Search

Die Qualität von Wein wird durch eine Vielzahl von Faktoren beeinflusst, darunter die Inhaltsstoffe und der Fermentationsprozess. Inhaltsstoffe wie Zucker, Säuren, Tannine und Aromaverbindungen tragen zur sensorischen Komplexität und Ausgewogenheit des Weins bei. Während der Fermentation verwandeln Hefen den Zucker in Alkohol und produzieren dabei auch Aromen. Die Wahl der Hefestämme und die Kontrolle der Fermentationsbedingungen ermöglichen es den Winzern, den Geschmack und das Aromaprofil des Weins zu beeinflussen. Eine sorgfältige Handhabung und Überwachung während der Fermentation ist entscheidend, um die gewünschte Qualität des Weins zu gewährleisten. Für die Untersuchung der Auswirkungen bestimmter Parameter auf die Weinqualität wurde ein Regressionsmodell mit Hilfe von Python erstellt. Durch die Analyse von Daten über Inhaltsstoffe konnte festgestellt werden, welchen Einfluss diese auf die Qualität des Weins haben. Das Regressionsmodell ermöglichte es, Zusammenhänge und Muster zu identifizieren und Vorhersagen über die Qualität des Weins auf der Grundlage der untersuchten Parameter zu treffen. Diese Analyse bietet wertvolle Erkenntnisse für die Verbesserung der Weinproduktion und die Steigerung der Qualität. The quality of wine is influenced by a variety of factors, including the ingredients and the fermentation process. Ingredients such as sugars, acids, tannins and aroma compounds contribute to the sensory complexity and balance of the wine. During fermentation, yeasts convert sugars into alcohol and also produce aromas. The choice of yeast strains and control of fermentation conditions allow winemakers to influence the flavor and aroma profile of the wine. Careful handling and monitoring during fermentation is critical to ensure the desired quality of the wine. A regression model was built using Python to study the effects of certain parameters on wine quality. By analyzing data on ingredients, it was possible to determine what influence they have on the quality of the wine. The regression model made it possible to identify relationships and patterns and make predictions about wine quality based on the parameters studied. This analysis provides valuable insights for improving wine production and increasing quality.

Um den Planungsprozess von oberflächennahen Geothermieanlagen verbessern zu können, ist es von Vorteil, die Parameter zu kennen, welche besonders großen Einfluss auf die Leistung einer solchen Anlage haben. Um dies zu untersuchen, können globale Sensitivitätsanalysen durchgeführt werden. Die in dieser Arbeit vorgestellte Sensitivitätsanalyse beinhaltet ein Parameterscreening mit der One-Variable-At-a-Time-Methode und eine anschließend durchgeführte globale Sensitivitätsanalyse mithilfe von Sobol‘-Indizes. Hierbei werden die Eingabeparameter des verwendeten Berechnungsmodells innerhalb vorher definierter Wertebereiche und gemäß festgelegter Verteilungen variiert, was in einer großen Anzahl an Modelldurchläufen resultiert. Daher kommen bei Sensitivitätsanalysen oftmals approximierte Modelle zum Einsatz, welche das Verhalten des ursprünglichen Berechnungsmodells nachahmen sollen, um auf diese Weise eine geringere Rechenzeit zu erzielen. Hierfür werden in der vorliegenden Arbeit sogenannte Gauß-Prozess-Emulatoren verwendet. In dieser Arbeit werden die genannten Methoden aus mathematischer Sicht vorgestellt und eingeordnet und abschließend an einem analytischen Modell für die Untergrundparameter einer Geothermieanlage vorgeführt.

In this article, two data-driven modeling approaches are investigated, which allow an explicit modeling of uncertainty. For this purpose, parametric Takagi-Sugeno multi-models with bounded-error parameter estimation and nonparametric Gaussian process regression are applied and compared. These models can for instance be used for robust model-based control design. As an application, the prediction of residual stresses during hard turning depending on the machining parameters and the initial hardness is considered.

Statistical matching offers a way to broaden the scope of analysis without increasing respondent burden and costs. These would result from conducting a new survey or adding variables to an existing one. Statistical matching aims at combining two datasets A and B referring to the same target population in order to analyse variables, say Y and Z, together, that initially were not jointly observed. The matching is performed based on matching variables X that correspond to common variables present in both datasets A and B. Furthermore, Y is only observed in B and Z is only observed in A. To overcome the fact that no joint information on X, Y and Z is available, statistical matching procedures have to rely on suitable assumptions. Therefore, to yield a theoretical foundation for statistical matching, most procedures rely on the conditional independence assumption (CIA), i.e. given X, Y is independent of Z. The goal of this thesis is to encompass both the statistical matching process and the analysis of the matched dataset. More specifically, the aim is to estimate a linear regression model for Z given Y and possibly other covariates in data A. Since the validity of the assumptions underlying the matching process determine the validity of the obtained matched file, the accuracy of statistical inference is determined by the suitability of the assumptions. By putting the focus on these assumptions, this work proposes a systematic categorisation of approaches to statistical matching by relying on graphical representations in form of directed acyclic graphs. These graphs are particularly useful in representing dependencies and independencies which are at the heart of the statistical matching problem. The proposed categorisation distinguishes between (a) joint modelling of the matching and the analysis (integrated approach), and (b) matching subsequently followed by statistical analysis of the matched dataset (classical approach). Whereas the classical approach relies on the CIA, implementations of the integrated approach are only valid if they converge, i.e. if the specified models are identifiable and, in the case of MCMC implementations, if the algorithm converges to a proper distribution. In this thesis an implementation of the integrated approach is proposed, where the imputation step and the estimation step are jointly modelled through a fully Bayesian MCMC estimation. It is based on a linear regression model for Z given Y and accounts for both a linear regression model and a random effects model for Y. Furthermore, it yields its validity when the instrumental variable assumption (IVA) holds. The IVA corresponds to: (a) Z is independent of a subset X’ of X given Y and X*, where X* = X\X’ and (b) Y is correlated with X’ given X*. The proof, that the joint Bayesian modelling of both the model for Z and the model for Y through an MCMC simulation converges to a proper distribution is provided in this thesis. In a first model-based simulation study, the proposed integrated Bayesian procedure is assessed with regard to the data situation, convergence issues, and underlying assumptions. Special interest lies in the investigation of the interplay of the Y and the Z model within the imputation process. It turns out that failure scenarios can be distinguished by comparing the CIA and the IVA in the completely observed dataset. Finally, both approaches to statistical matching, i.e. the classical approach and the integrated approach, are subject to an extensive comparison in (1) a model-based simulation study and (2) a simulation study based on the AMELIA dataset, which is an openly available very large synthetic dataset and, by construction, similar to the EU-SILC survey. As an additional integrated approach, a Bayesian additive regression trees (BART) model is considered for modelling Y. These integrated procedures are compared to the classical approach represented by predictive mean matching in the form of multiple imputations by chained equation. Suitably chosen, the first simulation framework offers the possibility to clarify aspects related to the underlying assumptions by comparing the IVA and the CIA and by evaluating the impact of the matching variables. Thus, within this simulation study two related aspects are of special interest: the assumptions underlying each method and the incorporation of additional matching variables. The simulation on the AMELIA dataset offers a close-to-reality framework with the advantage of knowing the whole setting, i.e. the whole data X, Y and Z. Special interest lies in investigating assumptions through adding and excluding auxiliary variables in order to enhance conditional independence and assess the sensitivity of the methods to this issue. Furthermore, the benefit of having an overlap of units in data A and B for which information on X, Y, Z is available is investigated. It turns out that the integrated approach yields better results than the classical approach when the CIA clearly does not hold. Moreover, even when the classical approach obtains unbiased results for the regression coefficient of Y in the model for Z, it is the method relying on BART that over all coefficients performs best. Concluding, this work constitutes a major contribution to the clarification of assumptions essential to any statistical matching procedure. By introducing graphical models to identify existing approaches to statistical matching combined with the subsequent analysis of the matched dataset, it offers an extensive overview, categorisation and extension of theory and application. Furthermore, in a setting where none of the assumptions are testable (since X, Y and Z are not observed together), the integrated approach is a valuable asset by offering an alternative to the CIA.

