Wahrscheinlichkeitstheorie und Statistik mit Markovkategorie
Probability and Statistics with Markov Categories
Wissenschaftsdisziplinen
Informatik (20%); Mathematik (80%)
Keywords
-
Probability Theory,
Theoretical Statistics,
Category Theory,
Exchangeability,
Ergodic Theory,
Probabilistic Programming
In diesem Projekt geht es um die Entwicklung eines neuen mathematischen Zugangs zu den Grundlagen von Wahrscheinlichkeitstheorie und Statistik. Seit den bahnbrechenden Arbeiten von Kolmogorov aus den 1930er Jahren wird die Maßtheorie als das passende mathematische Fundament betrachtet. Die Ausgangshypotheses dieses Projekts ist es nun, dass die Axiome von Kolmogorov zwar adäquat sind, aber dass sie für komplexere Probleme in der mathematischen Praxis teilweise schwer handhabbar sind. Als praktisch einfacher hat sich das in den letzten Jahren entwickelte Axiomensystem von Markovkategorien erwiesen, welches hier weiterentwickelt werden wird. Dies kann mit einer Analogie zur Computerprogrammierung gut illustriert werden: die Maschinensprache ist zwar zum Programmieren im Prinzip vollkommen ausreichend, in der Praxis ist sie für komplexere Probleme allerdings zu unhandlich, wodurch das Verwenden von menschlich verständlicheren Hochsprachen sinnvoller wird. Genauer wird es in diesem Projekt um die Entwicklung von weiteren Aspekten der Wahrscheinlichkeitstheorie mittels Markovkategorien gehen. Dazu gehört insbesondere das sogenannte Gesetz der großen Zahlen, welches eines der zentralen Ergebnisse der klassischen Theorie darstellt, und welches somit von einem alternativen Zugang wie den Markovkategorien reproduziert werden muss. Außerdem betrachtet werden sollen der Satz von de Finetti, bei dem Wahrscheinlichkeitsverteilungen mit sehr hoher Symmetrie charakterisiert werden. In der bisherigen Arbeit haben wir diesen bereits beweisen können, und zwar durch einen etwas einfacheren und intuitiv verständlicheren Beweis als mit der klassischen Maßtheorie. Noch offen sind dagegen bestimmte Varianten des Satzes für Wahrscheinlichkeitsverteilungen mit weniger Symmetrie, die in ihrer klassischen Formulierungen weitreichende Anwendungen zum Beispiel in der Kombinatorik und in der Theorie statistischer Modelle gefunden haben. In dieser Forschungsrichtung gibt es die Hoffnung, dass die Theorie der Markovkategorien auch bald Aussagen beweisen könnte, die mit den klassischen maßtheoretischen Methoden aufgrund der höheren Komplexität bisher noch nicht bewiesen werden konnten.
- Universität Innsbruck - 100%
- Tomas Gonda, Universität Innsbruck , nationale:r Kooperationspartner:in
- Nicholas Houghton-Larsen, University of Copenhagen - Dänemark
- Liang Wendong, Paris-Saclay University - Frankreich
- Dario Stein, Radboud University Nijmegen - Niederlande
- Paolo Perrone, University of Oxford - Vereinigtes Königreich
- Eigil Rischel, University of Strathclyde - Vereinigtes Königreich
Research Output
- 2 Zitationen
- 2 Publikationen
-
2025
Titel Hidden Markov Models and the Bayes Filter in Categorical Probability DOI 10.1109/tit.2025.3584695 Typ Journal Article Autor Fritz T Journal IEEE Transactions on Information Theory Seiten 7052-7075 -
2024
Titel Causal Markov Categories and Possibility Theory DOI 10.1007/978-3-031-65993-5_17 Typ Book Chapter Autor Fritz T Verlag Springer Nature Seiten 142-148