ScholarGate
Assistente
Machine learningInformation-theoretic causality

Entropia de Transferência

Entropia de Transferência (TE) é uma medida não paramétrica e de teoria da informação da dependência estatística direcionada entre duas séries temporais, introduzida por Thomas Schreiber em 2000. Fundamentada na entropia de Shannon, quantifica quanta informação o passado de um processo Y reduz a incerteza sobre o próximo estado de outro processo X, além do que o próprio passado de X já fornece. Diferentemente da correlação linear ou da causalidade de Granger, a TE captura interações não lineares e não requer suposições de modelo sobre a dinâmica subjacente.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

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

Fontes

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

Como citar esta página

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

Referenciado por

ScholarGateTransfer Entropy (Transfer Entropy). Recuperado em 2026-06-15 de https://scholargate.app/pt/causal-inference/transfer-entropy · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026