Transfer Entropy
Transfer Entropy (TE) is een niet-parametrische, informatietheoretische maat voor gerichte statistische afhankelijkheid tussen twee tijdreeksen, geïntroduceerd door Thomas Schreiber in 2000. Geworteld in Shannon-entropie, kwantificeert het hoeveel informatie het verleden van het ene proces Y de onzekerheid over de volgende toestand van het andere proces X vermindert, voorbij wat het eigen verleden van X al biedt. In tegenstelling tot lineaire correlatie of Granger-causaliteit, vangt TE niet-lineaire interacties op en vereist het geen modelaannames over de onderliggende dynamiek.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Schreiber, T. (2000). Measuring information transfer. Physical Review Letters, 85(2), 461–464. DOI: 10.1103/PhysRevLett.85.461 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Transfer Entropy. ScholarGate. https://scholargate.app/nl/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.
- Convergent Cross Mapping (CCM)Causale inferentie↔ compare
- Granger-causaliteitstestEconometrie↔ compare
- SteekproefentropieComplexe systemen↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →