This dissertation presents Bayesian strategies to model statistical dependence in medium and high dimensions. The first part develops novel and powerful model selection strategies for regular vine copulas. These are very computationally intensive, however, so that application of these methods is restricted to problems of medium dimensionality (up to 10 or 20 variables). The second part develops a method to enable on-line analysis of high-dimensional time series (up to hundreds or thousands of variables) facilitated by sparse modeling and massively parallel computing on GPUs.     «

This dissertation presents Bayesian strategies to model statistical dependence in medium and high dimensions. The first part develops novel and powerful model selection strategies for regular vine copulas. These are very computationally intensive, however, so that application of these methods is restricted to problems of medium dimensionality (up to 10 or 20 variables). The second part develops a method to enable on-line analysis of high-dimensional time series (up to hundreds or thousands of va...     »

Diese Dissertation präsentiert Bayesianische Lösungsansätze zur Modellierung statistischer Abhängigkeiten in mittleren und hohen Dimensionen. Der erste Teil entwickelt neue und leistungsfähigere Verfahren zur Modellwahl von Regular Vine Copulas, welche jedoch so rechenaufwändig sind, dass die Anwendung auf Probleme von mittlerer Dimension (bis ca. 10 oder 20 Variablen) beschränkt ist. Der zweite Teil entwickelt ein Verfahren zur Echtzeit Analyse hochdimensionaler dynamischer Zeitreihen (bis zu hunderten oder tausenden von Variablen). Dies wird durch statistische Methoden zur Reduktion der Modell Komplexität und den Einsatz massiv parallelisierter Rechnung auf Grafikkarten ermöglicht.     «

Diese Dissertation präsentiert Bayesianische Lösungsansätze zur Modellierung statistischer Abhängigkeiten in mittleren und hohen Dimensionen. Der erste Teil entwickelt neue und leistungsfähigere Verfahren zur Modellwahl von Regular Vine Copulas, welche jedoch so rechenaufwändig sind, dass die Anwendung auf Probleme von mittlerer Dimension (bis ca. 10 oder 20 Variablen) beschränkt ist. Der zweite Teil entwickelt ein Verfahren zur Echtzeit Analyse hochdimensionaler dynamischer Zeitreihen (bis zu h...     »