Die vorliegende Arbeit wurde im Rahmen einer Industriepromotion bei der Daimler AG in Sindelfingen erstellt. Sie umfasst die Entwicklung und Beschreibung eines statistischen Methodenbaukastens um Last- und Verschleißanalysen prozessual durchführen zu können. Dieser Methodenbaukasten wird an Daten im Kontext alternativer Antriebssysteme beispielhaft erprobt. Der methodische Fokus liegt auf der Quantifizierung und Sensitivität der Güte bzw. Unsicherheit auf den einzelnen Analysestufen. Die erste Analysestufe beinhaltet die Identifizierung verschiedener Gruppen in Belastungsdaten, umgesetzt durch Clusterverfahren. Auf der zweiten Analysestufe sollen über verschiedene lineare und nichtlineare Verfahren Vorhersagen für das Verschleißverhalten der identifizierten Gruppen getroffen werden. Auf beiden Stufen soll sowohl die Güte des Verfahrens als auch dessen Sensitivität quantifiziert werden. Im Rahmen der Arbeit werden alle notwendigen statistischen Methoden definiert, die entsprechenden Gütekriterien werden eingeführt. Der Methodenbaukasten beinhaltet einen iterativen Prozess, in dem in jeder Iteration sowohl das Clustering als auch die Prognose durchgeführt wird. So kann zum einen in jedem Schritt die Güte des jeweiligen Verfahrens und zum anderen die Sensitivität der Güte bzw. Unsicherheit der Verfahren/Modelle über mehrere Iterationen quantifiziert und bewertet werden. Der entwickelte, iterative Prozess, integriert in den Algorithmus des Evidence Accumulation Clusterings, bietet dem Anwender entscheidende methodische Vorteile. Zum einen kann in jedem Schritt die Güte und dessen Sensitivität des jeweiligen Verfahrens bewertet werden, zum anderen wird über die gleichzeitige Durchführung aller Verfahren in jeder Iteration beides über die Analysestufen hin weg quantifiziert. Im Anwendungsbeispiel werden Potentiale aufgezeigt, die Güte der Modelle zu steigern sowie die Sensitivität zu verringern, indem sowohl die Variablenselektion für die Lastanalyse als auch die Modellauswahl für die Verschleißprognose prozessual durchgeführt wird. Der entwickelte Prozess bietet die Möglichkeit, die Qualität und Stabilität der durchgeführten Analyse bereits zu frühen Zeitpunkten (geringe Datenbasis) zu bewerten und ggf. Handlungsmaßnahmen abzuleiten.

This thesis pays special attention to the Random Forest method as an ensemble learning technique using bagging and feature sub-spacing covering three main aspects: its behavior as a prediction tool under the presence of missing values, its role in uncertainty quantification and variable screening. In the first part, we focus on the performance of Random Forest models in prediction and missing value imputations while opposing it to other learning methods such as boosting procedures. Therein, we aim to discover potential modifications of Breiman’s original Random Forest in order to increase imputation performance of Random Forest based models using the normalized root mean squared error and the proportion of false classification as evaluation measures. Our results indicated the usage of a mixed model involving the stochastic gradient boosting and a Random Forest based on kernel sampling. Regarding inferential statistics after imputation, we were interested if Random Forest methods do deliver correct statistical inference procedures, especially in repeated measures ANOVA. Our results indicated a heavy inflation of type-I-error rates for testing no mean time effects. We could furthermore show that the between imputation variance according to Rubin’s multiple imputation rule vanishes almost surely, when repeatedly applying missForest as an imputation scheme. This has the consequence of less uncertainty quantification during imputation leading to scenarios where imputations are not proper. Closely related to the issue of valid statistical inference is the general topic of uncertainty quantification. Therein, we focused on consistency properties of several residual variance estimators in regression models and could deliver theoretical guarantees that Random Forest based estimators are consistent. Beside prediction, Random Forest is often used as a screening method for selecting informative features in potentially high-dimensional settings. Focusing on regression problems, we could deliver a formal proof that the Random Forest based internal permutation importance measure delivers on average correct results, i.e. is (asymptotically) unbiased. Simulation studies and real-life data examples from different fields support our findings in this thesis.

