From Nonlinearity to Causality: Statistical Testing and Inference of Physical Mechanisms Underlying Complex Dynamics

0308084 - ÚI 2008 RIV GB eng J - Journal Article
Paluš, Milan
From Nonlinearity to Causality: Statistical Testing and Inference of Physical Mechanisms Underlying Complex Dynamics.
[Od nelinearity ke kauzalite: Statistické testování a inference fyzikálních mechanismů vedoucích ke složité dynamice.]
Contemporary Physics. Roč. 48, č. 6 (2007), s. 307-348. ISSN 0010-7514. E-ISSN 1366-5812
R&D Projects: GA AV ČR IAA3042401
EU Projects: European Commission(XE) 517133 - BRACCIA
Institutional research plan: CEZ:AV0Z10300504
Keywords : inference * statistical testing * time series * surrogate data * nonlinearity * causality
Subject RIV: BB - Applied Statistics, Operational Research
Impact factor: 4.651, year: 2007

Principles and applications of statistical testing as a tool for inference of underlying mechanisms from experimental time series are discussed. The computational realizations of the test null hypothesis known as the surrogate data are introduced within the context of discerning nonlinear dynamics from noise, and discussed in examples of testing for nonlinearity in atmospheric dynamics, solar cycle and brain signals. The concept is further generalized for detection of directional interactions, or causality in bivariate time series.

Diskutujeme principy a aplikace statistického testování jako nástroje odhalování mechanismu generujících pozorované časové rady. Popisujeme numerické generování realizaci nulových hypotéz v kontextu odlišení nelineární dynamiky od sumu. Uvádíme příklady testování nelinearity v dynamice atmosféry, slunečního cyklu a v signálech lidského mozku. Metodologii dále zobecňujeme k využití v testování kauzality ve dvourozměrných časových řadách.
Permanent Link: http://hdl.handle.net/11104/0160668