ScholarGate
Asistent
Machine learningInformation-theoretic causality

Entropie přenosu

Entropie přenosu (TE) je neparametrická, informačně-teoretická míra směrové statistické závislosti mezi dvěma časovými řadami, kterou v roce 2000 zavedl Thomas Schreiber. Vychází ze Shannonovy entropie a kvantifikuje, kolik informací minulost jednoho procesu Y snižuje nejistotu ohledně dalšího stavu jiného procesu X, nad rámec toho, co již poskytuje minulost samotného X. Na rozdíl od lineární korelace nebo Grangerovy kauzality TE zachycuje nelineární interakce a nevyžaduje žádné modelové předpoklady o základní dynamice.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

The neighbourhood of related methods — select a node to explore.

Zdroje

  1. Schreiber, T. (2000). Measuring information transfer. Physical Review Letters, 85(2), 461–464. DOI: 10.1103/PhysRevLett.85.461

Jak citovat tuto stránku

ScholarGate. (2026, June 2). Transfer Entropy. ScholarGate. https://scholargate.app/cs/causal-inference/transfer-entropy

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Odkazuje sem

ScholarGateTransfer Entropy (Transfer Entropy). Získáno 2026-06-15 z https://scholargate.app/cs/causal-inference/transfer-entropy · Datová sada: https://doi.org/10.5281/zenodo.20539026