Eigenwertprobleme haben eine große Bedeutung in Naturwissenschaft und Technik. Häufig müssen auftretende Parameter als zufällige Größen modelliert werden, um stochastische Einflüsse oder auftretende Meßfehler in der Problemstellung zu berücksichtigen. Dieser Artikel beschäftigt sich mit den Eigenwerten zufälliger Matrizen. Eine erste grobe Näherung für die Erwartungswerte der Eigenwerte sind die Eigenwerte des gemittelten Problems. Die dabei auftretenden Differenzen können jedoch erheblich sein. Eine bessere Approximation wird mit den hier betrachteten Methoden der Störungsrechnung erreicht. Es werden Ergebnisse der Störungsrechnung für die Eigenwerte zufälliger Matrizen zusammengefaßt und Reihenentwicklungen einschließlich der homogenen Glieder zweiter Ordnung angegeben. An numerischen Beispielen werden die Ergebnisse veranschaulicht und mit Simulationen verglichen. Für praktische Anwendungen sind normalverteilte Störungen von besonderem Interesse. Jedoch ist die Konvergenz der Störungsreihen nur gesichert, wenn die Störungen als hinreichend klein vorausgesetzt werden. Da normalverteilte Zufallsgrößen mit positiver Wahrscheinlichkeit jede beliebig große Schranke überschreiten, ist diese Voraussetzung nicht erfüllt und die Störungsrechnung in diesem Falle nicht ohne weiteres anwendbar. Wird die Entwicklung nach den Störungen dennoch verwendet, können Abschätzungen für den absoluten Fehler bei der Approximation des Erwartungswertes unter Berücksichtigung der Reihenglieder bis zu einer bestimmten Ordnung angegeben werden.

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.

In dieser Arbeit werden parabolische Randanfangswertprobleme mit zufälliger Anfangs- und Neumann-Randbedingung betrachtet. Die zufälligen Einflußgrößen werden dabei als epsilon-korrelierte, zufällige Felder modelliert. Das Hauptinteresse liegt auf der Berechnung stochastischer Kenngrößen der auf Basis der Finite-Elemente Methode erhaltenen Lösung des Randanfangswertproblems. Für die Korrelationsfunktion der Lösung wird eine Entwicklung nach der Korrelationslänge sowie eine explizite Berechnung für spezielle Typen der Vernetzung vorgestellt. Anhand von numerischen Beispielen werden abschließend die auf den verschiedenen Wegen erhaltenen Varianzen mit der einer simulierten Lösung verglichen.

Eigenwertprobleme haben eine große Bedeutung in Naturwissenschaft und Technik. Häufig müssen auftretende Parameter als zufällige Größen modelliert werden, um stochastische Einflüsse oder auftretende Meßfehler in der Problemstellung zu berücksichtigen. Dieser Artikel beschäftigt sich mit den Eigenwerten zufälliger Matrizen. Eine erste grobe Näherung für die Erwartungswerte der Eigenwerte sind die Eigenwerte des gemittelten Problems. Die dabei auftretenden Differenzen können jedoch erheblich sein. Eine bessere Approximation wird mit den hier betrachteten Methoden der Störungsrechnung erreicht. Es werden Ergebnisse der Störungsrechnung für die Eigenwerte zufälliger Matrizen zusammengefaßt und Reihenentwicklungen einschließlich der homogenen Glieder zweiter Ordnung angegeben. An numerischen Beispielen werden die Ergebnisse veranschaulicht und mit Simulationen verglichen. Für praktische Anwendungen sind normalverteilte Störungen von besonderem Interesse. Jedoch ist die Konvergenz der Störungsreihen nur gesichert, wenn die Störungen als hinreichend klein vorausgesetzt werden. Da normalverteilte Zufallsgrößen mit positiver Wahrscheinlichkeit jede beliebig große Schranke überschreiten, ist diese Voraussetzung nicht erfüllt und die Störungsrechnung in diesem Falle nicht ohne weiteres anwendbar. Wird die Entwicklung nach den Störungen dennoch verwendet, können Abschätzungen für den absoluten Fehler bei der Approximation des Erwartungswertes unter Berücksichtigung der Reihenglieder bis zu einer bestimmten Ordnung angegeben werden.

