Key points are not available for this paper at this time.
Die ‚kausale‘ Richtung ist von großer Bedeutung, wenn es um komplexe Systeme geht. Oft sind große Datenmengen in Form von Zeitreihen verfügbar, und es ist wichtig, Methoden zu entwickeln, die über mögliche kausale Zusammenhänge zwischen den verschiedenen Beobachtungen informieren können. Hier untersuchen wir die Fähigkeit des Maßes der Transferentropie, kausale Beziehungen zu identifizieren, die in aufkommenden kohärenten Korrelationen eingebettet sind. Dazu wenden wir zunächst die Transferentropie auf ein modifiziertes Ising-Modell an. Darüber hinaus verwenden wir ein einfaches Random-Transition-Modell, um die Zuverlässigkeit der Transferentropie als Maß für die ‚kausale‘ Richtung in Gegenwart stochastischer Fluktuationen zu testen. Insbesondere untersuchen wir systematisch den Effekt der endlichen Größe von Datensätzen.
Razak et al. (Mon.) haben diese Frage untersucht.