectral gaps. Besides that, we observe and further analyze the robustness of the proposed algorithm with respect to decreasing observational noise. This robustness is another desirable property of numerical methods for Bayesian inference. The work concludes with the application of the discussed methods to a real-world groundwater flow problem illustrating, in particular, the Bayesian approach for uncertainty quantification in practice. / Bayessche Inferenz besteht daraus, vorhandenes a-priori Wissen über unsichere Parameter in mathematischen Modellen mit neuen Beobachtungen messbarer Modellgrößen zusammenzuführen. In dieser Dissertation beschäftigen wir uns mit Modellen, die durch partielle Differentialgleichungen beschrieben sind. Die unbekannten Parameter sind dabei Koeffizientenfunktionen, die aus einem unendlich dimensionalen Funktionenraum kommen. Das Resultat der Bayesschen Inferenz ist dann eine wohldefinierte a-posteriori Wahrscheinlichkeitsverteilung auf diesem Funktionenraum, welche das aktualisierte Wissen über den unsicheren Koeffizienten beschreibt. Für Entscheidungsverfahren oder Postprocessing ist es oft notwendig die a-posteriori Verteilung zu simulieren oder bzgl. dieser zu integrieren. Dies verlangt nach numerischen Verfahren, welche sich zur Simulation in unendlich dimensionalen Räumen eignen. In dieser Arbeit betrachten wir Kalmanfiltertechniken, die auf Ensembles oder polynomiellen Chaosentwicklungen basieren, sowie Markowketten-Monte-Carlo-Methoden. Wir analysieren die erwähnte Kalmanfilter, indem wir deren Konvergenz zeigen und ihre Anwendbarkeit im Kontext Bayesscher Inferenz diskutieren. Weiterhin entwickeln und studieren wir einen verbesserten dimensionsunabhängigen Metropolis-Hastings-Algorithmus. Hierbei weisen wir geometrische Ergodizität mit Hilfe eines neuen Resultates zum Vergleich der Spektrallücken von Markowketten nach. Zusätzlich beobachten und analysieren wir die Robustheit der neuen Methode bzgl. eines fallenden Beobachtungsfehlers. Diese Robustheit ist eine weitere wünschenswerte Eigenschaft numerischer Methoden für Bayessche Inferenz. Den Abschluss der Arbeit bildet die Anwendung der diskutierten Methoden auf ein reales Grundwasserproblem, was insbesondere den Bayesschen Zugang zur Unsicherheitsquantifizierung in der Praxis illustriert.

The analysis of time-delayed dynamics on networks may help to understand many systems from physics, biology, and engineering, such as coupled laser arrays, gene-regulatory networks and complex ecosystems. Beside the complexity due to the network structure, the analysis is further complicated by the presence of the delays. Delay systems are in general infinite dimensional and thus can display complex dynamics as oscillations and chaos. The mathematical difficulties related to the delays hinders the analysis of delay networks. Thus, little is known yet about basic relations between network structure and delay dynamics. It has been shown that networks without delays can be studied efficiently with the generalized modeling approach, which analyzes the stability of an assumed steady state by a direct parametrization of the Jacobian matrix. In this thesis, I demonstrate the extension of the generalized modeling approach to delay networks and analyze networks of delay-coupled delay oscillators, with delayed auto-catalytic growth on the nodes and delayed transport between nodes. For degree-homogeneous networks (DHONs), in which each node has the same number of links, the bifurcation lines that border the stable areas can be calculated analytically, where the topology of the network is described only by the eigenvalues of the adjacency matrix. For undirected networks, the stability pattern in the parameter space of growth and transport delay is governed by two periodic sets of tongues of instability, which depend on the largest positive and the smallest negative eigenvalue. The direct relation between the eigenvalue and the bifurcation lines allows us to predict stability patterns for networks with certain topological properties. Thus, bipartite networks display a characteristic periodicity of tongues. In order to analyze the stability of degree-heterogeneous networks (DHENs), I apply a numerical sampling method based on Cauchy\'s Argument Principle. The stability patterns of these networks resembles the pattern of DHONs, which is governed by the two periodic sets. For networks with sufficiently many links, one set disappears, and the stability of DHENs can be approximates by the stability of a fully-connected network with the same average degree. However, random DHENs tend to be more stable than DHONs, and DHENs with a broad degree-distribution tend to be more stable than DHENs with a narrow distribution. Thus, such networks are more likely to give rise to amplitude death, i.e. the stabilization of an unstable steady state through diffusive coupling. The stability pattern of DHENs can be qualitatively different than the pattern in DHONs. However, for small growth delays, close to the critical delay of the single node system, the bifurcation lines of all DHENs with the same average degree coincide. This, is particularly interesting, because there the stability depends on a global property of the network, which suggests a diverging interaction length. In summary, the extension of generalized modeling to time-delay networks reveals basic relations between the delay dynamics and the topology. The generality of our model should allow to apply these results to a large class of real-world systems.

