Diese Dissertation betrachtet das Problem der nichtparametrischen Schätzung der Diffusionskoeffizienten eines ein-dimensionalen und zeitlich homogenen Itô-Diffusionsprozesses. Dabei werden verschiedene diskrete Sampling Regimes untersucht. Im ersten Teil zeigen wir, dass eine Variante des von Gobet, Hoffmann und Reiß konstruierten Niedrigfrequenz-Schätzers auch im Fall von zufälligen Beobachtungszeiten verwendet werden kann. Wir beweisen, dass der Schätzer optimal im Minimaxsinn und adaptiv bezüglich der Verteilung der Beobachtungszeiten ist. Außerdam wenden wir die Lepski Methode an um einen Schätzer zu erhalten, der zusätzlich adaptiv bezüglich der Sobolev-Glattheit des Drift- und Volatilitätskoeffizienten ist. Im zweiten Teil betrachten wir das Problem der Volatilitätsschätzung für äquidistante Beobachtungen. Im Fall eines stationären Prozesses, mit kompaktem Zustandsraum, erhalten wir einen Schätzer, der sowohl bei hochfrequenten als auch bei niedrigfrequenten Beobachtungen die optimale Minimaxrate erreicht. Die Konstruktion des Schätzers beruht auf spektralen Methoden. Im Fall von niedrigfrequenten Beobachtungen ist die Analyse des Schätzers ähnlich wie diejenige in der Arbeit von Gobet, Hoffmann und Reiß. Im hochfrequenten Fall hingegen finden wir die Konvergenzraten durch lokale Mittelwertbildung und stellen daubt eine Verbindung zum Hochfrequenzschätzer von Florens-Zmirou her. In der Analyse unseres universalen Schätzers benötigen wir scharfe obere Schranken für den Schätzfehler von Funktionalen der Occupation time für unstetige Funktionen. Wir untersuchen eine auf Riemannsummen basierende Approximation der Occupation time eines stationären, reversiblen Markov-Prozesses und leiten obere Schranken für den quadratischen Fehler her. Im Fall von Diffusionsprozessen erhalten wir Konvergenzraten für Sobolev Funktionen. / In this thesis, we consider the problem of nonparametric estimation of the diffusion coefficients of a scalar time-homogeneous Itô diffusion process from discrete observations under various sampling assumptions. In the first part, the low-frequency estimation method proposed by Gobet, Hoffmann and Reiß is modified to cover the case of random sampling times. The estimator is shown to be optimal in the minimax sense and adaptive to the sampling distribution. Moreover, Lepski''s method is applied to adapt to the unknown Sobolev smoothness of the drift and volatility coefficients. In the second part, we address the problem of volatility estimation from equidistant observations without a predefined frequency regime. In the case of a stationary diffusion with compact state space and boundary reflection, we introduce a universal estimator that attains the minimax optimal convergence rates for both low and high-frequency observations. Being based on the spectral method, the low-frequency analysis is similar to the study conducted by Gobet, Hoffmann and Reiß. On the other hand, the derivation of the convergence rates in the high-frequency regime requires local averaging of the low-frequency estimator, which makes it mimic the behaviour of the classical high-frequency estimator introduced by Florens-Zmirou. The analysis of the universal estimator requires tight upper bounds on the estimation error of the occupation time functional for non-continuous functions. In the third part of the thesis, we thus consider the Riemann sum approximation of the occupation time functional of a stationary, time-reversible Markov process. Upper bounds on the squared mean estimation error are provided. In the case of diffusion processes, convergence rates for Sobolev regular functions are obtained.

Die vorliegende Arbeit ist der Untersuchung von Operatorfolgen gewidmet, die typischerweise bei der Anwendung von Approximationsverfahren auf stetige lineare Operatoren entstehen. Dabei stehen die Stabilität der Folgen sowie das asymptotische Verhalten gewisser Charakteristika wie Normen, Konditionszahlen, Fredholmeigenschaften und Pseudospektren im Mittelpunkt. Das Hauptaugenmerk liegt auf der Entwicklung der Theorie für Operatoren auf Banachräumen. Hierbei bildet ein dafür geeigneter Konvergenzbegriff, die sogenannte P-starke Konvergenz, den Ausgangspunkt, welcher das Studium der gewünschten Eigenschaften in einer erstaunlichen Allgemeinheit gestattet. Die erzielten Resultate kommen, neben einer Reihe weiterer Anwendungen, insbesondere für das Projektionsverfahren für banddominierte Operatoren zum Einsatz.

Die vorliegende Arbeit ist der Untersuchung von Operatorfolgen gewidmet, die typischerweise bei der Anwendung von Approximationsverfahren auf stetige lineare Operatoren entstehen. Dabei stehen die Stabilität der Folgen sowie das asymptotische Verhalten gewisser Charakteristika wie Normen, Konditionszahlen, Fredholmeigenschaften und Pseudospektren im Mittelpunkt. Das Hauptaugenmerk liegt auf der Entwicklung der Theorie für Operatoren auf Banachräumen. Hierbei bildet ein dafür geeigneter Konvergenzbegriff, die sogenannte P-starke Konvergenz, den Ausgangspunkt, welcher das Studium der gewünschten Eigenschaften in einer erstaunlichen Allgemeinheit gestattet. Die erzielten Resultate kommen, neben einer Reihe weiterer Anwendungen, insbesondere für das Projektionsverfahren für banddominierte Operatoren zum Einsatz.

Cette thèse est consacré aux tests d'adéquation basés sur la fonction caractéristique. Nous débutons en présentant et en complétant les résultats probabilistes nécessaires à la construction de statistiques de test prenant la fonction caractéristique et son pendant la fonction caractéristique empirique comme représentations respectives des lois de référence et de la loi inconnue de l'échantillon de vecteurs aléatoires à tester. Nous poursuivons le travail en faisant la revue et en classant les tests basés sur la fonction caractéristique existants. Nous élaborons ensuite une classe de statistiques de test s'appuyant sur le calcul d'une distance intégrale. Le cas de la distance L2 est étudié plus à fond, car nous avons pu établir des résultats asymptotiques dans ce dernier cas. Ceux-ci font intervenir les éléments propres inconnus d'un opérateur intégral. Nous présentons, puis utilisons, une méthode d'approximation spectrale basée sur une projection de l'opérateur sur une base orthonormée.Finalement, nous construisons une nouvelle classe de tests appartenant au paradigme des tests lisses de Neyman. L'étude précédente nous permet de simplifier considérablement la construction de ces tests, dont différentes versions sont proposées tant pour le test d'une hypothèse simple que pour le test d'une hypothèse composite. / This PhD thesis consists in building goodness-of-fit tests using the characteristic function (CF) as a prefered representation for the probability laws involved.We start with listing and improving results in probability theory necessary to build test statistics using the characteristic function and its conterpart the empirical characteristic function.We list and classify existing characteristic function based goodness-of-fit tests published by varions authors since 1977.Then, we build a class of tests based on integral metrics. We take particular attention to the case where the statistics are build using a L2 distance. More specifically, we give asymptotic results in this case. However, these results reveal the need for information on the unknown eigenelements of an integral operator. Thus, we present and implement an approximation method using a sequence of projections on orthonormal bases ofan hilbertian functional space.Finally, we will build another class of tests using the Neyman smooth test paradigm. This study is based on our previous results, that fit well into the construction of characteristic function based smooth tests. We give various applications, presenting tests for both a simple hypothesis and a composite hypothesis.