ScholarGate
Asistent
Machine learningInformation-theoretic causality

Transfer Entropy

Transfer Entropy (TE) je neparametarska, informacijsko-teorijska mjera usmjerene statističke ovisnosti između dva vremenska niza, koju je 2000. godine uveo Thomas Schreiber. Temelji se na Shannonovoj entropiji i kvantificira koliko informacija iz prošlosti jednog procesa Y smanjuje neizvjesnost o sljedećem stanju drugog procesa X, iznad onoga što već pruža vlastita prošlost procesa X. Za razliku od linearne korelacije ili Grangerove kauzalnosti, TE hvata nelinearne interakcije i ne zahtijeva pretpostavke o modelu temeljnih dinamika.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte cijelu metodu

Samo za članove

Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.

Prijavite se

Method map

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

Izvori

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

Kako citirati ovu stranicu

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

Citirana u

ScholarGateTransfer Entropy (Transfer Entropy). Preuzeto 2026-06-15 s https://scholargate.app/hr/causal-inference/transfer-entropy · Skup podataka: https://doi.org/10.5281/zenodo.20539026