ScholarGate
Assistente
Machine learningInformation-theoretic causality

Transfer Entropy

Transfer Entropy (TE) è una misura non parametrica, basata sulla teoria dell'informazione, della dipendenza statistica diretta tra due serie temporali, introdotta da Thomas Schreiber nel 2000. Radicata nell'entropia di Shannon, quantifica quanta informazione il passato di un processo Y riduce l'incertezza sul prossimo stato di un altro processo X, oltre a quanto già fornito dal passato di X stesso. A differenza della correlazione lineare o della causalità di Granger, la TE cattura interazioni non lineari e non richiede assunzioni di modello sulle dinamiche sottostanti.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Fonti

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

Come citare questa pagina

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

Citato da

ScholarGateTransfer Entropy (Transfer Entropy). Consultato il 2026-06-15 da https://scholargate.app/it/causal-inference/transfer-entropy · Insieme di dati: https://doi.org/10.5281/zenodo.20539026