Detailansicht
Modelle für die Abhängigkeit von Poissonprozessen und Anwendungen
Viktoria Kittler
Art der Arbeit
Magisterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Magisterstudium Statistik
Betreuer*in
Georg Pflug
DOI
10.25365/thesis.77160
URN
urn:nbn:at:at-ubw:1-22152.57468.970221-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In der Forschung zu Naturgefahren gewinnen multiple Katastrophenereignisse immer mehr an Bedeutung, weil diese im Gegensatz zu einzelnen Gefahren oft tiefgreifendere Auswirkungen auf die Umwelt und den Menschen aufweisen. Da noch sehr wenige quantitative Studien zu diesen multiplen Naturgefahren und deren (mögliche) Abhängigkeit voneinander vorliegen, präsentiert diese Magisterarbeit Methoden zur Modellierung von stochastischen Prozessen, genauer gesagt Poissonprozessen, welche auf Beobachtungen im Donauraum in ganz Europa angewandt werden. Die Analyse geht dabei der Frage nach, ob eine Abhängigkeit zwischen den verschiedenen Katastrophen in Bezug auf Zeit und Schweregrad feststellbar ist. Die in dieser wissenschaftlichen Arbeit vorgestellten Modelle und Ergebnisse haben gezeigt, dass für bestimmte Kombinationen von Katastrophenpaaren signifikante Zusammenhänge sowohl für die Zeit als auch für den Schweregrad nachgewiesen werden konnten. Beispielsweise begünstigen vorangehende Dürren aber auch zuvor stattgefundene Stürme ein zeitnahes Auftreten von Überschwemmungen. Ebenso wurde ein Einfluss von Waldbränden auf die Entstehung von extremen Temperaturen aufgezeigt. Weiters konnte ein statistischer Beleg für die Abhängigkeit von Sturmschäden mit vorangehenden Dürren und/oder extremen Temperaturen dargelegt werden. Die Erkenntnisse dieser wissenschaftlichen Arbeit haben einen Nachweis für die Relevanz und die Auswirkungen von Abhängigkeitsstrukturen erbracht und sollen somit einen wichtigen Beitrag für zukünftige Forschungsarbeiten in diesem Feld bieten.
Abstract
(Englisch)
Multiple catastrophic events are becoming increasingly important in research on natural hazards, as these often have more profound effects on the environment and humans than single hazards. Since there are still very few quantitative studies on these multiple natural hazards and their (possible) dependence on each other, this master's thesis presents methods for modeling stochastic processes, more precisely Poisson processes, which are applied to observations in the Danube region throughout Europe. The analysis examines the question of whether a dependency between the different disasters can be determined in terms of time and severity. The models and results presented in this scientific work have shown that for certain combinations of disaster pairs, significant relationships could be demonstrated for both time and severity. For example, previous droughts as well as previous storms promote the rapid occurrence of floods. The influence of wildfires on the development of extreme temperatures was also shown. Furthermore, statistical evidence was presented for the dependence of storm damage on previous droughts and/or extreme temperatures. The findings of this scientific work have provided evidence of the relevance and impact of dependency structures and are intended to provide an important contribution to future research in this field.
Schlagwörter
Schlagwörter
(Deutsch)
Poissonprozesse Modelle für Abhängigkeitsstrukturen Umweltkatastrophen Donauraum Triggering Modelle Amplifying Modelle Switching Intensity Modell First Follower Times Modell Poissonartige Ereignisprozesse
Autor*innen
Viktoria Kittler
Haupttitel (Deutsch)
Modelle für die Abhängigkeit von Poissonprozessen und Anwendungen
Paralleltitel (Englisch)
Models for the dependence of poisson processes and applications
Publikationsjahr
2024
Umfangsangabe
iv, 91 Seiten : Illustrationen
Sprache
Deutsch
Beurteiler*in
Georg Pflug
Klassifikationen
31 Mathematik > 31.73 Mathematische Statistik ,
43 Umweltforschung > 43.48 Regionale Umweltprobleme
AC Nummer
AC17382434
Utheses ID
73250
Studienkennzahl
UA | 066 | 951 | |