Identifying subgroups, which respond differently to a treatment is an important part of drug development. Exploratory subgroup analyses, which have the aim to identify subgroups of patients with differential treatment effects are thus common in many randomized clinical trials. Statistically these analyses are known to be challenging the number of possible subgroups is often large, which leads to multiplicity issues. Often such subgroup analyses are also performed for early phase clinical trials, where an additional challenge is the small sample size. In recent years several statistical approaches to these problems have been proposed, employing for example tree-based recursive partitioning algorithms, which are well-suited for handling interactions, penalized regression methods, which can be used to prevent overfitting when explicitly modeling a large number of covariate effects or Bayesian approaches, which allow incorporating uncertainty and can be used to make optimal decisions with regard to subgroups. The available literature focuses however on two-arm clinical trials, where patients are randomized to the experimental treatment or a control (e.g. current standard of care or placebo). A particular focus of this cumulative thesis is the development of statistical methodology for identification of subgroups in dose-finding trials, in which patients are administered several doses of a new drug. Dose-finding trials play a key role in the drug development process, since they provide valuable information about the effect of the dose on efficacy and safety. For identifying subgroups in this setting we consider the treatment effect to be a function of the dose and then try to identify relevant covariate effects on this treatment effect curve. These identified covariates can then be used to define subgroups with higher treatment effects but also subgroups, which require a different dose of the treatment. We propose two different approaches for this purpose. Firstly, a tree-based recursive partitioning algorithm, which detects covariate effects on the parameters of dose-response models and builds a tree of subgroups with different dose-response curves. Secondly, a Bayesian hierarchical model, which makes use of shrinkage priors to prevent overfitting in the considered settings with low sample sizes and a large number of considered covariates. In addition to approaches for subgroup identification we also consider the problem of testing a prespecified subgroup in addition to the full population in dose-finding trials. In a dose-finding setting contrast tests are often used to test for a significant dose-response signal, while taking the underlying dose-response relationship into account. Optimal contrast tests can be derived, when the underlying dose-response model is known, however often there is uncertainty about this underlying model. Testing procedures, which allow for uncertainty with regard to the underlying model and perform multiple contrast tests are therefore popular approaches in such settings. As a part of this thesis we extend such approaches to settings with multiple populations, in particular the situation, in which a prespecified subgroup is considered in addition to the full population. A last part of this cumulative thesis focuses on treatment effect estimation in identified subgroups. Naive treatment effect estimates in subgroups will often suffer from selection bias, especially when the number of considered subgroups is large. Several approaches to obtain adjusted treatment effect estimates in such situations have been proposed, using resampling, model averaging or penalized regression. We compare these approaches in an extensive simulation study for a large range of scenarios, in which such analyses are performed.

Die vorgelegte Dissertation trägt den Titel Regularization Methods for Statistical Modelling in Small Area Estimation. In ihr wird die Verwendung regularisierter Regressionstechniken zur geographisch oder kontextuell hochauflösenden Schätzung aggregatspezifischer Kennzahlen auf Basis kleiner Stichproben studiert. Letzteres wird in der Fachliteratur häufig unter dem Begriff Small Area Estimation betrachtet. Der Kern der Arbeit besteht darin die Effekte von regularisierter Parameterschätzung in Regressionsmodellen, welche gängiger Weise für Small Area Estimation verwendet werden, zu analysieren. Dabei erfolgt die Analyse primär auf theoretischer Ebene, indem die statistischen Eigenschaften dieser Schätzverfahren mathematisch charakterisiert und bewiesen werden. Darüber hinaus werden die Ergebnisse durch numerische Simulationen veranschaulicht, und vor dem Hintergrund empirischer Anwendungen kritisch verortet. Die Dissertation ist in drei Bereiche gegliedert. Jeder Bereich behandelt ein individuelles methodisches Problem im Kontext von Small Area Estimation, welches durch die Verwendung regularisierter Schätzverfahren gelöst werden kann. Im Folgenden wird jedes Problem kurz vorgestellt und im Zuge dessen der Nutzen von Regularisierung erläutert. Das erste Problem ist Small Area Estimation in der Gegenwart unbeobachteter Messfehler. In Regressionsmodellen werden typischerweise endogene Variablen auf Basis statistisch verwandter exogener Variablen beschrieben. Für eine solche Beschreibung wird ein funktionaler Zusammenhang zwischen den Variablen postuliert, welcher durch ein Set von Modellparametern charakterisiert ist. Dieses Set muss auf Basis von beobachteten Realisationen der jeweiligen Variablen geschätzt werden. Sind die Beobachtungen jedoch durch Messfehler verfälscht, dann liefert der Schätzprozess verzerrte Ergebnisse. Wird anschließend Small Area Estimation betrieben, so sind die geschätzten Kennzahlen nicht verlässlich. In der Fachliteratur existieren hierfür methodische Anpassungen, welche in der Regel aber restriktive Annahmen hinsichtlich der Messfehlerverteilung benötigen. Im Rahmen der Dissertation wird bewiesen, dass Regularisierung in diesem Kontext einer gegen Messfehler robusten Schätzung entspricht - und zwar ungeachtet der Messfehlerverteilung. Diese Äquivalenz wird anschließend verwendet, um robuste Varianten bekannter Small Area Modelle herzuleiten. Für jedes Modell wird ein Algorithmus zur robusten Parameterschätzung konstruiert. Darüber hinaus wird ein neuer Ansatz entwickelt, welcher die Unsicherheit von Small Area Schätzwerten in der Gegenwart unbeobachteter Messfehler quantifiziert. Es wird zusätzlich gezeigt, dass diese Form der robusten Schätzung die wünschenswerte Eigenschaft der statistischen Konsistenz aufweist. Das zweite Problem ist Small Area Estimation anhand von Datensätzen, welche Hilfsvariablen mit unterschiedlicher Auflösung enthalten. Regressionsmodelle für Small Area Estimation werden normalerweise entweder für personenbezogene Beobachtungen (Unit-Level), oder für aggregatsbezogene Beobachtungen (Area-Level) spezifiziert. Doch vor dem Hintergrund der stetig wachsenden Datenverfügbarkeit gibt es immer häufiger Situationen, in welchen Daten auf beiden Ebenen vorliegen. Dies beinhaltet ein großes Potenzial für Small Area Estimation, da somit neue Multi-Level Modelle mit großem Erklärungsgehalt konstruiert werden können. Allerdings ist die Verbindung der Ebenen aus methodischer Sicht kompliziert. Zentrale Schritte des Inferenzschlusses, wie etwa Variablenselektion und Parameterschätzung, müssen auf beiden Levels gleichzeitig durchgeführt werden. Hierfür existieren in der Fachliteratur kaum allgemein anwendbare Methoden. In der Dissertation wird gezeigt, dass die Verwendung ebenenspezifischer Regularisierungsterme in der Modellierung diese Probleme löst. Es wird ein neuer Algorithmus für stochastischen Gradientenabstieg zur Parameterschätzung entwickelt, welcher die Informationen von allen Ebenen effizient unter adaptiver Regularisierung nutzt. Darüber hinaus werden parametrische Verfahren zur Abschätzung der Unsicherheit für Schätzwerte vorgestellt, welche durch dieses Verfahren erzeugt wurden. Daran anknüpfend wird bewiesen, dass der entwickelte Ansatz bei adäquatem Regularisierungsterm sowohl in der Schätzung als auch in der Variablenselektion konsistent ist. Das dritte Problem ist Small Area Estimation von Anteilswerten unter starken verteilungsbezogenen Abhängigkeiten innerhalb der Kovariaten. Solche Abhängigkeiten liegen vor, wenn eine exogene Variable durch eine lineare Transformation einer anderen exogenen Variablen darstellbar ist (Multikollinearität). In der Fachliteratur werden hierunter aber auch Situationen verstanden, in welchen mehrere Kovariate stark korreliert sind (Quasi-Multikollinearität). Wird auf einer solchen Datenbasis ein Regressionsmodell spezifiziert, dann können die individuellen Beiträge der exogenen Variablen zur funktionalen Beschreibung der endogenen Variablen nicht identifiziert werden. Die Parameterschätzung ist demnach mit großer Unsicherheit verbunden und resultierende Small Area Schätzwerte sind ungenau. Der Effekt ist besonders stark, wenn die zu modellierende Größe nicht-linear ist, wie etwa ein Anteilswert. Dies rührt daher, dass die zugrundeliegende Likelihood-Funktion nicht mehr geschlossen darstellbar ist und approximiert werden muss. Im Rahmen der Dissertation wird gezeigt, dass die Verwendung einer L2-Regularisierung den Schätzprozess in diesem Kontext signifikant stabilisiert. Am Beispiel von zwei nicht-linearen Small Area Modellen wird ein neuer Algorithmus entwickelt, welche den bereits bekannten Quasi-Likelihood Ansatz (basierend auf der Laplace-Approximation) durch Regularisierung erweitert und verbessert. Zusätzlich werden parametrische Verfahren zur Unsicherheitsmessung für auf diese Weise erhaltene Schätzwerte beschrieben. Vor dem Hintergrund der theoretischen und numerischen Ergebnisse wird in der Dissertation demonstriert, dass Regularisierungsmethoden eine wertvolle Ergänzung der Fachliteratur für Small Area Estimation darstellen. Die hier entwickelten Verfahren sind robust und vielseitig einsetzbar, was sie zu hilfreichen Werkzeugen der empirischen Datenanalyse macht.

