RUB » Bibliotheksportal

Aeneas Rooch

• In the thesis "Change-Point Tests For Long-Range Dependent Data" (by Aeneas Rooch, Ruhr-Universität Bochum, 2012), mathematical methods for data analysis are developed. In time series (like stock exchange prices or temperature measurements), it is important to discriminate between random fluctuations and an underlying change in the structure, so called change-points. This is difficult specifically in so called long-range dependent data where even events from the distant past influence the present behaviour. Many important processes like internet traffic and temperature measurements can be modelled by such kind of random time series, but common change-point tests fail when the data is long-range dependent. In this work, limit theorems for non-parametric change-point tests for long-range dependent data are proved. Moreover, some special change-point tests are compared analytically and in large simulation studies.
• In der Arbeit "Change-Point Tests For Long-Range Dependent Data" (Dissertation von Aeneas Rooch, Ruhr-Universität Bochum, 2012) werden mathematische Methoden entwickelt, um in Messreihen (wie Börsenkursen oder Temperaturmessungen) zwischen zufälligen Schwankungen und grundlegenden Änderungen in der Natur der Daten, sogenannten Strukturbrüchen, zu unterscheiden. Solche Unterscheidungen sind besonders schwierig bei stark abhängigen Daten, bei denen sich jede einzelne Beobachtung auch noch über große Zeitspannen auf die folgenden Beobachtungen auswirkt. Von Klimamessungen bis zu Datenverkehr in Netzwerken lassen sich viele Prozesse durch stark abhängige Zeitreihen modellieren. Gewöhnliche Verfahren zur Strukturbrucherkennung versagen jedoch bei einer solchen Art von Daten. In der Arbeit werden nicht-parametrische Tests zur Strukturbrucherkennung bei stark abhängigen Daten entwickelt, mathematisch hergeleitet und sowohl analytisch als auch in Simulationsstudien miteinander verglichen.