The presentation shows sample paths of stochastic processes in form of animations. Those stochastic procsses are usually used to model financial quantities like exchange rates, interest rates and stock prices. In the second part the solution of the Black-Scholes PDE using the finite difference method is illustrated. / Der Vortrag zeigt Animationen von Realisierungen stochstischer Prozesse, die zur Modellierung von Groessen im Finanzbereich haeufig verwendet werden (z.B. Wechselkurse, Zinskurse, Aktienkurse). Im zweiten Teil wird die Loesung der Black-Scholes Partiellen Differentialgleichung mittels Finitem Differenzenverfahren graphisch veranschaulicht.

Von der Professur Stochastik der Fakultät für Mathematik der Technischen Universität Chemnitz werden seit 1995 regelmäßig jedes Jahr im Herbst die Workshops "Stochastische Analysis" organisiert. Ausgewählte Beiträge sollen erstmals in Form eines Tagungsbandes veröffentlicht werden. Eine jährliche Fortsetzung ist geplant. Der 9. Workshop "Stochastische Analysis" fand vom 29.09.2003 bis zum 01.10.2003 in Bärenstein statt.

Von der Professur Stochastik der Fakultät für Mathematik der Technischen Universität Chemnitz werden seit 1995 regelmäßig jedes Jahr im Herbst die Workshops "Stochastische Analysis" organisiert. Ausgewählte Beiträge werden seit 2003 in Form eines Tagungsbandes veröffentlicht. Der 10. Workshop "Stochastische Analysis" fand vom 27.09.2004 bis zum 29.09.2004 in Klingenthal statt.

Im Rahmen der Arbeit wurden die Daten für Minutenreserveabrufe in den Jahren 2006 und 2007 nach Regelzonen analysiert und ein stochastisches Modell erstellt. Die detaillierte Analyse der Minutenreserveabrufe ergab eine Tageszeitabhängigkeit des Auftretens von Abrufen. In den Nachtstunden erfolgten sehr wenige bis keine Abrufe. Die jeweils abgerufenen Mengen lassen ebenfalls eine Tageszeitabhängigkeit erkennen. Auffällig war, dass die Minutenreserveabrufe in der RWE-Regelzone signifikant anders als in den übrigen Regelzonen erfolgten. Für die Modellbildung wurde ein zusammengesetzter Poisson-Prozess gewählt. Die Intensität λ blieb dabei konstant. Um die Tageszeitabhängigkeit einfließen zu lassen, wurde angenommen, dass die Mengen pro Abruf einer Normalverteilung mit tageszeitabhängigen Parametern μ und σ gehorchen. Mit Hilfe des Modells erfolgten Simulationen von Minutenreser-veabrufen für jede Regelzone. Zur Verifikation des Modells wurden die simulierten Abrufe mit den real eingetretenen Abrufen im Jahr 2008 verglichen. In Intensität der Abrufhäufigkeit und im Erwartungswert der Abrufmengen decken sich die Simulationen sehr gut mit der Realität (siehe Abbildung). Unter Anwendung des Modells lassen sich vielfältige Berechnungen beispielsweise zum Einsatz dezentraler KWK-Anlagen durchführen. In naher Zukunft ist die Er-weiterung des Modells um das in der Realität häufig eintretende Ereignis mehrerer direkt aufeinander folgender Abrufe in etwa derselben Höhe oder auch die Betrachtung negativer Minutenreserve wünschenswert.:1 Einleitung 2 Ausgangssituation 3 Analyse der Minutenreserveabrufe nach Regelzonen 4 Modellierung der abgerufenen Minutenreserve 5 Qualitätsbewertung des Modells 6 Zusammenfassung und Ausblick

Von der Professur Stochastik der Fakultät für Mathematik der Technischen Universität Chemnitz werden seit 1995 regelmäßig jedes Jahr im Herbst die Workshops "Stochastische Analysis" organisiert. Ausgewählte Beiträge werden in Form eines Tagungsbandes veröffentlicht. Der 12. Workshop "Stochastische Analysis" fand vom 20.09.2006 bis zum 22.09.2006 in Schöneck/Vogtland statt.