In this thesis we consider Poisson regression models for count data. Suppose we observe a time series of count variables. Given the information about the past, each count variable has a Poisson distribution with a random intensity. The time series of intensities is unobservable, but we impose a functional relationship between the current intensity and the preceding pair of intensity and count observation. In the literature some consideration has been given to parametric models of the linear INGARCH(1,1) type or more involved ones like the log linear model. In these cases √n-consistency of the partial maximum likelihood estimator has been proven. Suppose that the relationship between a count variable and the respectively preceding pair of count and intensity variables is given by a link function that cannot be characterized by a finite-dimensional parameter. We call this model a nonparametric integer valued GARCH model. In order to obtain a suitable estimation equation in this nonparametric model, a contractive condition has to be imposed on the true link function. We analyze the rate of convergence of a least squares estimator that is inspired by the work of Meister and Kreiß (2016). We prove uniform mixing of the univariate count process and use the derived properties to apply some classical tools from empirical process theory. The size of the class of admissible functions determines the rate of convergence, which is a common property of nonparametric models. Since this estimator is computationally rather impractical, we also analyze the behavior of an approximate least squares estimator. In contrast to the analysis of the first estimator, the examination of the estimators asymptotic quality is based on the exploitation of martingale properties instead of mixing. The approximate least squares estimator is indeed computable, and we take the opportunity to conduct experiments to illustrate the proposed statistical procedure. An exposition of the experimental results will conclude this thesis.

Im Zentrum dieser Arbeit steht die Untersuchung der Standzeiten von Elektrorollern, welche sich in einem Free-Floating-Sharing-System in Berlin befinden, und anhand von verschiedenen Faktoren betrachtet werden soll. Anhand der Aufstellung verschiedener Regressionsmodelle soll der Einfluss von unter anderem meteorologischen und sozioökonomischen Faktoren auf die Wartezeit eines Rollers dargestellt werden., The following thesis includes a non-deployment analysis of electric scooters in a free-floating-sharing-system in Berlin. The influence of various factors such as meteorological and socioeconomic parameters will be used to establish several regressions models.

eingereicht von Michael Kommenda Universität Linz, Dissertation, 2018

Die Wahl eines geeigneten Modells ist in vielen statistischen Anwendungen von entscheidender Bedeutung. Eine Möglichkeit zur Lösung dieses Problems stellen sogenannte Informationskriterien wie zum Beispiel AIC und BIC dar. Eine Gemeinsamkeit der meisten dieser Kriterien besteht darin, dass unabhängig vom Ziel der Datenanalyse jedem zur Wahl stehenden Modell eine Kennzahl zugewiesen wird, anhand derer die Güte der Anpassung des Modells an die Daten oder die Nähe des Modells zum unbekannten datenerzeugenden Mechanismus beurteilt wird. Einen anderen Ansatz verfolgt das fokussierte Modellwahlkriterium (FIC), das explizit darauf abzielt, ein Modell zu wählen, mit dem ein spezieller Fokusparameter so präzise wie möglich geschätzt werden kann. In dieser Arbeit wird ein solches FIC für Quantilsregressionsmodelle hergeleitet. Darüber hinaus wird eine alternative Variante des FIC vorgeschlagen, die anders als das klassische FIC nicht auf der Annahme lokaler Alternativen basiert.

