Pārneses entropija
Pārneses entropija (TE) ir neparametriska, informācijas teorētiska divu laika rindu statistiskās atkarības mēraukla, ko 2000. gadā ieviesa Tomass Šreibers. Balstoties uz Šenona entropiju, tā kvantificē, cik daudz informācijas procesa Y pagātne samazina nenoteiktību par procesa X nākamo stāvokli, pārsniedzot to, ko jau sniedz X pagātne. Atšķirībā no lineārās korelācijas vai Grangera cēlonības, TE uztver nelineāras mijiedarbības un neprasa nekādus modeļa pieņēmumus par pamatā esošo dinamiku.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Schreiber, T. (2000). Measuring information transfer. Physical Review Letters, 85(2), 461–464. DOI: 10.1103/PhysRevLett.85.461 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Transfer Entropy. ScholarGate. https://scholargate.app/lv/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.
- Konverģentā krusteniskā kartēšana (CCM)Cēloņsakarību secināšana↔ compare
- Grindžera koeficientu pārbaudeEkonometrija↔ compare
- Entropija pēc paraugaKompleksās sistēmas↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →