Transfer Entropy
Transfer Entropy (TE) är ett icke-parametriskt, informationsteoretiskt mått på riktad statistisk beroende mellan två tidsserier, introducerat av Thomas Schreiber år 2000. Baserat på Shannonentropi kvantifierar det hur mycket information som den förflutna utvecklingen av en process Y minskar osäkerheten om nästa tillstånd i en annan process X, utöver vad X:s egen förflutna redan ger. Till skillnad från linjär korrelation eller Granger-kausalitet, fångar TE icke-linjära interaktioner och kräver inga modellantaganden om den underliggande dynamiken.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- Schreiber, T. (2000). Measuring information transfer. Physical Review Letters, 85(2), 461–464. DOI: 10.1103/PhysRevLett.85.461 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Transfer Entropy. ScholarGate. https://scholargate.app/sv/causal-inference/transfer-entropy
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Konvergent korsmappning (CCM)Kausal inferens↔ jämför
- Granger kausalitetstestEkonometri↔ jämför
- SampelentropiKomplexa system↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →