Forschung

Die Arbeitsgruppe Statistik und Datenwissenschaften beschäftigt sich zum einen mit anwendungsorientierter und -motivierter Methodenentwicklung, insbesondere Regularisierung und Ensemble-Methoden für kategoriale, funktionale und hoch-dimensionale Daten. Zum anderen unterstützen wir Anwender, etwa aus den Wirtschafts-, Sozial- und Lebenswissenschaften, bei Fragen zu Statistik und Datenanalyse.

Forschungsschwerpunkte:

  • Hoch-Dimensionale Daten
  • Kategoriale Daten
  • Funktionale Daten
  • Variablen- und Modellselektion
  • Statistisches und maschinelles Lernen
  • Angewandte Statistik

Ausgewählte Forschungsprojekte:

Ordinale Daten

DFG-Sachbeihilfe: Statistische Methoden und Modelle für Abhängige Kategoriale, insbesondere Ordinale Daten

Zur Analyse und Modellierung hochdimensionaler voneinander abhängiger Variablen existieren unterschiedlichste statistische Methoden, wie etwa grafische Modelle oder Hauptkomponentenanalyse. Diese erfordern für gewöhnlich jedoch stetige bzw. metrisch-skalierte Daten. Entsprechende Methoden für kategoriale, insbesondere ordinale Daten stehen dagegen weit weniger zur Verfügung, obwohl man diese Art von Daten häufig und in verschiedensten Anwendungen findet. Das Ziel des Projektes ist es daher, diese Lücke in der statistischen Methodik zu schließen, indem wir geeignete Methoden entwickeln, wie z.B. regularisierte grafische Modelle und Hauptkomponentenanalyse für ordinale Variablen.

Bearbeitung: Prof. Dr. Jan Gertheiss; Aisouda Hoshiyar, M.Sc.; Ejike Richard Ugba, M.Sc.

Förderzeitraum: 2019 – 2022

Brücke

Teilprojekt Data Analytics im DTEC-Verbundprojekt SHM – Digitalisierung und Überwachung von Infrastrukturbauwerken

Ziel des Gesamtprojekts Structural Health Monitoring (SHM) ist die zuverlässigkeitsbasierte Zustandsbewertung von bestehenden und eventuell geschädigter Infrastrukturbauwerken mittels unterschiedler Monitoringsysteme in einem integrierten digitalen System (Details).

Im Teilprojekt Data Analytics untersuchen wir insbesondere zeitlich-räumliche Abhängigkeitsstrukturen innerhalb bzw. zwischen Sensorströmen und entwickeln/adaptieren Methoden des maschinellen Lernens zur Feature Extraction und Schadenserkennung.

Bearbeitung: Prof. Dr. Jan Gertheiss; Lizzie Neumann, M.Sc.; Frederike Vogel, M.Sc.

Förderzeitraum: 2021 – 2024  

Aktuelle Veröffentlichungen:

