Methodenbewijsdossier

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

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Transfer Entropy

Taxonomisch methodendossier · ml-model / causal-inference

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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

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.