Metodes pierādījumu reģistrs

Transfer Entropy

Transfer Entropy (TE) is a non-parametric, information-theoretic measure of directed statistical dependence between two time series, introduced by Thomas Schreiber in 2000. Grounded in Shannon entropy, it quantifies how much information the past of one process Y reduces uncertainty about the next state of another process X, beyond what X's own past already provides. Unlike linear correlation or Granger causality, TE captures nonlinear interactions and requires no model assumptions about the underlying dynamics.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Transfer Entropy

Taksonomiskās metodes reģistrs · ml-model / causal-inference

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

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Same method familyConvergent Cross Mappingmachine-suggested · Relational suggestion, not evidence.See alsoGranger Causalitymachine-suggested · Relational suggestion, not evidence.Same method familySample Entropymachine-suggested · Relational suggestion, not evidence.