Publikation Symbol-Icon
Selk, L. and J. Gertheiss (2022). Nonparametric Regression and Classification with Functional, Categorical, and Mixed Covariates. accepted for publication in Advances in Data Analysis and Classification, available from https://arxiv.org/abs/2111.03115,
Publikation Symbol-Icon
Vogel, F., N.M. Vahle, J. Gertheiss and M.J. Tomasik (2022). Supervised learning for analysing movement patterns in a virtual reality experiment. R. Soc. Open Sci. 9, available from https://doi.org/10.1098/rsos.211594
Publikation Symbol-Icon
Gertheiss, J., F. Scheipl, T. Lauer and H. Ehrhardt (2022). Statistical inference for ordinal predictors in generalized additive models with application to Bronchopulmonary Dysplasia. BMC Research Notes, available from https://doi.org/10.1186/s13104-022-05995-4
Publikation Symbol-Icon
Altmann, B. A., J. Gertheiss, I. Tomasevic, C. Engelkes, T. Glaesener, J. Meyer, A. Schäfer, R. Wiesen and D. Mörlein (2022). Human perception of color differences using computer vision system measurements of raw pork loin. Meat Science, available from https://doi.org/10.1016/j.meatsci.2022.108766
Publikation Symbol-Icon
Hesselmann, C., J. Gertheiss, and J.P. Müller (2021). Ride Sharing & Data Privacy: How Data Handling Affects the Willingness to Disclose Personal Information. Findings, November, available from https://doi.org/10.32866/001c.29863
Publikation Symbol-Icon
Hoshiyar, A. (2021). ordPens: An R package for Selection, Smoothing and Principal Components Analysis for Ordinal Variables. Journal of Open Source Software, 6(68), 3828, available from https://doi.org/10.21105/joss.03828
Publikation Symbol-Icon
Hoshiyar, A., H. A. L. Kiers, and J. Gertheiss (2021). Penalized non-linear principal components analysis for ordinal variables with an application to international classification of functioning core sets. Preprint, available from https://arxiv.org/abs/2110.02805
Publikation Symbol-Icon
Rohweder, N.O., J. Gertheiss, and C. Rembe (2021). Sub-micron pupillometry for optical EEG measurements. tm-Technisches Messen 88 (7-8), 473-480
Publikation Symbol-Icon
Ugba, E. R. (2021). serp: An R package for smoothing in ordinal regression. Journal of Open Source Software, 6(66), 3705, available from https://doi.org/10.21105/joss.03705
Publikation Symbol-Icon
Ugba, E.R., D. Mörlein, and J. Gertheiss (2021). Smoothing in ordinal regression: An application to sensory data. Stats 4 (3), 616-633
Publikation Symbol-Icon
Aipperspach, C., J. Gertheiss, and C. Jahn (2020). CO2-Ausstoß auf See: Sind genauere Schätzungen möglich? Potentiale eines Stichproben-basierten Modells. Internationales Verkehrswesen 72 (3), 65-71
Publikation Symbol-Icon
Alhaji, B., J. Beecken, R. Ehlers, J. Gertheiss, F. Merz, J. Müller, M. Prilla , A. Rausch, A. Reinhardt, D. Reinhardt, C. Rembe, N.-O. Rohweder, C. Schwindt, S. Westphal, J. Zimmermann (2020). Engineering human-machine teams for trusted collaboration. Big Data and Cognitive Computing 4, 35
Publikation Symbol-Icon
Hoshiyar, A. (2020). Analyzing Likert-Type Data using Penalized Non-Linear Principal Components Analysis. In: Proceedings of the 35th International Workshop on Statistical Modelling, Vol. I, 337-340
Publikation Symbol-Icon
Lauer, T., J. Behnke, F. Oehmke, J. Bäcker, K. Gentil, T. Chakraborty, M. Schloter, J. Gertheiss, and H. Ehrhardt (2020). Bacterial colonization within the first 6 weeks of life and pulmonary outcome in preterm infants < 1000g. Journal of Clinical Medicine 9, 2240
Publikation Symbol-Icon
Vogel, F., N. Vahle, J. Gertheiss, and M. J. Tomasik (2020). Neural network classification of movement patterns in a virtual reality experiment. Proceedings of the 35th International Workshop on Statistical Modelling, Vol. I, 442-445
Publikation Symbol-Icon
Weiß, C.H., F. Zhu, and A. Hoshiyar (2020). Softplus INGARCH Models. Statistica Sinica, accepted for publication
Publikation Symbol-Icon
Gertheiss, J., A. Groll, T. Stodolski, M. Priebe, and M. Rudolph (2019). Prediction intervals for out-of-sample forecasts based on spline extrapolation. Proceedings of the 34th International Workshop on Statistical Modelling, Vol. II, 54-57
Publikation Symbol-Icon
Hoshiyar, A., J. Gertheiss, P. Wiemann, and T. Kneib (2019). Challenging the commonly used log-link in statistical models for count data with an application to infectious disease data. Proceedings of the 34th International Workshop on Statistical Modelling, Vol. II, 346-350
Publikation Symbol-Icon
Mörlein, J., L. Meier-Dinkel, J. Gertheiss, W. Schnäckel, and D. Mörlein (2019). Sustainable use of tainted boar meat: Blending is a strategy for processed products. Meat Science 152, 65-72
HSU

Letzte Änderung: 4. August 2022