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.

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.

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 this thesis the Lyapunov exponents of random dynamical systems are presented and investigated. The main results are: 1. In the space of all unbounded linear cocycles satisfying a certain integrability condition, we construct an open set of linear cocycles have simple Lyapunov spectrum and no exponential separation. Thus, unlike the bounded case, the exponential separation property is nongeneric in the space of unbounded cocycles. 2. The multiplicative ergodic theorem is established for random difference equations as well as random differential equations with random delay. 3. We provide a computational method for computing an invariant measure for infinite iterated functions systems as well as the Lyapunov exponents of products of random matrices. / In den vorliegenden Arbeit werden Lyapunov-Exponented für zufällige dynamische Systeme untersucht. Die Hauptresultate sind: 1. Im Raum aller unbeschränkten linearen Kozyklen, die eine gewisse Integrabilitätsbedingung erfüllen, konstruieren wir eine offene Menge linearer Kyzyklen, die einfaches Lyapunov-Spektrum besitzen und nicht exponentiell separiert sind. Im Gegensatz zum beschränkten Fall ist die Eingenschaft der exponentiellen Separiertheit nicht generisch in Raum der unbeschränkten Kozyklen. 2. Sowohl für zufällige Differenzengleichungen, als auch für zufällige Differentialgleichungen, mit zufälligem Delay wird ein multiplikatives Ergodentheorem bewiesen. 3.Eine algorithmisch implementierbare Methode wird entwickelt zur Berechnung von invarianten Maßen für unendliche iterierte Funktionensysteme und zur Berechnung von Lyapunov-Exponenten für Produkte von zufälligen Matrizen.

Spectral graph theory widely increases the interests in not only discovering new properties of well known graphs but also proving the well known properties for the new type of graphs. In fact all spectral properties of proverbial graphs are not acknowledged to us and in other hand due to the structure of nature, new classes of graphs are required to explain the phenomena around us and the spectral properties of these graphs can tell us more about the structure of them. These both themes are the body of our work here. We introduce here three models of random graphs and show that the eigenvalue counting function of Laplacians on these graphs has exponential decay bound. Since our methods heavily depend on the first nonzero eigenvalue of Laplacian, we study also this eigenvalue for the graph in both random and nonrandom cases.

Diese Habilitationsschrift richtete auf zwei diskrete Strukturen aus: planare Strukturen und zufällige Graphen-Prozesse. Zunächst werden zufällige planare Strukturen untersucht, mit folgende Gesichtspunkte: - Wieviele planare Strukturen gibt es? - Wie kann effizient eine zufällige planare Struktur gleichverteilt erzeugt werden? - Welche asymptotischen Eigenschaften hat eine zufällige planare Struktur mit hoher Wahrscheinlichkeit? Um diese Fragen zu beantworten, werden die planaren Strukturen in Teile mit höherer Konnektivität zerlegt. Für die asymptotische Enumeration wird zuerst die Zerlegung als das Gleichungssystem der generierenden Funktionen interpretiert. Auf dem Gleichungssystem wird dann Singularitätenanalyse angewendet. Für die exakte Enumeration und zufällige Erzeugung wird die rekursive Methode verwendet. Für die typischen Eigenschaften wird die probabilistische Methode auf asymptotischer Anzahl angewendet. Des Weiteren werden zufällige Graphen-Prozesse untersucht. Zufällige Graphen wurden zuerst von Erdos und Renyi eingeführt und untersucht weitgehend seitdem. Ein zufälliger Graphen-Prozess ist eine Markov-Kette, deren Zustandsraum eine Menge der Graphen mit einer gegebenen Knotenmenge ist. Der Prozess fängt mit isolierten Konten an, und in jedem Ablaufschritt entsteht ein neuer Graph aus dem aktuellen Graphen durch das Hinzufügen einer neuen Kante entsprechend einer vorgeschriebenen Regel. Typische Fragen sind: - Wie ändert sich die Wahrscheinlichkeit, dass ein von einem zufälligen Graphen-Prozess erzeugter Graph zusammenhängend ist? - Wann erfolgt der Phasenübergang? - Wie groß ist die größte Komponente? In dieser Habilitationsschrift werden diese Fragen über zufällige Graphen-Prozesse mit Gradbeschränkungen beantwortet. Dafür werden probabilistische Methoden, insbesondere Differentialgleichungsmethode, Verzweigungsprozesse, Singularitätsanalyse und Fourier-Transformationen, angewendet. / This thesis focuses on two kinds of discrete structures: planar structures, such as planar graphs and subclasses of them, and random graphs, particularly graphs generated by random processes. We study first planar structures from the following aspects. - How many of them are there (exactly or asymptotically)? - How can we efficiently sample a random instance uniformly at random? - What properties does a random planar structure have, with high probability? To answer these questions we decompose the planar structures along the connectivity. For the asymptotic enumeration we interpret the decomposition in terms of generating functions and derive the asymptotic number, using singularity analysis. For the exact enumeration and the uniform generation we use the recursive method. For typical properties of random planar structures we use the probabilistic method, together with the asymptotic numbers. Next we study random graph processes. Random graphs were first introduced by Erdos and Renyi and studied extensively since. A random graph process is a Markov chain whose stages are graphs on a given vertex set. It starts with an empty graph, and in each step a new graph is obtained from a current graph by adding a new edge according to a prescribed rule. Recently random graph processes with degree restrictions received much attention. In the thesis, we study random graph processes where the minimum degree grows quite quickly with the following questions in mind: - How does the connectedness of a graph generated by a random graph process change as the number of edges increases? - When does the phase transition occur? - How big is the largest component? To investigate the random graph processes we use the probabilistic method, Wormald''s differential equation method, multi-type branching processes, and the singularity analysis.

Diese Dissertation umfasst drei Aufsätze zu verschiedenen Themen aus dem Bereich der Mikroökonometrie. Das erste Kapitel ist eine gemeinsame Arbeit mit Christoph Breunig und umfasst semi/nichtparametrische Regressionsmodelle, in denen die abhängige Variable einen nicht-klassischen Messfehler aufweist. Es werden Bedingungen erarbeitet, unter denen die Regressionsfunktion bis auf eine Normalisierung identifiziert werden kann. Zur Schätzung wird ein neuer Schätzer entwickelt, bei dem eine Rang-basierte Kriteriumsfunktion über einen sieve-Raum optimiert wird und dessen Konvergenzrate hergeleitet. Das zweite Kapitel beschäftigt sich mit der Schätzung von bedingten Dichtefunktionen von zufälligen Koeffizienten in linearen Regressionsmodellen. Es wird ein zweistufiges Schätzverfahren entwickelt, in dem zunächst eine Approximation der bedingten Dichte Koeffizienten hergeleitet wird. In einem weiteren Schritt können diese Funktionen mit generischen Methoden des maschinellen Lernens geschätzt werden. Des Weiteren wird auch die Konvergenzrate des Schätzers in der L2-Norm hergeleitet sowie dessen punktweise, asymptotische Normalität. Im dritten Kapitel wird ein neuer und einfach umsetzbarer Ansatz zur Schätzung semi(nicht)parametrischer diskreter Entscheidungsmodelle, unter Berücksichtigung von Restriktionen auf die funktionalen Parameter des Modells, vorgestellt. Die untersuchten Modelle weisen funktionale Parameter auf, die bestimmte funktionale Formen aufweisen. Zentraler Teil der Arbeit ist die Entwicklung eines GLS-Schätzers über einen geeigneten sieve-Raum, der aus I- und B-Spline Basisfunktionen unter geeigneten Restriktionen basiert. Es wird gezeigt, dass sich die Berücksichtigung der Restriktionen auf die funktionale Form positiv auf die Konvergenzrate des Schätzers in einer schwachen Norm auswirkt und so notwendige Bedingungen für die asymptotische Normalität semiparametrischer Schätzer einfacher erreichen lässt. / This dissertation comprises three individual papers on various topics in microeconometrics. In the first chapter, which is joint work with Christoph Breunig, we study a semi-/nonparametric regression model with a general form of nonclassical measurement error in the outcome variable. We provide conditions under which the regression function is identifiable under appropriate normalizations. We propose a novel sieve rank estimator for the regression function and establish its rate of convergence. The second chapter deals with the estimation of conditional random coefficient models. Here I propose a two-stage sieve estimation procedure. First, a closed-form sieve approximation of the conditional RC density is derived. Second, sieve coefficients are estimated with generic machine learning procedures and under appropriate sample splitting rules. I derive the $L_2$-convergence rate of the conditional RC-density estimator and also provide a result on pointwise asymptotic normality. The third chapter presents a novel and simple approach to estimating a class of semi(non)parametric discrete choice models imposing shape constraints on the infinite-dimensional and unknown link function parameter. I study multiple-index discrete choice models where the link function is known to be bounded between zero and one and is (partly) monotonic. In the paper I present an easy to implement and computationally efficient sieve GLS estimation approach using a sieve space of constrained I- and B-spline basis functions. The estimator is shown to be consistent and that imposing shape constraints speeds up the convergence rate of the estimator in a weak Fisher-like norm. The asymptotic normality of relevant smooth functionals of model parameters is derived and I illustrate that necessary assumptions are milder if shape constraints are imposed.

Aktuell finden umfangreiche Neuerungen und Veränderungen im Elektroenergiesystem statt. Dabei stellen die Netzintegration von Energiespeichern, EE-Anlagen und Elektrofahrzeugen sowie die Realisierung von Energiemanagementsystemen wichtige Neuerungen in der Niederspannungsebene dar. Analysen der Ladevorgänge von Elektrofahrzeugen zeigen einen nennenswerten Einfluss auf den Lastbedarf. Als ein Ergebnis wird die maximal zulässige Anzahl an Elektrofahrzeugen ermittelt, bei der kein Netzumbau notwendig wird. Neben der Untersuchung verschiedener Ladevarianten wird die zufällige Ladung als innovative Ladevariante vorgestellt und deren Nutzen simuliert. / Currently, fundamental innovations and changes are occurring in the power system. The grid integration of energy storage systems, renewable energy systems and electric vehicles as well as the implementation of energy management systems are important innovations in the low-voltage grid. Analyses of charging processes for electric vehicles show significant impacts on the load demand. As one result, the maximum number of electric vehicles is determined assuming that no grid expansion is needed. Besides studying various charging options, a random charging method is proposed as an innovative charging option and its benefits are shown by simulations.

No description available.