Machine learningInformation-theoretic causality

Трансферна ентропија

Трансферна ентропија (TE) је непараметарска, информационо-теоријска мера усмерене статистичке зависности између два временска низа, коју је увео Томас Шрајбер 2000. године. Заснована на Шенноновој ентропији, она квантификује колико информација прошлост једног процеса Y смањује неизвесност око следећег стања другог процеса X, изнад онога што сопствена прошлост X већ пружа. За разлику од линеарне корелације или Гранџерове узрочности, TE хвата нелинеарне интеракције и не захтева претпоставке о моделу основне динамике.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Method map

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

Izvori

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

Kako citirati ovu stranicu

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

Citirana u

ScholarGateTransfer Entropy (Transfer Entropy). Preuzeto 2026-06-15 sa https://scholargate.app/sr/causal-inference/transfer-entropy · Skup podataka: https://doi.org/10.5281/zenodo.20539026