Mathematik > Mitarbeiter > Dr. Annette Möller

Dr. Annette Möller

TU Clausthal
Institut für Angewandte Stochastik und Operations Research
Arbeitsgruppe Angewandte Statistik
Raum 319 / Erzstraße 1
38678 Clausthal-Zellerfeld

Telefon: +49 5323 72-2879
Fax: +49 5323 72-2304 (Sekretariat)
E-Mail: annette.moeller@tu-clausthal.de

Forschungsinteressen

  • Probabilistische Wettervorhersage
  • Räumliche Statistik
  • Copulas
  • Hoch-Dimensionale Daten
  • Funktionale Datenanalyse
  • Statistische Lernverfahren
  • Zeitreihenanalyse

Kurzlebenslauf

seit 08/2016

Wissenschaftliche Mitarbeiterin, Institut für Angewandte Stochastik und Operations Research, Technische Universität Clausthal

10/2013 - 08/2016

Wissenschaftliche Mitarbeiterin, Biometrie & Bioinformatik, Uni Göttingen

07/2010 - 09/2013

Doktorand im RTG 1653 Spatio/Temporal Graphical Models, Uni Heidelberg

2010

Diplom in Statistik, TU Dortmund

Wissenschaftliches Netzwerk Ensemble Postprocessing

In dem durch die DFG geförderten Wissenschaftlichen Netzwerk zum Thema "Statistische Nachbearbeitung von Ensemble Vorhersagen für verschiedene Wetter Variablen" sollen in Zusammenarbeit mit einer internationalen Gruppe von Wissenschaftlern statistische Modelle für die probabilistische Vorhersage verschiedener Wetter Variablen entwickelt und implementiert werden.

Mehr Informationen zum Projekt und aktuelle Veröffentlichungen finden sich auf der internen Projektseite der Arbeitsgruppe.

 

 

Veröffentlichungen

Referierte Artikel

 

Buchbeiträge

 

Referierte Conference Proceedings

  • Möller, A. and Gertheiss, J. (2018). A classification tree for functional data. In Wood, S. (ed.): Proceedings of the 33rd International Workshop on Statistical Modelling, 219-224.
  • Möller, A. and Groß, J. (2017): A heteroscedastic probabilistic temperature forecasting model incorporating spread-error correlation and high-resolution forecasts, in Grzegorczyk, M. and Ceoldo, G. (eds.): Proceedings of the 32nd International Workshop on Statistical Modelling, 131-136.
  • Möller, A. and Groß, J. (2016): Probabilistic Temperature forecasting based on an AR model fitted to forecast errors, in Dupuy, J.-F. and Josse, J. (eds.): Proceedings of the 31th International Workshop on Statistical Modelling, 225-230.
  • Möller, A. (2015): Spatially adaptive probabilistic temperature forecasting using Markovian EMOS, in Friedl, H. and Wagner, H. (eds.): Proceedings of the 30th International Workshop on Statistical Modelling Volume II, 175-178.
  • Möller, A., Tutz, G. and Gertheiss, J. (2014): Random Forests for Functional Covariates, in T. Kneib, F. Sobotka, J. Fahrenholz, and H. Irmer (eds.): Proceedings of the 29th International Workshop on Statistical Modelling, 219-223.

 

Preprints

  • Möller, A., Spazzini, L., Kraus, D., Nagler, T. and Czado, C. (2018): Vine copula based postprocessing of ensemble forecasts for temperature.
  • Möller, A. and Gertheiss, J. (2018): A classification tree for functional data.
  • Möller, A., Groß, J. (2018): Probabilistic temperature forecasting with a heteroscedastic ensemble postprocessing model.
  • Möller, A., Gertheiss, J. and Hessel, E.F. (2016): Clustering pigs according to their RFID registrations: A functional data approach.
  • Möller, A., Thorarinsdottir, T.L., Lenkoski, A., and Gneiting T. (2016): Spatially adaptive, Bayesian estimation for probabilistic temperature forecasts. arXiv:1507.05066.

 

Software

  • Groß, J. and Möller, A. (2018): ensAR: Autoregressive postprocessing methods for ensemble forecasts. R package version 0.0.0.9000, 2016. URL github.com/JuGross/ensAR

 

 

Lehre

Eigenverantwortliche Lehre TU Clausthal

  • Statistische Methoden des Maschinellen Lernens (SS 2017, SS 2018, WS 2018/2019)
  • Mathematischer Vorkurs (WS 2017/2018, SS 2018)
  • Einführung in die Wahrscheinlichkeitstheorie und Statistik (WS 2018/2019)
  • Ingenieurstatistik I (WS 2018/2019)

 

Begleitende Lehre TU Clausthal

  • Ingenieurstatistik I (WS 2016/2017)

 

 

         

        Sitemap  Kontakt  Datenschutz  Impressum
        © TU Clausthal 2018