Please use this identifier to cite or link to this item: http://dx.doi.org/10.25673/124295
Title: Long-range dependence : limit theorems, subsampling, and change-point detection
Author(s): Wendler, Martin
Granting Institution: Otto-von-Guericke-Universität Magdeburg, Fakultät für Mathematik
Issue Date: 2026
Extent: verschiedene Seitenzählungen
Type: HochschulschriftLook up in the Integrated Authority File of the German National Library
Type: Habilitation
Exam Date: 2026
Language: English
URN: urn:nbn:de:gbv:ma9:1-1981185920-1262299
Subjects: long-range dependence
Gaussian processes
linear processes
random walks
U-statistics
rank statistics
change-point
subsampling
starke Abhängigkeit
Gaußsche Prozesse
Lineare Prozesse
U-Statistiken
Rang-Statistiken
Strukturbrüche
Abstract: Together with several coauthors, I have established limit theorems for stochastic processes and statistics under long-range dependence, with applications to empirical processes, U-statistics, and change-point detection. We analyze empirical processes of random walks in random scenery, establishing weak convergence to self-similar limit processes. We derive limit theorems for U-statistics, including cases without finite second moments. Next, we study subordinated linear processes at the borderline between long-range and short-range dependence and prove central limit theorems. For practical applications, we show the consistency of subsampling methods to estimate the distribution of statistics under long-range dependence, showing their consistency. Finally, we construct change-point tests based on U-statistics and rank statistics, providing robust alternatives to the CUSUM test. By combining rank-based statistics with self-normalization, these tests are free of nuisance parameters.
Gemeinsam mit mehreren Koautor*innen habe ich Grenzwertsätze für stochastische Prozesse und Statistiken unter starker Abhängigkeit, mit Anwendungen auf empirische Prozesse, U-Statistiken und Strukturbruchanalyse. Wir analysieren empirische Prozesse von Random Walks in Random Scenery und beweisen die schwache Konvergenz zu selbstähnlichen Prozessen. Wir leiten Grenzwertverteilungen für U-Statistiken ab, auch ohne endliche zweite Momente. Anschließend betrachten wir subordinierte lineare Prozesse an der Grenze zwischen schwacher und starker Abhängigkeit und beweisen zentrale Grenzwertsätze. Für praktische Anwendungen zeigen wir die Konsistenz von Subsampling-Methoden zur Schätzung der Verteilung von Statistiken. Schließlich konstruieren wir Strukturbruch-Tests auf Basis von U-Statistiken und Rangstatistiken, die robuste Alternativen zum CUSUM-Test darstellen. Durch die Kombination von Rangstatistiken mit Selbstnormalisierung sind diese Tests frei von zu schätzenden Parametern.
Annotations: Literaturangaben
URI: https://opendata.uni-halle.de//handle/1981185920/126229
http://dx.doi.org/10.25673/124295
Open Access: Open access publication
License: (CC BY-NC 4.0) Creative Commons Attribution NonCommercial 4.0(CC BY-NC 4.0) Creative Commons Attribution NonCommercial 4.0
Appears in Collections:Fakultät für Mathematik

Files in This Item:
File Description SizeFormat 
Wendler_Martin_Habilitation_2026.pdfHabilitation4.58 MBAdobe PDFThumbnail
View/Open