ScholarGate
Avustaja
Machine learningInformation-theoretic causality

Siirtoentropia

Siirtoentropia (TE) on ei-parametrinen, informaatioteoreettinen mitta kahden aikasarjan väliselle suunnatulle tilastolliselle riippuvuudelle. Sen esitteli Thomas Schreiber vuonna 2000. Shannonin entropiaan perustuen se kvantifioi, kuinka paljon yhden prosessin Y menneisyys vähentää toisen prosessin X seuraavan tilan epävarmuutta, yli sen, mitä X:n oma menneisyys jo tarjoaa. Toisin kuin lineaarinen korrelaatio tai Granger-kausaalisuus, TE vangitsee epälineaarisia vuorovaikutuksia eikä vaadi mallioletuksia taustalla olevista dynamiikoista.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

Lähteet

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

Näin viittaat tähän sivuun

ScholarGate. (2026, June 2). Transfer Entropy. ScholarGate. https://scholargate.app/fi/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

Tähän viittaavat

ScholarGateTransfer Entropy (Transfer Entropy). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/causal-inference/transfer-entropy · Aineisto: https://doi.org/10.5281/zenodo.20539026