In dieser Arbeit wird die Berechnung der farbführenden Zweischleifen-QCD-Korrekturen für die Top-Quark-Paarproduktion mit einem zusätzlichen Jet an einem Lepton-Collider präsentiert. Das Matrixelement wird in Vektor- und Axial-Vektorströme zerlegt und die Ströme werden weiter in Dirac-Spinorstrukturen und Formfaktoren zerlegt. Die Formfaktoren werden mit Projektoren extrahiert. Die auftretenden Feynmanintegrale werden mittels IBP-Identitäten und Dimensionsverschiebungstransformationen durch eine Basis quasi-finiter Masterintegrale in 6−2ϵ Dimensionen ausgedrückt. Die Mehrheit der Feynmanintegrale gehört zu einer Doppelbox-Integralfamilie. Die Berechnung der Masterintegrale erfolgt durch numerisches Lösen von Differentialgleichungen in kinematischen Invarianten. Asymptotische Reihenentwicklungen der Masterintegrale in der Top-Quarkmasse werden verwendet, um die Anfangsbedingungen für die numerischen Lösungen der Differentialgleichungen zu bestimmen. Die führenden Terme dieser Entwicklung werden mit der Expansion-by-Regions-Methode berechnet. Höhere Reihenkoeffizienten werden durch die Anwendung einer Differentialgleichung auf einen Ansatz für die Reihenentwicklung bestimmt. Die renormierten Formfaktoren und die farbführende Zweischleifenamplitude werden an einem Referenzphasenraumpunkt zu hoher Präzision numerisch ausgewertet. Die Resultate werden mit elektroschwachen Ward-Identitäten und durch numerische Vergleiche der IR-Singularitäten mit der erwarteten Singularitätsstruktur überprüft. / In this work, the calculation of the leading-colour two-loop QCD corrections for top-quark pair production with an additional jet at a lepton collider is presented. The matrix element is decomposed into vector and axial-vector currents and the currents are further decomposed into Dirac spinor structures and form factors. The form factors are extracted with projectors. The Feynman integrals are reduced to a quasi-finite basis in 6 − 2ϵ dimensions using IBP identities and dimension-shift transformations. The majority of master integrals belong to a double-box integral family. The master integrals are computed by numerically solving systems of differential equations in the kinematic invariants. Asymptotic expansions of the master integrals in the top-quark mass variable are used to calculate initial conditions for the numerical differential equation solutions. The leading terms of the expansion are obtained with the expansion by regions and the higher orders are calculated by solving a system of equations obtained from applying the differential equation onto an ansatz of the expansion. The renormalized form factors and the leading-colour two-loop amplitude are evaluated numerically to high precision at a benchmark phase space point. The results are cross-checked with electroweak Ward identities and by numerically comparing the IR singularities with the expected singularity structure.

Traditional methods in optical design like ray tracing suffer from slow convergence and are not constructive, i.e., each minimal perturbation of input parameters might lead to “chaotic” changes in the output. However, so-called inverse methods can be helpful in designing optical systems of reflectors and lenses. The equations in R2 become ordinary differential equations, while in R3 the equations become partial differential equations. These equations are then used to transform source distributions into target distributions, where the distributions are arbitrary, though assumed to be positive and integrable. In this project, we derive the governing equations and solve them numerically, for the systems presented by our instructor Martijn Anthonissen [Anthonissen et al. 2021]. Additionally, we show how point sources can be derived as a special case of a interval source with di- rected source interval, i.e., with each point in the source interval there is also an associated unit direction vector which could be derived from a system of two interval sources in R2. This way, it is shown that connecting source distributions with target distributions can be classified into two instead of three categories. The resulting description of point sources as a source along an interval with directed rays could potentially be extended to three dimensions, leading to interpretations of point sources as directed sources on convex or star-shaped sets.:1 Abstract 4 2 Notation And Conventions 4 3 Introduction 5 4 ECMI Modeling Week Challenges 5 4.1 Problem 1 - Parallel to Near-Field Target 5 4.1.1 Description 5 4.1.2 Deriving The Equations 5 4.2 Problem 2 - Parallel Source To Two Targets 8 4.3 Problem 3 - Point Source To Near-Field Target 9 4.3.1 Deriving The Equations 9 4.4 Problem 4 - Point Source To Two Targets 11 5 Validation - Ray tracing 13 5.1 Splines 13 5.1.1 Piece-Wise Affine Reflectors 13 5.1.2 Piece-Wise Cubic Reflectors 14 5.2 Error Estimates For Spline Reflectors 14 5.2.1 Lemma: A Priori Feasibility Of Starting Values For Near-Field Problems 15 5.2.2 Estimates for single reflector, near-field targets 16 5.3 Ray Tracing Errors - Illumination Errors 17 5.3.1 Definition: Axioms For Errors 18 5.3.2 Extrapolated Ray Tracing Error (ERTE) 18 5.3.3 Definition: Minimal Distance Ray Tracing Error (MIRTE) 19 5.3.4 Lemma: Continuity Of The Ray Traced Reflection Projection Of Smooth Reflectors 19 5.3.5 Theorem: Convergence Of The MIRTE 20 5.3.6 Convergence Of The ERTE 21 5.3.7 Application 21 6 Numerical Implementation 21 6.1 The DOPTICS Library 21 6.2 Pseudocode Of The Implementation 21 6.2.1 Solutions Of The Problems 22 6.2.2 Ray Tracing And Ray Tracing Error 22 6.3 ERTE Implementation 25 7 Results 26 7.1 Problem 1: Results 26 7.2 Problem 2: Results 26 7.3 Problem 3: Results 27 7.4 Problem 4: Results 27 8 Generalizations In Two Dimensions 29 8.1 Directed Densities 29 8.2 Generalized, Orthogonally Emitting Sources in R2 30 8.2.1 Point Light Sources As Orthogonally Emitting Sources 30 9 Conclusion and Future Research 32 10 Group Dynamic 32 References 32