Infection with Human immunodeficiency vir type 1 (HIV-1) requires treatment with a combination of antiretroviral drugs. This combination of drugs must be selected under consideration of its prospects for attaining sustained therapeutic success. Genotypic therapy-success interpretation systems can be used for selecting a combination of antiretroviral compounds. However, a number of shortcomings of these systems have prevented them from reaching the bedside. In this work, I present and validate novel methods for deriving interpretable genotype interpretation systems that are trained on HIV-1 data from routine clinical practice. One method produces scores that are correlated with previous exposure of the virus to the drug and with drug resistance. A further, novel genotype interpretation system produces a prognostic score correlated with the time for which the antiretroviral therapy with a certain drug combination will remain effective. The methods presented in this work represent an important advance in techniques for the interpretation of viral genotypes. Validation of the methods shows that their performance is comparable or, most frequently, superior to that of previously available methods. The methods are interpretable and can be retrained without the need for expert intervention. Last but not least, long-term therapeutic success is considered by the methods such that their predictions are in line with the results of clinical studies. Eine Infektion mit dem Humanen Immunodefizienz-Virus Typ 1 (HIV-1) erfordert die Behandlung des Patienten mit einer Kombination von antiretroviralen Wirkstoffen. Die Auswahl dieser Wirkstoffkombination muss unter Berücksichtigung der Aussichten für einen lang anhaltenden Behandlungserfolg stattfinden. Bei der Auswahl von Wirkstoffkombinationen können Systeme zur Vorhersage des Behandlungserfolgs eingesetzt werden. Bisher verfügbare Systeme weisen jedoch mehrere Defizite auf, sodass sie in der klinischen Praxis kaum Verwendung finden. In dieser Arbeit werden neuartige Methoden zur Aufstellung von Systemen zur Genotypinterpretation präsentiert und validiert. Eine dieser Methoden bewertet einen HIV-1-Genotyp bezüglich der vorhergehenden viralen Wirkstoffexposition und der Wirkstoffresistenzen. Eine weitere Genotypinterpretationsmethode errechnet eine prognostische Zahl, welche mit der Zeit korreliert, die eine antiretrovirale Therapie effektiv sein wird. Diese Arbeit stellt eine wichtige Weiterentwicklung der Methoden zur Interpretation von viralen Genotypen dar. Zum Einen ist das Vorhersagemögen der Modelle dieser Arbeit vergleichbar oder sogar höher als diejenige von bisher verfügbaren Modellen. Zum Anderen sind die Modelle dieser Arbeit interpretierbar und können ohne Expertensupervision neu trainiert werden. Darüber hinaus berücksichtigen die Methoden den Langzeittherapieerfolg, sodass ihre Vorhersagen mit den Ergebnissen klinischer Studien übereinstimmen.

For many studies in climate science a major part of the experimental concept is the comparison of two or more simulations to answer the question: Is there a difference? Depending on the simulation setup and results different procedures have been developed and put to use over the last decades. Now more than ever due to the extensive production of huge datasets, more sophisticated question can be asked and need to be answered. This work will give an overview of the difficulties involved in providing answers, shortly reviews some of the existing methodology and proposes some method for further study. The main part consists of the application of three selected evaluation methods, univariate t-test, principal component analysis and regression models to a specified dataset, which will illustrate the strengths and weaknesses of each. Concluding this work, several recommendations will be given for a statistically sound evaluation strategy depending on the questions asked and datasets produced.

A novel thermodynamic modeling strategy of stable solid alloy phases is proposed based on segmented regression approach. The model considers several physical effects (e.g. electronic, vibrational etc.) and is valid from 0K up to the melting temperature. The preceding approach has been applied for several pure elements. Results show good agreement with experimental data at low and high temperatures. Since it is not a first attempt to propose a "universal" physical-based model down to 0K for the pure elements as an alternative to current SGTE description, we also compare the results to existing models. Analysis of the obtained results shows that the newly proposed model delivers more accurate description down to 0K for all studied pure elements according to several statistical tests., Discussion Paper / SFB823;34, 2016

The discussion about climate change and how it affects the earth has existed for years and is still ongoing. The European Climate & Assessment Project conveys data related to climate, which has been used in this thesis to investigate climate changes. The aim of this thesis was to investigate trends in time series for specific indicators and stations. The climate indicator Consecutive Summer Days was chosen and the stations Stockholm and Munich were investigated. The main focus has been on the statistics used in this thesis to investigate the aim of the study. Conclusions regarding an appropriate distribution for the data and independence in the explanatory variable were necessary to conclude with statistical methodology. To reach the conclusions the Negative Binomial Distribution was fitted. An assumption about independence in the explanatory variable was also made. Regression modelling could therefore be performed at data to investigate possible trends. The results from the study demonstrate an ascending trend in the chosen indicator in both Stockholm and Munich. This master thesis is a contribution to the climate research. The methodology used and the results gained can be used to support future studies within the climate research or other areas. Data samlas in inom en rad olika samhällsområden. Ett av dessa områden är klimat. Under de senaste åren har diskussionen om klimatförändringars existens och dess påverkan på vår jord varit högst aktuell och intresseväckande. European Climate & Assessment Project förmedlar data kring klimat och deras data har använts i detta arbete för att komma ett steg närmare en sanning kring klimatförändringar. Detta examensarbete är ett bidrag till klimatforskningen. Syftet var att undersöka trender i tidsserier för vald indikator och stationer. Indikatorn Consecutive Summer Days valdes och stationerna Stockholm och München undersöktes. Det största fokuset och tiden i arbetet har lagts på den statistik som använts för att undersöka syftet. För att kunna undersöka trender var slutsats kring lämplig fördelning för data samt oberoende i den förklarande variabeln nödvändigt att säkerställas med statistiska metoder. För att komma fram till slutsatsen anpassades den Negativa Binomialfördelningen. Ett antagande om oberoende i den förklarande variabeln kunde även göras. Regressionsmodeller kunde därmed anpassas på data för att undersöka eventuella trender. Resultaten visade en uppåtgående trend i den valda indikatorn i både Stockholm och München. Det var dock inte möjligt att dra en slutsats kring om denna trend är naturlig eller om den beror på människans konsumtion av jordens resurser. Det var inte heller möjligt att dra en generell slutsats kring klimatförändringar då arbetet enbart undersöker en indikator på två stationer. Metoden som använts och resultaten som genererats kan dock användas som ett stöd i framtida studier inom klimatforskning eller annat intressant område.

