Method(olog)ische Grundlagen der Statistik und ihre Anwendungen
print


Navigationspfad


Inhaltsbereich

Dr. Georg Schollmeyer

Bachelor-Studienberatung für das Nebenfach Statistik/ Academic counseling for Bachelor students with minor in Statistics

Kontakt

Institut für Statistik
Ludwigstr. 33
80539 München

Raum: L 248
Telefon: +49 89 2180 6254

Website: https://georgschollmeyer.weebly.com

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Mein aktuelles Forschungsinteresse liegt in den Verbindungen zwischen angewandter relationaler Datenanalyse (Ordnungs- und Verbandstheorie) und nichtparametrischer Statistik. Konkret versuche ich, Elemente der statistischen Lerntheorie (Vapnik Chervonenkis-Theorie) für die stochastische Analyse relationaler Methoden nutzbar zu machen. Insbesondere arbeite ich an der Entwicklung von Regularisierungstechniken für relationale Methoden, die transparent sind in dem Sinne, dass substanzwissenschaftliche wie messtheoretische Gegebenheiten explizit mit berücksichtigt werden können.

In Bezug auf Anwendungen umfasst dies sehr unterschiedliche Gebiete wie z. B. Knowledge Discovery in Data Bases (z.B. Subgroup Discovery und Assoziationsregeln), Verallgemeinerungen nichtparametrischer regularisierter statistischer Tests (wie des klassischen Kolmogorov-Smirnov-Tests), die z.B. im Kontext mehrdimensionaler stochastischer Dominanz oder der räumlichen Statistik Anwendung finden, sowie Anwendungen im Rahmen des klassischen maschinellen Lernens (wie z.B. Supervised Classification).

Nicht nur in technischer Hinsicht sind die verwendeten theoretischen Konzepte eng verbunden mit der Formalen Begriffsanalyse, die sowohl für die Analyse als auch für die konkrete Berechnung leistungsstarke Werkzeuge zur Verfügung stellt. Um relationale Methoden in der Praxis gut anwendbar zu machen, beispielsweise im Kontext der Subgroup Discovery, sind auch weitere computationale Techniken, insbesondere die Anwendung der gemischt-ganzzahligen linearen Programmierung oder die Approximation von harten computationalen Problemen (wie z.B. die Approximation der Optimierung auf Hüllensystemen durch eine Optimierung auf einem approximierenden lokalen Mengenring), ein Forschungsgegenstand.

Darüber hinaus interessiere ich mich allgemein für die Theorie der Imprecise Probabilities, speziell im Zusammenhang mit der Analyse defizitärer Daten und partieller Identifikation, sowie für Entscheidungstheorie unter komplexer Unsicherheit, hier insbesondere im Zusammenhang mit stochastischen Ordnungen.

 

Keywords

  • Relationale Datenanalyse
  • Formale Begriffsanalyse
  • Vapnik-Chervonenkis Theorie
  • Stochastische Ordnungen
  • Inferenz für defizitäre Daten bzw. nichtstandard-Daten
  • Partielle Identifikation
  • Theorien der Imprecise Probabilities
  • Entscheidungstheorie unter Imprecise Probabilities und nichtkardinalem Nutzen

Google Scholar Profil

Kurz CV:

  • Aktuell: Postdoktorand in der Arbeitsgruppe Method(olog)ische Grundlagen der Statistik und ihre Anwendungen an der Ludwig-Maximilians-Universität München, Habilitation in Statistik (Mentor: Prof. Dr. Thomas Augustin)
  • Seit November 2011: Wissenschaftlicher Mitarbeiter in der Arbeitsgruppe Method(olog)ische Grundlagen der Statistik und ihre Anwendungen an der Ludwig-Maximilians-Universität München
  • Akademische Abschlüsse:
    • Promotion zum Dr. rer. nat. in Statistik (2017) LMU (Doktorvater: Prof. Dr. Thomas Augustin)
    • Diplom in Mathematik (2011, Spezialisierung Algebra) TU Dresden



Funktionen und Ämter

  • EC-member der Society for Imprecise Probability: Theories and Applications (SIPTA) (07/2019 - 06/2021)
  • Fachstudienberatung Bachelorstudiengang Statistik sowie Nebenfach Statistik
  • Stellvertretender Mitarbeitervertreter (10/2018 - 09/2020)
  • Ansprechpartner Lehre@LMU (zusammen mit Thomas Augustin)

 

Arbeitsgruppe Methodologische Grundlagen der Statistik und ihre Anwendungen
Abschlussarbeiten
Lehre
Lehre@LMU
Research
Studienberatung