Graduelle Strukturänderungen in funktionalen Daten

• Antragstellerinnen / Antragsteller: Professorin Dr. Claudia Kirch; Dr. Martin Wendler
• Fachliche Zuordnung: Mathematik
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 490757989

Durch Fortschritte in der Datenverarbeitung sind zunehmend zeitkontinuierliche Datensätze verfügbar bzw. Daten zu diskreten Zeitpunkten in dichter Folge. Dies sind beides Beispiele für sogenannte funktionale Daten, die auch Zufallsfelder oder Zufallsprozesse auf Mannigfaltigkeiten umfassen. Wir wollen unsere Aufmerksamkeit stochastischen Funktionen widmen, die sich in den meisten Fällen als zufällige Kurven oder Oberflächen darstellen lassen, und betrachten dabei jede Funktion als eine Beobachtung in einem Funktionenraum. Diese Beobachtungen sind natürlich geordnet bezüglich der Zeit und können sich im Zeitablauf ändern. Das Interesse liegt dabei nicht auf einer Veränderung innerhalb der einzelnen Kurven, sondern eine Veränderung in der Struktur der Kurven im Zeitablauf. Fast alle bisherigen Methoden zur Strukturbrucherkennung wurden entwickelt, um abrupte Änderungen zu erkennen. Allmähliche Änderungen der Struktur haben bis jetzt wenig Beachtung gefunden, obwohl diese realistischer für die Praxis sein könnten. Mithilfe funktionaler Grenzwertsätze und empirische Prozesse möchten wir fortgeschrittene statistische Methoden wie Bootstrap oder LASSO anwenden, um graduelle Änderungen der funktionalen Form in der Zeitreihe von Kurven diagnostizieren.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Tschechische Republik
• Kooperationspartnerinnen / Kooperationspartner: Dr. Zdenek Hlávka, Ph.D.; Dr. Sárka Hudecová, Ph.D.; Professorin Dr. Marie Husková; Privatdozent Dr. Michal Pesta, Ph.D.