Metraipolis › archive › dc_c1cfce73d414

Entropía de transferencia — Wikipedia (es)

Source
Wikipedia (es)
Original
https://es.wikipedia.org/wiki/Entrop%C3%ADa_de_transferencia
License (as archived)
CC-BY-SA-4.0
Archived
2026-11-06T22:11:04.116Z
SHA-256 of the archived text
096c2487f717ff27fb7d33fc24ccf397be58c2c5935632d5647e6c5b9f78d199
Stable URL of this page
https://metraipolis.com/documento/dc_c1cfce73d414

How to cite

Entropía de transferencia — Wikipedia (es) — Wikipedia (es), https://es.wikipedia.org/wiki/Entrop%C3%ADa_de_transferencia (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_c1cfce73d414 (Metraipolis archive dc_c1cfce73d414, sha256 096c2487f717ff27fb7d33fc24ccf397be58c2c5935632d5647e6c5b9f78d199)
BibTeX
@misc{dcc1cfce73d414,
  title = {Entropía de transferencia — Wikipedia (es)},
  howpublished = {Wikipedia (es)},
  url = {https://es.wikipedia.org/wiki/Entrop%C3%ADa_de_transferencia},
  note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_c1cfce73d414; sha256 096c2487f717ff27fb7d33fc24ccf397be58c2c5935632d5647e6c5b9f78d199},
  year = {2026}
}

Archived text

Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (es), https://es.wikipedia.org/wiki/Entrop%C3%ADa_de_transferencia. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

La entropía de transferencia es una estadística no paramétrica que mide la cantidad de información transferida de manera dirigida (es decir, asimétrica en el tiempo) entre dos procesos aleatorios. Específicamente, la entropía de transferencia de un proceso X a otro proceso Y cuantifica la reducción en la incertidumbre de los valores futuros de Y al conocer los valores pasados de X, dando el conocimento de valores pasados de Y. Formalmente, si X t {\displaystyle X_{t}} y Y t {\displaystyle Y_{t}} para t ∈ N {\displaystyle t\in \mathbb {N} } representan dos procesos aleatorios y la cantidad de información se mide mediante la entropía de Shannon, la entropía de transferencia se puede se expresa como: T X → Y = H ( Y t ∣ Y t − 1 : t − L ) − H ( Y t ∣ Y t − 1 : t − L , X t − 1 : t − L ) , {\displaystyle T_{X\rightarrow Y}=H\left(Y_{t}\mid Y_{t-1:t-L}\right)-H\left(Y_{t}\mid Y_{t-1:t-L},X_{t-1:t-L}\right),} donde H(X) es la entropía de Shannon de X. La definición anterior de entropía de transferencia se ha ampliado con otros tipos de medidas de entropía, como la entropía de Rényi. La entropía de transferencia es información mutua condicional, con la historia de la variable influenciada Y t − 1 : t − L {\displaystyle Y_{t-1:t-L}} en la condición: T X → Y = I ( Y t ; X t − 1 : t − L ∣ Y t − 1 : t − L ) . {\displaystyle T_{X\rightarrow Y}=I(Y_{t};X_{t-1:t-L}\mid Y_{t-1:t-L}).} La entropía de transferencia se reduce a la causalidad de Granger para los procesos autorregresivos vectoriales. Por lo tanto, es ventajosa cuando la suposición del modelo de causalidad de Granger no se cumple, por ejemplo, en el análisis de señales no lineales. Sin embargo, normalmente requiere más muestras para una estimación precisa. Las probabilidades en la fórmula de la entropía pueden estimarse utilizando diferentes enfoques (agrupamiento en bins, vecinos más cercanos) o, para reducir la complejidad, mediante una incrustación no uniforme. Aunque originalmente se definió para el análisis bivariado, la entropía de transferencia se ha extendido a formas multivariadas, ya sea condicionada a otras posibles variables fuente o considerando la transferencia desde una colección de fuentes, aunque estas formas requieren aún más muestras. La entropía de transferencia se ha utilizado para estimar la conectividad funcional de las neuronas, la influencia social en las redes sociales y la causalidad estadística entre eventos de conflicto armado. La entropía de transferencia es una versión finita de la información dirigida que fue definida en 1990 por James Massey como I ( X n → Y n ) = ∑ i = 1 n I ( X i ; Y i | Y i − 1 ) {\displaystyle I(X^{n}\to Y^{n})=\sum _{i=1}^{n}I(X^{i};Y_{i}|Y^{i-1})} , dónde X n {\displaystyle X^{n}} denota el vector X 1 , X 2 , . . . , X n {\displaystyle X_{1},X_{2},...,X_{n}} y Y n {\displaystyle Y^{n}} denota Y 1 , Y 2 , . . . , Y n {\displaystyle Y_{1},Y_{2},...,Y_{n}} . La información dirigida juega un papel importante en la caracterización de los límites fundam

Tema degli esploratori: scibile generale (retro-catalogo completo della fonte, senza filtro di tema) (deposito sistematico; retro-catalogo: tutte le voci di Wikipedia in spagnolo, in ordine alfabetico).
Fonte: Wikipedia in spagnolo, voce «Entropía de transferencia» — https://es.wikipedia.org/wiki/Entrop%C3%ADa_de_transferencia
Wikidata Q17147155: «measure the amount of directed (time-asymmetric) transfer of information» (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q17147155
Autori: i contributori di Wikipedia (cronologia: https://es.wikipedia.org/wiki/Entrop%C3%ADa_de_transferencia?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 169826420, consultata il 2026-11-06T22:05:56.518Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 76331db9524f576f510318fd0259a7fd0cdc01e334ef7bd37a7220623f938084