I Sverige är trädbränslen basen för förnyelsebar energi. Råmaterialet som används till pelletstillverkningen så som sågspån brukar ha en fukthalt på 50 procent. Att torka material som ska användas till att göra pellets är dyrt och en stor del av kostnaden kommer från den energi som används till torkningen. Torkning av hygroskopiska ämnen, som till exempel sågspån, kan delas in i tre steg. Det första torksteget karaktäriseras av att fukttransporten från materialet som ska torkas är konstant. I det andra torksteget börjar fukttransporten att minska då det uppstår torra ytor på materialet och i det tredje torksteget är materialets yta torrt och fukttransporten är som lägst och sker genom diffusion. Genom en kombination av en bandtork och en pneumatisk tork kan torkningen effektiviseras då den pneumatiska torken torkar sågspånet i det sista torksteget där bandtorken blir mindre effektiv. I en pneumatisk tork används uppvärmd luft för att torka sågspånet samtidigt som luften transporterar sågspånet genom torken. På Karlstads Universitet finns det en pneumatisk tork i laborationsskala för torkning av sågspån. I detta arbete gjordes en effektbalans över torken där lufttemperaturen var 150 °C. Effekten som gick åt till att torka sågspånet jämfördes med den avgivna effekten från den uppvärmda luften. Tre olika sorters sågspån användes. Dessa var färskt, uppfuktat samt pressat sågspån. Totalt genomfördes 36 stycken torkkörningar. Effektivitetsmåtten SMER och SPC användes för att jämföra hur torkningen av dessa tre sågspån varierade i effektivitet. En modell byggdes även i beräkningsprogrammet Excel som skulle användas för att beräkna utgående fukthalt hos sågspånet för att underlätta att planera framtida körningar i torken. Det beräknade luftflödet till torken var för lågt och ökades med 12 procent. Detta medför att endast en effektuträkning faller bort då effekten för torkning av sågspån skiljer sig mer än 15 procent från luftens avgivna effekt. SMER är som högst då lufthastigheten är 8 m/s och frekvensen på inmatningsskruven på torken är inställd på 13 Hz samt då lufthastigheten är 12 m/s och frekvensen på inmatningsskruven står på 26 Hz. SPC blir lägst vid en lufthastighet på 6 m/s för båda frekvenserna. Med hjälp av korrigeringsekvationer ger modellen en fukthalt ut på sågspånet som stämmer överens med praktiskt uträknade fukthalter med en noggrannhet på 0,8 procentenheter. Modellen fungerar mellan lufthastigheterna 6-14 m/s, då inmatningsskruven står på 13-26 Hz och startfukthalten hos sågspånet in i torken är 20 procent. Vid en startfukthalt på 20-50 procent hos sågspånet in i torken behövs korrigeringsekvationer som finns för lufthastigheterna 8 och 12 m/s samt vid ett materialflöde på 13 och 26 Hz. SMER för det färska sågspånet har tendenser till att vara lägre än för de andra sorterna. Då begränsat med data finns för torkning av pressat samt färskt sågspån behöver fler körningar göras för dessa sågspån. Om samma mönster upprepas kan det vara idé att undersöka energiflödena närmare vid pressning av sågspån för att se om denna process är mer energieffektiv än om sågspånet inte skulle ha förbehandlats. SPC blir lägre med lägre lufthastighet vilket beror på att med högre lufthastighet måste fläkten som skapar luftflödet jobba mer. Högre torkningstemperatur ger lägre SPC då tryckskillnaden över torken samtidigt blir lägre. Modellen fungerar bra och kan användas för att planera körningar som görs vid 150 °C ifall en fortsatt jämförelse vill göras mellan färskt, pressat samt uppfuktat sågspån. Wood fuels are the foundation for renewable energy in Sweden. The raw material that is used to produce pellets, such as sawdust, usually has a moisture content of 50 percent. Drying material that is used to make pellets is expensive and the energy that is used to dry pellets is a major part of the costs. Drying of hygroscopic substances like sawdust can be divided into three parts. Steady moisture transport from the material that is drying characterizes the first drying part. The second drying part starts when there is a reduced moisture transport due to dry spots occurring on the material and the third drying part is when the moisture transport is at the lowest and transports through diffusion because the surface of the material is dried out. By combining a packed moving bed and a pneumatic dryer the drying can be more efficient because at the last drying part the packed moving bed is less efficient and the pneumatic dryer is used instead. In a pneumatic dryer heated air is used to dry the sawdust at the same time as it transports the sawdust through the dryer. At Karlstads University there is a pneumatic dryer for drying of sawdust for laboratory use. In this thesis an effect balance on the dryer was made when the air temperature was 150 °C. The effect for drying sawdust and the effect that the heated air was emitting to the sawdust was compared. Three different kinds of sawdust were used: fresh, rewetted and pressed sawdust. In total 36 drying tests were made. The performance measurements SMER and SPC were used to compare how the performance changed when drying these three kinds of sawdust. A model to predict the outgoing moisture content of the sawdust was built in the calculation program Excel to simplify future tests of the dryer. The air flow that was calculated for the dryer was too low and was increased with 12 percent. By doing this only one effect balance was needed to be cut out when the effect difference for drying sawdust and the heated air was more than 15 percent. The highest SMER can be found when the air velocity is 8 m/s and the frequency of the feeder on the dryer is 13 Hz, and 12 m/s when the feeder has a frequency of 26 Hz. The lowest SPC can be found when the air velocity is 6 m/s for both frequencies. By using correction equations to the model the outgoing moisture content of the sawdust from practical measurements coincide with the result from the model with 0,8 percent accuracy. The model can be used when the air velocity is between 6-14 m/s, the feeder is at 13-26 Hz and when the initial moisture content of the sawdust being sent into the dryer is 20 percent. When the initial moisture content of the sawdust being sent into the dryer is 20-50 percent, correction equations are needed and available when the air velocity is 8 and 12 m/s, and for a material flow of 13 and 26 Hz. The SMER for fresh sawdust show tendencies of being lower than the SMER for the other two kinds of sawdust. More tests need to be done because of limited data of drying pressed and fresh sawdust. If the same pattern is repeated it may be of interest to study more about the energy flow when pressing sawdust to see if this process is more energy efficient than if the sawdust is not pretreated. The reason SPC is lower with lower air velocity is that the fan needs to work harder when the air flow is rising. SPC drops when the drying temperature is rising because the pressure difference over the fan is lowered. The model works well and can be used to plan tests at 150 °C in case further comparison between fresh, pressed and rewetted sawdust is wanted.

