Causality in Time Series: Its Detection and Quantification by Means of Information Theory

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F08%3A00320325" target="_blank" >RIV/67985556:_____/08:00320325 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Causality in Time Series: Its Detection and Quantification by Means of Information Theory

Popis výsledku v původním jazyce

While studying complex systems, one of the fundamental questions is to identify causal relationships (i.e., which system drives which) between relevant subsystems. In this paper, we focus on information-theoretic approaches for causality detection by means of directionality index based on mutual information estimation. We briefly review the current methods for mutual information estimation from the point of view of their consistency. We also present some arguments from recent literature, supporting theusefulness of the information-theoretic tools for causality detection.

Název v anglickém jazyce

Causality in Time Series: Its Detection and Quantification by Means of Information Theory

Popis výsledku anglicky

While studying complex systems, one of the fundamental questions is to identify causal relationships (i.e., which system drives which) between relevant subsystems. In this paper, we focus on information-theoretic approaches for causality detection by means of directionality index based on mutual information estimation. We briefly review the current methods for mutual information estimation from the point of view of their consistency. We also present some arguments from recent literature, supporting theusefulness of the information-theoretic tools for causality detection.

Druh

C - Kapitola v odborné knize

CEP obor

BD - Teorie informace

OECD FORD obor

—

Projekt

<a href="/cs/project/2C06001" target="_blank" >2C06001: Plně pravděpodobnostní návrh adaptivních rozhodovacích strategií v informačně náročných podmínkách</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2008

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název knihy nebo sborníku

Information Theory and Statistical Learning

ISBN

978-0-387-84815-0

Počet stran výsledku

24

Strana od-do

—

Počet stran knihy

389

Název nakladatele

Springer

Místo vydání

New York

Kód UT WoS kapitoly

—