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.

In dieser Arbeit werden parabolische Randanfangswertprobleme mit zufälliger Anfangs- und Neumann-Randbedingung betrachtet. Die zufälligen Einflußgrößen werden dabei als epsilon-korrelierte, zufällige Felder modelliert. Das Hauptinteresse liegt auf der Berechnung stochastischer Kenngrößen der auf Basis der Finite-Elemente Methode erhaltenen Lösung des Randanfangswertproblems. Für die Korrelationsfunktion der Lösung wird eine Entwicklung nach der Korrelationslänge sowie eine explizite Berechnung für spezielle Typen der Vernetzung vorgestellt. Anhand von numerischen Beispielen werden abschließend die auf den verschiedenen Wegen erhaltenen Varianzen mit der einer simulierten Lösung verglichen.

Behandelt werden zufällige lineare Gleichungssysteme modulo 3, wobei in jeder Gleichung genau k Variablen vorkommen. Es wird gezeigt, dass der Schwellwert der Lösbarkeit solcher Gleichungssysteme bei der 2-Kern-Dichte von 1 liegt. Das Resultat ist eine Verallgemeinerung bereits bekannter Resultate für den modulo 2 Fall. Dabei entsteht der 2-Kern dadurch, dass wir alle Variablen mit nur einem Vorkommen löschen. Die Dichte ist definiert als der Quotient der Anzahl der Gleichungen durch die Anzahl der Variablen. Im Rückblick ist dieses Resultat ein natürlicher Schwellwert und die Vermutung liegt nahe, dass er bei analogen Situationen über anderen Strukturen als Z3 auch gelten sollte. Allerdings sind schon im modulo 2 Fall die analytischen Probleme nicht gering, und der hier behandelte Fall braucht weitere analytische Einsichten.

Es wird die Versuchsplanung für die Approximation zufälliger Funktionen untersucht, wobei sowohl deterministische Spline-, stochastisch-deterministische Krigingverfahren als auch Regressionsverfahren jeweils unter Verwendung von Ableitungssamples betrachtet werden. Dabei wird das mathematische Gerüst für den Beweis einer allgemeinen Äquivalenz zwischen Kriging- und Splineverfahren entwickelt. Für den in den praktischen Anwendungen wichtigen Fall der Verwendung endlich vieler nichthermitescher Samples wird ein Versuchsplanungsverfahren für zufällige Funktionen mit asymptotisch verschwindender Korrelation entwickelt. Ferner wird der Einfluss von Ableitungen auf die Varianz von (lokalen) Regressionsschätzern untersucht. Schließlich wird ein Verfahren zur Versuchsplanung vorgestellt, das durch Regularisierung mittels gestörter Kovarianzmatrizen Prinzipien der klassischen Versuchsplanung im korrelierten Fall nachahmt.

Im Rahmen dieser Arbeit wurde der Prozess des chemisch-mechanischen Polierens (CMP) von Siliziumwafern erstmals mittels stochastischer Methoden modelliert und daraus resultierend weiter optimiert. Ziel war es, Erkenntnisse zu ausgewählten, noch nicht vollständig verstandenen Einflussfaktoren zu gewinnen. Der Schwerpunkt lag dabei auf dem Poliertuch. Anhand eines neu entwickelten Modells zur Beschreibung einer konditionierten Tuchoberfläche wurden Zusammenhänge zwischen Konditionier- bzw. Tuchstrukturparametern und resultierender Poliertuchoberfläche herausgearbeitet und somit Möglichkeiten zur exakten Beschreibung und der gezielten Beeinflussung letzterer ermittelt. Weiterhin konnte erstmalig ein lang gesuchter messbarer Parameter benannt werden, mit dem eine ideale Tuchoberfläche charakterisierbar wird. Die Ergebnisse wurden experimentell verifiziert. Abschließend wurde mit einem neuen Abtragsmodell der CMP-Prozess von Siliziumwafern beschrieben, anhand dessen Zusammenhänge zwischen der Tuchrauheit und der Unebenheit der Waferoberfläche mit einer Theorie begründbar wurden.

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.