Sandra Ruderstorfer Universität Linz, Univ., Masterarbeit, 2015

In der vorliegenden Arbeit wird eine Methode entwickelt, die es ermöglicht, den Fahrkomfort von PKW, basierend auf Messungen von Beschleunigungen und Luftschall in der Fahrerumgebung, vorherzusagen. Hierzu wurden zwischen 2008 und 2011 im Rahmen von Testfahrten in Zusammenarbeit mit der Audi AG, Magna Steyr Fahrzeugtechnik, dem Kompetenzzentrum das Virtuelle Fahrzeug und der Hochschule München entsprechende objektive und subjektive Daten erhoben. Für die Auflösung der komfortrelevanten Signalanteile in Zeit und Frequenz wird die kontinuierliche Wavelet-Transformation unter Verwendung von Gabor-Wavelets eingesetzt. Die Extrahierung aussagekräftiger Merkmale aus den transformierten Daten geschieht über eine eigene Methode, die auf der Approximation der sich ergebenden Wavelet-Tableaus durch ein parametriertes Muster beruht. Die dabei ermittelten Merkmale sind sowohl beschreibend in Hinblick auf die zugrunde liegenden Daten als auch robust vor dem Hintergrund kleinerer Störungen in der zeitlichen Ausrichtung der Tableaus. In Hinblick auf die Auswahl von Merkmalskombinationen für die Vorhersagemodelle wurden zwei multivariate Methoden entwickelt und erprobt. Als Vorhersagemodelle kommen schließlich künstliche neuronale Netze mit Feed-Forward-Struktur und spezielle lineare Modelle zum Einsatz. In beiden Fällen wird einer möglichen Überanpassung der Modelle an die Trainingsdaten unter Anderem durch Regularisierungs-Methoden im Zuge der Parameterfixierung entgegengewirkt.

Arbetslöshet är ett makroekonomiskt problem som genererar samhällsekonomiska kostnader och påverkar många människor i olika utsträckning. I Sverige finns betydande skillnader i regional arbetslöshet mellan länen vilket ger skäl till att undersöka vilka faktorer som påverkar den regionala arbetslöshetsnivån. Syftet med denna uppsats är att analysera följande variablers effekt på den regionala arbetslöshetsnivån i Sveriges län: Procentuell förändring i antal sysselsatta Andelen individer i arbetskraften av populationen Andelen utrikesfödda av populationen Utbildningsnivå Ålderssammansättning Befolkningsmängd per km2 Lönenivå För att uppfylla syftet har en regressionsmodell skapats som sedan skattats via paneldata där ovanstående variablers effekter analyserats. Slutsatsen av studien blev (givet vår modell) att en ökning av variablerna procentuell förändring i antal sysselsatta, andelen individer i arbetskraften av populationen, befolkningsmängd per km2 samt lönenivå minskar arbetslöshetsnivån ceteris paribus. Motsatt effekt visas upp av variablerna andelen utrikesfödda av populationen och utbildningsnivå medan variabeln ålderssammansättning är svår att uttala sig om. Det finns även omständigheter som pekar på att regressionsmodellen och vissa av variablerna behöver utvecklas för att med större säkerhet kunna uttala sig om variablernas effekter på den regionala arbetslöshetsnivån i Sveriges län.

Arbetslöshet är ett makroekonomiskt problem som genererar samhällsekonomiska kostnader och påverkar många människor i olika utsträckning. I Sverige finns betydande skillnader i regional arbetslöshet mellan länen vilket ger skäl till att undersöka vilka faktorer som påverkar den regionala arbetslöshetsnivån. Syftet med denna uppsats är att analysera följande variablers effekt på den regionala arbetslöshetsnivån i Sveriges län: Procentuell förändring i antal sysselsatta Andelen individer i arbetskraften av populationen Andelen utrikesfödda av populationen Utbildningsnivå Ålderssammansättning Befolkningsmängd per km2 Lönenivå För att uppfylla syftet har en regressionsmodell skapats som sedan skattats via paneldata där ovanstående variablers effekter analyserats. Slutsatsen av studien blev (givet vår modell) att en ökning av variablerna procentuell förändring i antal sysselsatta, andelen individer i arbetskraften av populationen, befolkningsmängd per km2 samt lönenivå minskar arbetslöshetsnivån ceteris paribus. Motsatt effekt visas upp av variablerna andelen utrikesfödda av populationen och utbildningsnivå medan variabeln ålderssammansättning är svår att uttala sig om. Det finns även omständigheter som pekar på att regressionsmodellen och vissa av variablerna behöver utvecklas för att med större säkerhet kunna uttala sig om variablernas effekter på den regionala arbetslöshetsnivån i Sveriges län.

