Örnek Entropi
Sample Entropy (Time-Series Complexity) · Ayrıca şöyle bilinir: SampEn, Sample Entropy (SampEn), Örneklem Entropisi, Nonlinear Complexity Measure
Örnek Entropi (SampEn), bir zaman serisinin karmaşıklığının ve düzenliliğinin doğrusal olmayan bir ölçüsüdür. Richman ve Moorman tarafından 2000 yılında Yaklaşık Entropi'ye (ApEn) bir iyileştirme olarak tanıtılan bu yöntem, serideki belirli bir uzunluktaki benzer örüntülerin, bir ek veri noktasıyla uzatıldığında ne kadar benzer kaldığı olasılığını ölçer. Daha yüksek bir SampEn değeri daha fazla düzensizlik ve karmaşıklık anlamına gelirken, daha düşük bir değer daha fazla düzenlilik veya kendi kendine benzerlik anlamına gelir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Örnek Entropi, karmaşıklık ve düzenliliğin anlamlı nicelikler olduğu fizyolojik, finansal veya mühendislik zaman serilerini analiz ederken uygundur. Yeterince uzun bir seri (tipik olarak N > 200 ila 1000 nokta) ve sürekli değerli veriler gerektirir. Temel parametreler m (gömme boyutu, tipik olarak 1 veya 2) ve r (tolerans, tipik olarak standart sapmanın %0.1–%0.25'i) sonuçlar bu seçimlere duyarlı olduğundan dikkatlice ayarlanmalıdır. Çok kısa seriler veya kategorik veriler için uygun değildir. Alternatifler arasında Yaklaşık Entropi, Permütasyon Entropisi veya ölçek bağımlı analizler için Çok Ölçekli Entropi bulunur.
Güçlü yönler & sınırlılıklar
- Şablon karşılaştırmasında kendi kendine eşleşmeleri önler, bu da Yaklaşık Entropi'deki (ApEn) yanlılığı ortadan kaldırır
- ApEn'den daha geniş bir aralıkta zaman serisi uzunluğundan bağımsız tutarlı sonuçlar üretir
- Genel sinyal karmaşıklığını veya düzenliliğini yansıtan tek bir yorumlanabilir skaler sağlar
- Fizyolojik, finansal ve mühendislik alanlarında geniş bir literatür tabanıyla iyi doğrulanmıştır
- Sonuçları önemli ölçüde etkileyen ve evrensel varsayılanları olmayan gömme boyutu m ve tolerans r'yi seçmeyi gerektirir
- Çok kısa zaman serileri (tipik olarak N < 200) için performans düşer, güvenilmez veya tanımsız tahminler verir
- O(N²) çift şablon karşılaştırmaları nedeniyle uzun seriler için hesaplama yoğundur
- Tek bir toplu karmaşıklık değeri sağlar ve sinyalin zamana bağlı veya öleğe özgü yapısını ortaya çıkarmaz
SSS
Örnek Entropi için m ve r'yi nasıl seçerim?
En yaygın kullanılan varsayılanlar, orijinal Richman ve Moorman makalesinde ve sonraki doğrulama çalışmalarında önerildiği gibi m = 2 ve r = standart sapmanın %0.2'sidir. Ancak, optimal değerler alana özgüdür. Veri kümeniz için makul bir m ve r aralığında SampEn'in nasıl değiştiğini gösteren duyarlılık analizlerini rapor etmek iyi bir uygulamadır.
Örnek Entropi ile Yaklaşık Entropi arasındaki fark nedir?
ApEn, kendi kendine eşleşmeleri sayar - bir şablon kendisiyle karşılaştırılır - bu da pozitif bir yanlılık oluşturur ve sonuçların seri uzunluğuna bağlı olmasına neden olur. SampEn, kendi kendine eşleşmeleri açıkça hariç tutarak, farklı seri uzunluklarında daha tutarlı olan yanlı olmayan tahminler üretir. İstatistiksel titizlik gerektiren durumlarda genellikle SampEn tercih edilir, ancak ApEn önceki literatürde yaygın olarak kullanılmaya devam etmektedir.
Örnek Entropi kısa zaman serilerine uygulanabilir mi?
SampEn, olasılık tahminleri yeterli sayıda şablon eşleşmesi bulmaya dayandığı için çok kısa serilerde güvenilirliğini yitirir. Yaklaşık 200'den az veri noktasına sahip seriler için birçok araştırmacı Permütasyon Entropisi'ni veya kısa sinyaller için tasarlanmış diğer ölçümleri tercih eder. N küçük olduğunda, SampEn hiç eşleşme bulunamazsa tanımsız değerler döndürebilir.
Kaynaklar
- Richman, J. S., & Moorman, J. R. (2000). Physiological time-series analysis using approximate entropy and sample entropy. American Journal of Physiology, 278(6), H2039–H2049. DOI: 10.1152/ajpheart.2000.278.6.H2039 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Sample Entropy (Time-Series Complexity). ScholarGate. https://scholargate.app/tr/complex-systems/sample-entropy
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Fraktal AnaliziKarmaşık sistemler↔ karşılaştır
- Tekrarlama Kantifikasyon Analizi (RQA)Karmaşık sistemler↔ karşılaştır