Navigation

Jan Freund

Kontakt

jan.freund[at]uni-oldenburg.de

Tel: +49 441 798 - 3231
Fax: +49 441 798 - 3404

ICBM, Campus Wechloy
Raum: W15 1-101

Sprechstunden: Di. 14-16h

Postanschrift:
ICBM, CvO Univ. OL
Carl von Ossietzky Str. 9-11
D-26111 Oldenburg

Jan Freund

Jan Freund

Forschungsinteressen

Mein übergordnetes Interesse ist die Übertragung paradigmatischer Modelle und Methoden aus dem Bereich der theoretischen Physik und der komplexen Systeme auf andere Wissenschaftsgebiete, etwa denen der marinen Biologie, der Ökologie oder den Neurowissenschaften. Neben der Möglichkeit beobachtbare Phänomene aus den genannten Nachbarwissenschaften auf fundamentale Prinzipien und Mechanismen zurückzuführen, besteht häufig auch ein praktischer Nutzen, etwa die Optimierung oder Steuerung von Prozessen durch Aufklärung und Quantifizierung kausaler Wirkmechanismen. Mein Methodenrepertoire beinhaltet häufig eine stochastische Komponente, sei es in der Modellformulierung (durch stochastische Prozesse), sei es in der empirischen Datenanalyse (durch statistische Konzepte).

Laufende Projekte

Marine Biologie Über Ausgedehnte Skalen

 

Kausalität Nicht-linearer Diffusions-Prozesse

 

Rekonstruktion der Vernetzungsstruktur von Hirnarealen

 

Ausgewählte Publikationen

  • B. Wahl, U. Feudel, J. Hlinka, M. Wächter, J. Peinke, and J.A. Freund. Granger-causality maps of diffusion processes.
    Phys. Rev. E 93, 022213:1-9 (2016).

  • M. Arns, A. Cerquera, R.M. Gutiérrez, F. Hasselman, and J.A. Freund. Non-linear EEG analyses predict non-response to rTMS treatment in major depressive disorder.
    Clinical Neurophysiology 125, 1392–1399 (2014).

  • J.A. Freund, N. Grüner, S. Brüse, and K.H. Wiltshire. Changes in the phytoplankton community at Helgoland, North Sea: lessons from single spot time series analyses.
    Marine Biology 159, 2561-2571 (2012).

  • N. Grüner, C. Gebühr, M. Boersma, U. Feudel, K.H. Wiltshire, and J.A. Freund. Reconstructing the realized niche of phytoplankton species from environmental data: fitness versus abundance approach.
    Limnol. Oceanogr. Methods 9, 432-442 (2011).

     

Lehre

Wintersemester

Statistische Ökologie

Felddaten: 3 Arten in 9 Feldern

LV-Typ: VL & UE
SWS: 2 & 2
KP: 6
Zielgruppe: Umweltmodellierung (M.Sc.)

 

Inhalt:

  1. Grundkonzepte und Einführung
  2. Zufallsvariablen und Wahrscheinlichkeitsverteilungen
  3. Schätzen von Populationsanteilen
  4. Schätzen von Populationsdichten
  5. Statistische Beschreibung von Lebensgemeinschaften

Stochastische Prozesse

Ensemblestatistik des OU-Prozesses

LV-Typ: VL & UE
SWS: 2 & 2
KP: 6
Zielgruppe: Umweltmodellierung (M.Sc.)

 

Inhalt:

  1. Grundbegriff e der Stochastik
  2. Charakterisierung stochastischer Prozesse
  3. Fundamentale Gleichungen zur Ensemble-Beschreibung stochastischer Prozesse
  4. Stochastische Di fferentialgleichungen zur Beschreibung und Simulation von Realisierungen stochastischer Prozesse
  5. Anwendungen: Zufallsbewegung, stochastische Neuronenmodelle, stochastische Populationsdynamik

Zeitreihenanalyse & Multivariate Statistik

gemeinsam mit Jan Schulz

FS OTZUM an Meßpfahl

LV-Typ: VL & UE
SWS: 2 & 2
KP: 4
Zielgruppe: Marine Sensorik (M.Sc.)

 

Inhalt:

In dieser Veranstaltung soll der Schwerpunkt auf empirischer Arbeit mit Daten der marinen Sensorik (CTD, Strömungsdaten, etc.) liegen.

Im ersten Teil der Lehrveranstaltung werden Verfahren der Zeitreihenanalyse im Zusammenhang mit praktischen Anforderungen dargestellt. Programmiererfahrungen in Matlab oder R sind erwünscht.

Sommersemester

Angewandte Statistik

gemeinsam mit Helmut Hillebrand, Cord Peppler-Lisbach, Gerhard Zotz
Zwei-faktorielle ANOVA

 

 

 

 

 

LV-Typ: VL & UE
SWS: 2 & 2
KP: 6
Zielgruppe: Umweltwissenschaften (B.Sc.) & Biologie (B.Sc.)

 

Inhalt:

  1. Wozu überhaupt Statistik?
  2. Zufallsvariable, Verteilungen, Lage- und Formparamter
  3. empirische Kenngrößen, Schätzer, Robustheit
  4. Kovarianz und Korrelationen
  5. statistische Tests, Nullhypothese, Fehler 1. & 2. Art
  6. t-Test, ANOVA, Kruskal-Wallis
  7. Post-hoc Tests, multiples Testen
  8. Regression
  9. ANCOVA
  10. Ergänzungen (Pseudo-Zufallszahlen, Transformationen, Resampling Techniken)

Die Vorlesungen werden ergänzt und vertieft durch praktische Arbeit mit Daten in der Programmierumgebung R. Eine Einführung in R erfolgt in den ersten Übungen. Hausaufgaben werden gestellt und bewertet - nur eine hinreichende Leistung hierbei berechtigt zur Klausurteilnahme.

Populationsdynamik

gemeinsam mit Ulrike Feudel

 

 

 

LV-Typ: VL & UE
SWS: 2 & 2
KP: 6
Zielgruppe: Umweltmodellierung (M.Sc.) 


Inhalt:

  1. Wachstumsdynamiken einzelner Arten in kontinuierlicher (Fluss) und diskreter (Abbildung) Zeit
  2. Dynamik wechselwirkender Populationen (Konkurrenz- und Räuber-Beute Modelle, trophische Netzwerke)
  3. Matrixmodelle für alters- und stadienstrukturierte Populationen
  4. nichtlineare Matrixmodelle und Populationen im Raum
  5. stochastische Populationsdynamik

Zeitreihenanalyse

multivariate Zeitreihe

LV-Typ: VL & UE
SWS: 2 & 2
KP: 6
Zielgruppe: Umweltmodellierung (M.Sc.)

 

Inhalt:

  1. Zeitreihen als Realisierungen stochastischer Prozesse
  2. Prozessgrößen und ihre Schätzer
  3. Komponentenmodelle: Trends, Rhythmen und Residuen
  4. Spektrale Charakterisierung von Zeitreihen
  5. Nicht-stationäre Prozesse: Zeit-Frequenz Methoden
  6. Lineare Filter und zeitdiskrete lineare stochastische Prozesse
  7. nichtlineare Prozesse: Zustandsraum und Attraktor
  8. Einbettungstheorem, rekonstruierter Attractor und Invarianten
  9. Lyapunov Exponenten
  10. Verallgemeinerte Dimensionen
ICBM-Wjswebr5jmasted46er (sibet.riwjzpex/vt+inger@uol.dtrmkpe7ddt) (Stand: 21.08.2020)