Institut für Mathematik der Universität Augsburg - am Institut für ...
Institut für Mathematik der Universität Augsburg - am Institut für ...
Institut für Mathematik der Universität Augsburg - am Institut für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Die stochastische Geometrie stellt Modelle zur Beschreibung und Verfahren zur statistischen Analyse von<br />
zufälligen geometrischen Strukturen zur Verfügung. Derartige Gebilde treten u.a. als Gefügestrukturen<br />
o<strong>der</strong> bei mikroskopischen Gewebeuntersuchungen und generell bei Problemen <strong>der</strong> Bildverarbeitung und<br />
Mustererkennung auf. Zu den Grundtypen von Modellen zählen die zufälligen Punktmuster (Punktprozesse),<br />
Geraden- und Faserprozesse, zufällige Mosaike sowie Keim-Korn-Prozesse. Beim letzteren handelt<br />
es sich um zufällig verstreute und teils sich überlappende zufällige Figuren. Zur Behandlung solcher<br />
Zufallsmengen werden geometrische und stochastische Kenngrößen definiert, zu <strong>der</strong>en Analyse fortgeschrittene<br />
Ergebnisse sowohl <strong>der</strong> Integralgeometrie als auch <strong>der</strong> Wahrscheinlichkeitsrechnung herangezogen<br />
werden. Dies gilt insbeson<strong>der</strong>e bei <strong>der</strong> Berechnung von Varianzen von empirischen Kenngrößen<br />
und <strong>der</strong> daraus resultierenden Behandlung von Extremalproblemen <strong>für</strong> konvexe Körper, die auch als ein<br />
Versuchsplanungsproblem <strong>für</strong> Zylin<strong>der</strong>- und Hyperebenenprozesse interpretiert werden können.<br />
Statistik von zufälligen Mengen und markierten Punktprozessen<br />
Alle stochastisch-geometrischen Modelle von punkt-, linien- o<strong>der</strong> kornartigen Strukturen in einem euklidischen<br />
Raum verlangen geeignete statistische Verfahren zur Schätzung sowohl von Par<strong>am</strong>etern als auch<br />
von nichtpar<strong>am</strong>etrischer Kenngrößen, welche die Modelle beschreiben. D<strong>am</strong>it verbunden sind auch statistische<br />
Testverfahren und Methoden zur Modellidentifikation. In <strong>der</strong> Regel wird dabei von einer einzigen<br />
Beobachtung in einem möglichst großen Beobachtungsfenster ausgegangen. Meist wird eine unbegrenzt<br />
wachsende Fensterfolge (large domain statistics) angenommen, was bei einigen Modellklassen –<br />
insbeson<strong>der</strong>e beim Poissonschen Kornmodell (Boolesches Modell) – zu akzeptablen asymptotischen Verfahren<br />
geführt hat. Insges<strong>am</strong>t ist festzustellen, dass im Vergleich zur klassischen Mathematischen Statistik<br />
die räumliche Statistik noch recht gering entwickelt ist. Hauptprobleme sind einerseits die Modellkomplexität<br />
und die vergleichsweise geringe Information aus <strong>der</strong> Beobachtung und an<strong>der</strong>erseits die den<br />
Modellen innewohnenden stochastischen und geometrischen Abhängigkeiten. In <strong>der</strong> letzten Zeit wurde<br />
die Untersuchung von Mischungsbedingungen von zufälligen Mengen und die daraus folgenden Herleitung<br />
von Grenzwertsätzen <strong>für</strong> empirische Funktionale zu einem zentralen Arbeitsgegenstand. Ein interessantes<br />
und praktisch relevantes Problem ist die Gewinnung von Aussagen über 3D-Strukturen durch<br />
die statistische Analyse von linearen und ebenen Schnitten, was unter dem Schlagwort "Stereologie" zus<strong>am</strong>mengefasst<br />
wird.<br />
Mitarbeiterinnen und Mitarbeiter<br />
• Gerlinde Wolsleben (Sekretärin)<br />
• Kai-Frie<strong>der</strong>ike Oelbermann, Dipl.-Math.<br />
• Olga Birkmeier, M.Sc.<br />
• Stella David, Dr.<br />
Diplomarbeiten<br />
Simon Bley: „Statistische Graphik und große Datensätze“<br />
Erstgutachter: Prof. Unwin, Zweitgutachter: Prof. Pukelsheim<br />
Ulrike Maier: „Der Deming/Stephan-Ansatz <strong>für</strong> das iterative proportionale Anpassungsverfahren“<br />
108