In dieser Arbeit werden Schwingungsprobleme mit zufälliger Erregung betrachtet. Es werden asymptotische Entwicklungen der Korrelationsfunktion angegeben, wenn der stochastische Eingangsprozess schwach stationär ist und als Integralfunktional schwach korrelierter Funktionen modelliert wird. Insbesondere wird der Fall behandelt, wenn sowohl Ableitungen des Eingangsprozesses vorkommen, als auch Ableitungen der Lösung von Interesse sind.

Bei der Untersuchung der Lösungen von Differentialgleichungen mit zufälligen Einflüssen treten Integralfunktionale stochastischer Prozesse auf. Sind die stochastischen Prozesse schwach stationär und schwach korreliert, werden asymptotische Entwicklungen der Korrelationsfunktion von Integralfunktionalen angegeben. Für im quadratischen Mittel differenzierbare Integralfunktionale werden die Entwicklungen der ersten und zweiten Ableitung der Korrelationsfunktion hergeleitet. Approximationen der Korrelationsfunktion basieren auf der asymptotischen Entwicklung. Es wird gezeigt, daß sich die Approximationen der Ableitungen der Korrelationsfunktion im Allgemeinen nicht durch Differenzieren der Approximationen der Korrelationsfunktion ermitteln lassen. In einem Beispiel wird die Methode der asymptotischen Entwicklung genutzt, um die exakten Korrelationsfunktionen zu bestimmen.

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 dieser Arbeit werden Schwingungsprobleme mit zufälliger Erregung betrachtet. Es werden asymptotische Entwicklungen der Korrelationsfunktion angegeben, wenn der stochastische Eingangsprozess schwach stationär ist und als Integralfunktional schwach korrelierter Funktionen modelliert wird. Insbesondere wird der Fall behandelt, wenn sowohl Ableitungen des Eingangsprozesses vorkommen, als auch Ableitungen der Lösung von Interesse sind.

Bei der Untersuchung der Lösungen von Differentialgleichungen mit zufälligen Einflüssen treten Integralfunktionale stochastischer Prozesse auf. Sind die stochastischen Prozesse schwach stationär und schwach korreliert, werden asymptotische Entwicklungen der Korrelationsfunktion von Integralfunktionalen angegeben. Für im quadratischen Mittel differenzierbare Integralfunktionale werden die Entwicklungen der ersten und zweiten Ableitung der Korrelationsfunktion hergeleitet. Approximationen der Korrelationsfunktion basieren auf der asymptotischen Entwicklung. Es wird gezeigt, daß sich die Approximationen der Ableitungen der Korrelationsfunktion im Allgemeinen nicht durch Differenzieren der Approximationen der Korrelationsfunktion ermitteln lassen. In einem Beispiel wird die Methode der asymptotischen Entwicklung genutzt, um die exakten Korrelationsfunktionen zu bestimmen.

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.