Approximative Bayes’sche Schätzung und Modellauswahl für stochastische Differentialgleichungen (A06)

• Fachliche Zuordnung: Mathematik
• Förderung: Förderung seit 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 318763901

Dieses Projekt befasst sich mit semi-parametrischen und nichtparametrischen Methoden zur Schätzung von Driftfunktionen in Systemen stochastischer Differenzialgleichungen (SDE) und dynamischen Punktprozess-Modellen. Wir entwickeln hierzu Monte-Carlo-Verfahren und variationelle Bayes-Methoden und studieren deren Konvergenzraten und Approximationseigenschaften. Wir werden ebenso neue Methoden zur Bayes’schen Modellselektion herleiten. Diese sollen es u.a. ermöglichen, anhand der vorhandenen Daten eine Priorverteilung aus einer gegebenen Klasse auszuwählen.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 1294: Datenassimilation – Die nahtlose Verschmelzung von Daten und Modellen
• Antragstellende Institution: Universität Potsdam
• Teilprojektleiter: Professor Dr. Manfred Opper; Professor Dr.-Ing. Sebastian Reich; Professor Dr. Vladimir Spokoiny