ScholarGate
Asystent
Machine learningInformation-theoretic causality

Entropia transferu

Entropia transferu (TE) to nieparametryczna, informacyjno-teoretyczna miara skierowanej zależności statystycznej między dwoma szeregami czasowymi, wprowadzona przez Thomasa Schreibera w 2000 roku. Opierając się na entropii Shannona, kwantyfikuje ona, ile informacji z przeszłości jednego procesu Y redukuje niepewność co do następnego stanu innego procesu X, ponad to, co już dostarcza przeszłość samego X. W przeciwieństwie do korelacji liniowej czy przyczynowości Grangera, TE wychwytuje interakcje nieliniowe i nie wymaga założeń modelowych dotyczących leżącej u podstaw dynamiki.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

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

Źródła

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

Jak cytować tę stronę

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

Cytowana przez

ScholarGateTransfer Entropy (Transfer Entropy). Pobrano 2026-06-15 z https://scholargate.app/pl/causal-inference/transfer-entropy · Zbiór danych: https://doi.org/10.5281/zenodo.20539026