A uniform concentration-of-measure inequality for multivariate kernel density estimators. - Ilmenau : Techn. Univ., Inst. für Mathematik, 2013. - Online-Ressource (PDF-Datei: 10 S., 264,6 KB). . - (Preprint. - M13,09)
http://www.db-thueringen.de/servlets/DocumentServlet?id=22415
Universal confidence sets for the mode of a regression function. - In: IMA journal of management mathematics. - Oxford : Univ. Press, ISSN 1471-6798, Bd. 23 (2012), 4, S. 309-323
http://dx.doi.org/10.1093/imaman/dps011
Universal confidence sets - estimation and relaxation. - Ilmenau : Techn. Univ., Inst. für Mathematik, 2011. - Online-Ressource (PDF-Datei: 14 S., 192,5 KB). . - (Preprint. - M11,12)
http://www.db-thueringen.de/servlets/DocumentServlet?id=18490
Universal confidence sets for the mode of a regression function. - Ilmenau : Techn. Univ., Inst. für Mathematik, 2010. - Online-Ressource (PDF-Datei: 17 S., 211 KB). . - (Preprint. - M10,02)
http://www.db-thueringen.de/servlets/DocumentServlet?id=14876
On optimal estimation of a non-smooth mode in a nonparametric regression model with [alpha]-mixing errors. - In: Journal of statistical planning and inference : JSPI.. - Amsterdam : North-Holland Publ. Co., ISSN 0378-3758, Bd. 140 (2010), 2, S. 406-418
http://dx.doi.org/10.1016/j.jspi.2009.07.016
Condidence sets and convergence of random functions. - In: Festschrift in celebration of Prof. Dr. Wilfried Grecksch's 60th birthday. - Aachen : Shaker, ISBN 978-3-8322-7500-6, (2008), S. 227-245
Universal confidence sets for solutions of optimization problems. - In: SIAM journal on optimization. - Philadelphia, Pa. : SIAM, ISSN 1095-7189, Bd. 19 (2008), 3, S. 1467-1488
https://doi.org/10.1137/070680023
Universal confidence sets - sufficient conditions. - Ilmenau : Techn. Univ., Inst. für Mathematik, 2008. - 15 S. = 192,5 KB, Text. . - (Preprint. - M08,06)
http://www.db-thueringen.de/servlets/DocumentServlet?id=10380
Convergence in distribution of random closed sets and applications in stability theory of stochastic optimisation, 2007. - Online-Ressource (PDF-Datei: 159 S., 674 KB). Ilmenau : Techn. Univ., Diss., 2007
In dieser Dissertation wird die einseitige Konvergenz in Verteilung fuer abgeschlossene zufaellige Mengen und deren Anwendung auf stochastische Optimierungsprobleme untersucht. Ausgehend von den Konvergenzbegriffen von Kuratowski-Painleve wird Konvergenz in Verteilung basierend auf Hit- und Miss- Topologien definiert. Wichtige Hilfsmittel wie das Continuous Mapping Theorem und halbstetige Verallgemeinerungen werden bereitgestellt. Es wird eine Vielzahl von hinreichenden Bedingungen fuer die Konvergenz der Epigraphen zufaelliger unterhalbstetiger Funktionen bewiesen. Dabei wird gezeigt, wie Klassen stochastischer Prozesse dem Mengenkonvergenzansatz zugaenglich gemacht werden koennen. Neben der unterhalbstetigen Modifikation der Skorohod-Raeume D wird mit Hilfe der Methode der Konvergenz endlichdimensionaler Verteilungen ein neues Konvergenzkriterium fuer die Konvergenz stochastischer Prozesse mit unterhalbstetigen Trajektorien bewiesen. Aussagen ueber die Konvergenz in Verteilung der optimalen Werte und der Loesungsmengen stochastischer Optimierungsprobleme werden hergeleitet und fuer einseitige Abschaetzungen und Konfidenzbereiche angewendet. Im letzen Kapitel wird gezeigt, wie sich das Konzept der einseitigen Mengenkonvergenz in Verteilung auf die Menge der effizienten Punkte und die Loesungsmengen stochastischer Vektoroptimierungsprobleme anwenden laesst. Hierbei wird wie in der eindimensionalen Optimierung auch die naeherungsweise Optimalitaet (epsilon optimality) betrachtet.
http://nbn-resolving.de/urn:nbn:de:gbv:ilm1-2007000011
Universal confidence sets for solutions of optimization problems. - Ilmenau : Techn. Univ., Inst. für Mathematik, 2006. - 25 S. = 288,1 KB. . - (Preprint. - M06,12)
http://www.db-thueringen.de/servlets/DocumentServlet?id=7411