Aufgrund neuer gesetzlicher Anforderungen für Elektro- und Hybridfahrzeuge gewinnt die Störaussendung von, mittels Leistungs-PWM angesteuerter, Kraftfahrzeugaktuatorik, zunehmend an Bedeutung. Um die Einflussparameter und Stellhebel für eine grenzwertkonforme Auslegung dieser PWM-Signale zu identifizieren, kam in diesem Beitrag die präventive Qualitätsmethode "Statistische Versuchsplanung" (engl. "Design of Experiments", kurz "DoE") zum Einsatz. Die Untersuchung selbst wurde, um aufwändige Messreihen zu umgehen, mittels einer parametrisierten Schaltungssimulation durchgeführt. Mittels einer toolgestützten Versuchsplanerstellung wurden die optimalen Simulationsdurchläufe im Vorfeld ermittelt, um eine erhebliche Reduzierung des Simulationsaufwandes zu erreichen. Anschließend ergab eine Auswertung unter Zuhilfenahme der Regressionsanalyse ein Modell, das eine anschauliche Darstellung der Einflüsse der einzelnen Parameter (Leitungssatz, PWM-Quelle und Last) auf die Zielgröße (Störstrom) ermöglicht. So kann selbst Entwicklern, deren Schwerpunkt der fachlichen Ausbildung nicht in der EMV liegt, aufgrund der Benutzerfreundlichkeit einer fertigen DoE, auch ohne tiefgehende Einarbeitung, ein Werkzeug an die Hand gegeben werden, um selbstständig eine Risikobewertung zukünftiger Konzepte vorzunehmen. Zur Verifikation der DoE wurde exemplarisch eine, mit Leistungs-PWM angesteuerte, Motorkomponente im EMV-Labor vermessen und mit den Werten der Simulation und des Regressionsmodells verglichen.

eingereicht von: Andreas Niedermayr Mit engl. Zsfassung Wien, Univ. für Bodenkultur, Masterarb., 2014

Quantitative predictions in computational life sciences are often based on regression models. The advent of machine learning has led to highly accurate regression models that have gained widespread acceptance. While there are statistical methods available to estimate the global performance of regression models on a test or training dataset, it is often not clear how well this performance transfers to other datasets or how reliable an individual prediction is–a fact that often reduces a user’s trust into a computational method. In analogy to the concept of an experimental error, we sketch how estimators for individual prediction errors can be used to provide confidence intervals for individual predictions. Two novel statistical methods, named CONFINE and CONFIVE, can estimate the reliability of an individual prediction based on the local properties of nearby training data. The methods can be applied equally to linear and non-linear regression methods with very little computational overhead. We compare our confidence estimators with other existing confidence and applicability domain estimators on two biologically relevant problems (MHC–peptide binding prediction and quantitative structure-activity relationship (QSAR)). Our results suggest that the proposed confidence estimators perform comparable to or better than previously proposed estimation methods. Given a sufficient amount of training data, the estimators exhibit error estimates of high quality. In addition, we observed that the quality of estimated confidence intervals is predictable. We discuss how confidence estimation is influenced by noise, the number of features, and the dataset size. Estimating the confidence in individual prediction in terms of error intervals represents an important step from plain, non-informative predictions towards transparent and interpretable predictions that will help to improve the acceptance of computational methods in the biological community., PLoS one;7(11)

Mit verschiedensten Methoden untersuchte ich den Einfluss des Menschen auf den Wolf. Zunächst zeigte ich, dass die klassisch freilandbiologischen Methoden zur Erhebung von Wolfsvorkommen (Telemetrie, Schneekartieren und Transsekte) vergleichbare Ergebnisse liefern. Mit Hilfe dieser Methoden konnte ich die Hypothese stützen, dass Streifgebiete von Wölfen durch hohe Beutedichten und geringe anthropogene Einflüsse gekennzeichnet sind. Über Mikrosatellitenanalysen konnte ich des Weiteren zeigen, dass Hauptstraßen keine unüberwindbare Barriere für den genetischen Austausch darstellen. Stresshormonanalysen deckten jedoch auf, dass Wölfe in stärker anthropogen genutzten Gebieten auch signifikant stärker gestresst sind, was langfristig zur Schwächung einer Population führen kann. Schließlich zeigte ich über die Entwicklung von Modellen und eine anschließende Habitateignungsanalyse potentielle Wolfsgebiete, sowie Risikogebiete für Mensch-Wolf-Konflikte innerhalb Deutschlands auf.

Michael Mulyk, Klagenfurt, Alpen-Adria-Univ., Dipl.-Arb., 2009

In der vorliegenden Arbeit werden Regressionsschätzer unter Strukturannahmen in höheren Dimensionen entwickelt. In vielen Anwendungsbeispielen müssen mehrere Einflussgrößen berücksichtig werden. Häufig ist auch eine Struktur der Regressionsfunktion bekannt. Im ersten Teil wird ein Schätzer für eine streng monotone Regressionsfunktion in mehreren Variablen eingeführt und analysiert. Der zweite Teil beschäftigt sich mit bedingten additiven Quantilsmodellen. Das asymptotische Verhalten der Schätzer wird untersucht. Zusätzlich wird mit einer Simulationsstudie das Verhalten für eine endliche Stichprobe überprüft.

Wind is used as an energy source all over the world. To be able to use this effectively, there is a need for as good forecasts and forecast models as possible. One of these models is Coupled Ocean/Atmosphere Mesoscale Prediction System (COAMPS®) that is used to calculate short time forecasts. This model is used here to calculate wind speeds at two different areas in Västra Götaland, Bengtsfors and Vänersborg. There are also wind measurements with SODAR stations for these areas. The first part of this work is to investigate the difference between two model resolutions, 36 and 12 km, for the model results compared with the measurements. The comparison is done by calculating some different statistical values. The results of these parameters show that the difference between the two resolutions is fairly small and that the lower resolution gives a slightly better result. The second and major part of this work is to use two different regression models to adjust the result of the forecast models to the result of the measurements. These regression models will then be possible to use even when there are no measurements to compare with. The idea of these regression models is to find a way to describe the difference between the result of the forecast model and the SODAR measurements. This difference is then subtracted from the result of the forecast model so that you get an adjustment and more accurate result. The first regression model calculates the difference according to time of the day, the other model calculates the difference according to the wind speed. Furthermore, the measurements used are taken from 75 meters height above the ground. These are then compared to some different results from the forecast model, for example different model heights and different resolutions, and also the model results adjusted with the regression models. The comparison is done by calculating the same statistic values as before, both with and without an adjustment with the regression models, and also to look at histograms that show the distribution of the difference. It is shown that with the regression adjustment, there is a clear improvement of the statistical values compared to the original results of the forecasts. For example the value of the absolute mean difference is reduced with approximately 0.4-0.7 m/s with an adjustment of the regression model. The histograms clearly show that a more even distribution occurs after the adjustment with the regression models. From having a major part of the differences at 1-2 m/s to now having the major part at around 0 m/s and furthermore there is also generally a lower difference between the measurements and the results from the forecast model.