Glossário IA
O dicionário completo da Inteligência Artificial
Causalidade de Granger
Teste estatístico que determina se os valores passados de uma variável X preveem significativamente os valores futuros de uma variável Y, além da informação contida nos valores passados de Y apenas. Não prova uma causalidade física, mas uma previsibilidade temporal direcional entre séries temporais.
Vetores Autorregressivos (VAR)
Modelo econométrico multivariado que captura as interdependências lineares entre várias séries temporais, onde cada variável é explicada pelos seus próprios valores passados e pelos das outras variáveis. Essencial para analisar os efeitos dinâmicos e as relações causais em sistemas temporais complexos.
Entropia de Transferência
Medida informacional que quantifica a transferência de informação entre dois processos estocásticos, baseada na teoria da informação e capaz de detectar relações causais não lineares. Calcula a redução da incerteza sobre os estados futuros de uma variável conhecendo os estados passados de outra variável.
Modelagem Causal Dinâmica
Estrutura bayesiana para inferir as conexões causais direcionais e sua modulação temporal entre regiões cerebrais ou sistemas dinâmicos, baseada em modelos biofísicos. Distingue a conectividade efetiva (causal) da conectividade funcional nos dados temporais.
Causalidade Variável no Tempo
Extensão dos métodos de causalidade temporal que permite que as relações causais variem no tempo, capturando mudanças estruturais ou regimes diferentes nos dados. Essencial para modelar sistemas onde as influências causais evoluem dinamicamente.
Função de Resposta a Impulso
Função que descreve a evolução temporal das variáveis de um sistema VAR em resposta a um choque exógeno em uma variável, mantendo todas as outras coisas iguais. Permite visualizar e quantificar a propagação temporal dos efeitos causais através do sistema.
Mapeamento Cruzado Convergente
Método de detecção de causalidade baseado na teoria dos sistemas dinâmicos não lineares, identificando as relações causais pela reconstrução de estados de variedades. Particularmente eficaz para sistemas acoplados com interações não lineares e ciclos de feedback.
Série Temporal Interrompida
Desenho quase-experimental que analisa o impacto de uma intervenção em uma série temporal, comparando as tendências antes e depois do ponto de interrupção. Permite avaliar os efeitos causais de políticas, tratamentos ou eventos exógenos nas trajetórias temporais.
Análise Contrafactual de Séries Temporais
Abordagem inferencial que estima o que teria acontecido na ausência de uma intervenção, construindo uma série temporal contrafactual sintética a partir de dados de controle. Fundamental para avaliar rigorosamente os efeitos causais de intervenções temporais únicas.
Modelos de Defasagem Distribuída
Modelos de regressão que incorporam os efeitos defasados de uma variável explicativa sobre uma variável resposta, permitindo que as causas afetem os efeitos ao longo de múltiplos períodos temporais. Essenciais para capturar dinâmicas de ajuste e efeitos persistentes em dados longitudinais.
Modelos Causais de Espaço de Estados
Representação matemática de sistemas dinâmicos onde as relações causais são modeladas através de estados latentes não observados que evoluem temporalmente. Permite separar o ruído de medição da dinâmica causal subjacente e incorporar mecanismos causais complexos.
Descoberta Causal Temporal
Conjunto de algoritmos e métodos que identificam automaticamente estruturas causais a partir de dados temporais observados sem hipóteses a priori sobre as relações. Combina restrições temporais, testes de independência e otimização para reconstruir grafos causais direcionados.
Causalidade de Granger Não Linear
Extensão do teste de causalidade de Granger que captura relações preditivas não lineares entre séries temporais, utilizando modelos como redes neurais ou kernels. Essencial quando as relações causais apresentam limiares, saturações ou comportamentos caóticos.
Decomposição da Variância do Erro de Previsão
Técnica VAR que decompõe a variância do erro de previsão de cada variável em partes atribuíveis a choques sobre as diferentes variáveis do sistema. Quantifica a importância relativa das diferentes causas na explicação da variabilidade temporal de cada variável.
Valor de Sincronização de Fase
Medida de sincronização fase-fase entre dois sinais oscilatórios, quantificando a constância da diferença de fase temporal. Utilizada em neurociências e processamento de sinal para detectar relações causais baseadas no acoplamento de fase em dados temporais.
Mediação Causal Longitudinal
Análise que decompõe o efeito total de um tratamento sobre um resultado em efeitos diretos e indiretos através de mediadores medidos longitudinalmente. Permite compreender os mecanismos causais temporais e as cadeias de causalidade em estudos de coortes.
Modelagem de Equações Estruturais Dinâmicas
Extensão da modelagem de equações estruturais para dados longitudinais, incorporando efeitos de causalidade recorrentes e processos estocásticos estacionários. Combina teoria causal e dependências temporais para testar hipóteses complexas sobre mecanismos dinâmicos.