We propose a variant of the stochastic finite element method, where the random elements occuring in the problem formulation are approximated by simple random elements, i.e. random elements with only a finite number of possible values.

Im Rahmen der Arbeit wurden die minutengenauen Daten des Regelleistungsbedarfs (Summe aus Sekundärregelleistung und Minutenreserve) der Monate April bis Dezember des Jahres 2009 einer Regelzone einer Zeitreihenanalyse unterzogen und in Komponenten gemäß dem klassischen Komponentenmodell zerlegt. Diese sind die Trendkomponente, ermittelt durch einen gleitenden Durchschnitt mit der Länge einer Stunde, weiterhin zwei periodische Komponenten mit der Periodenlänge einer Stunde sowie der Periodenlänge eines Tages und die Restkomponente, welche mit einem ARIMA(2,1,5)-Prozess modelliert wurde. In der Zukunft sollte das erstellte Modell des Regelleistungsbedarfs durch Hinzunahme einer jahreszeitlichen Komponente noch verbessert werden. Dies war im Rahmen der Arbeit nicht möglich, da keine Daten über einen Zeitraum von mehreren Jahren vorhanden waren. Zusätzlich kann geprüft werden, inwiefern mit dem Komponentenmodell Prognosen durchführbar sind. Dafür sollte die Trendkomponente anders gewählt werden, da sich der hier gewählte Weg zu sehr an den Daten orientiert. Der zweite Teil der Aufgabenstellung dieser Arbeit bestand im Identifizieren inhaltlicher Komponenten, also möglicher Zusammenhänge zwischen dem Regelleistungsbedarf und verschiedenen denkbaren Ursachen. Als potentielle Ursachen wurden der Lastverlauf sowie die Windenergieeinspeisung untersucht. Zwischen der Zeitreihe des Lastverlaufs und der des Regelleistungsbedarfs bestand eine leichte positive Korrelation, zwischen der Zeitreihe der Windenergieeinspeisung und der des Regelleistungsbedarfs eine geringe negative Korrelation.:Einleitung 1 Ausgangssituation und technische Gegebenheiten 2 Mathematische Grundlagen 3 Analyse der Regelleistungsdaten 4 Zusammenfassung und Ausblick

The presented work wants to contribute a new solution based on the analysis of stochastic signals. On the basis of the Dresden Live-Camera-System which is providing real-time information about the traffic state on 31 focal points (March 2005) one is able to use a wide range of image types under different and severe conditions. The method is based on the analysis of stochastic signals derived from the live-camra images. These signals are analyzed with cross-correlation, amplitude- and frequency filters. The resulting data enable the distinction of stable and non-stable traffic flow and the automated identification of traffic congestion. Moreover fundamental diagrams are calculated. / Die vorgelegte Arbeit beinhaltet ein neuartiges Verfahren zur automatischen Ermittlung des Verkehrszustandes aus Live-Kamera-Bildern. Die Datengrundlage dafür liefert das im Rahmen des BMBF-Leitprojektes intermobil Region Dresden geschaffenen Live-Kamerasystem mit 31 Standorten (Stand März 2005). Das entwickelte Verfahren basiert auf der Analyse stochastischer Signale, die aus den Kamerabildern ermittelt werden. Die methodischen Grundlagen des Verfahrens sind Korrelationsanalyse sowie Amplituden- und Frequenzfilterung. Die Rahmenbedingungen für den praktischen Einsatz sind durch die Variabilität von Auflösung und Blickwinkel an den unterschiedlichen Kamerastandorten geprägt. Die ermittelten Messwerte ermöglichen eine Unterscheidung der Verkehrszustände "flüssiger Verkehr", "zähflüssiger Verkehr" und "Stop&Go" und werden am Fundamentaldiagramm interpretiert.

Universiẗat, Diss.--Bayreuth, 2007. / Literaturverz. S. [241] - 256.

NJ, Univ., Dep. of Economics, Diss.--Princeton, 2005. / Kopie, ersch. im Verl. UMI, Ann Arbor, Mich. - Enth. 3 Beitr.