Information theoretic approaches for multivariate analysis and their applications

Nedensellik, bilim ve mühendislikte en zorlu konulardan biridir. Birçok uygulamada, karmaşık sistemler arasındaki neden ve sonuç ilişkileri net değildir. Literatürde, Granger nedenselliği ve Transfer Entropisi gibi birçok bilgi teorik yaklaşımı, rastgele değişkenler arasındaki etkileşimlerin yönünü tahmin etmek için başarıyla uygulanmıştır. Bununla birlikte, bu analizlerin çoğu değişken çiftleri arasındaki ilişkilere odaklanmıştır. Karmaşık sistemlerde, değişkenlerin sayısı büyük sayılara çıkabilir ve her bir çiftin etkileşimlerinin analizi sorunlu olabilir. Bu tezde, etkileşim halindeki birçok değişken arasındaki gizli bilgiyi bulmak için koşullu Transfer Entropisi kullanmayı öneriyoruz. İkili transfer entropisinin yönlü etkileşimleri belirlemede etkili olabileceğini gösteriyoruz, ancak bu ilişkilerin bazıları üçüncü bir değişkenle etkileşimden kaynaklanıyor olabilir. Bilgisayar simülasyonları, bunları sentetik bağlı otoregresif modelde ve ayrıca Ubiquitin protein verilerinde doğrular; burada, belirli değişkenler üzerinde koşullandırma yaparak etkileşimler hakkında daha fazla bilgi elde edebileceğimizi gösteririz.