Neue VeröffentlichungWie Datenstruktur und Abhängigkeiten die Statistik beeinflussen

27. Juni 2025

Zwei Männer, ein Asiate und ein Europäer

Foto: privat

Dr. Zihao Yuan und Dr. Prof. Dr. Martin Spindler veröffentlichen ihre Forschungsergebnisse im renommierten Journal of Econometrics.

Der Artikel "Bernstein-type Inequalities and Nonparametric Estimation under Near-Epoch Dependence" von Dr. Zihao Yuan und Prof. Dr. Martin Spindler wurde beim Journal of Econometrics zur Veröffentlichung angenommen. Dr. Yuan war bis Ende 2024 Doktorand an der Professur für Statistik mit Anwendung in der Betriebswirtschaftslehre und ist jetzt Postdoc bei Prof. Dr. Dette an der Ruhr-Universität Bochum. Dort forscht er zu seinem Gebiet „Mathematische Statistik“.

Die Arbeit leistet zwei Hauptbeiträge:

Sie entwickelt neue mathematische Ungleichungen für unregelmäßig verteilte Daten und zeigt, dass deren Güte von der sogenannten effektiven Dimension der Datenverteilung abhängt, die in dem Artikel eingeführt wird.
Diese Ungleichungen werden dann verwendet, um zu untersuchen, wann bestimmte Schätzverfahren besonders gute Ergebnisse liefern – vor allem bei Daten mit räumlicher oder zeitlicher Abhängigkeit.

Insgesamt verbessert die Arbeit das Verständnis darüber, wie Datenstruktur und Abhängigkeiten statistische Verfahren beeinflussen.

Weitere Meldungen

Junge Frau auf linker Seite, rechts ein Screenshot eines Handys zur Blutspende

Foto: Boris Rostami-Rabet

27.06.2025|Forschung

Marketingteam erhält Würdigung für gesellschaftlich relevante Forschungsarbeit

Dr. Besarta Veseli, Prof. Dr. Michel Clement und ihre Mitautorinnen wurden mit ihrer Studie zur Blutspenderbindung als Finalist des Awards für Responsible Research in Marketing 2025 der American Marketing Association (AMA) ausgezeichnet.

Ein im Rahmen der Studie mit der KI-Anwendung „DALL-E“ erstelltes Bild für ein repräsentatives Spielzeug – unter der Vorgabe, keine Markenrechte zu verletzen

Foto: KI-generiert mit „DALL-E“

26.06.2025|Forschung

Forschen und Verstehen: Wie kann KI Kausalität erkennen?

Künstliche Intelligenz ist in fast allen Lebensbereichen angekommen. Dabei helfen Methoden des maschinellen Lernens, Muster in großen Datenmengen zu erkennen. Doch ist es so auch möglich, kausale Zusammenhänge zu sehen und zu bewerten? Das erforscht Dr. Philipp Bach im Team von Prof. Dr. Martin...

Beitrag aus dem Newsroom der Universität