A methodology for detection of causal relationships between discrete time series on systems

• Ano de defesa: 2019
• Autor(a) principal: Abreu, Rute Souza de
• Orientador(a): Oliveira, Luiz Affonso Henderson Guedes de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: Detecção de relações de causalidade; Transferência de entropia; Algoritmo K2; Redes Bayesianas
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/26828

A necessidade de detectar relações de causalidade entre processos, eventos ou variáveis está presente em diversas áreas do conhecimento, por exemplo, computação distribuída, mercado de ações, indústria, medicina, etc. Isso ocorre porque a identificação dessas relações pode, muitas vezes, ser útil na solução de diversos problemas. Por exemplo, manter a consistência de bancos de dados replicados ao escrever algoritmos distribuídos ou otimizar a compra e venda de ações no mercado financeiro. Neste contexto, esta dissertação propõe uma nova metodologia para detecção de relações de causalidade em sistemas utilizando critérios de informação e redes Bayesianas para gerar uma estrutura de conexões entre séries temporais, de tempo discreto, mais provável. Modelando o sistema como um grafo, no qual os nós são as séries temporais discretas e as arestas representam as relações, a ideia principal deste trabalho é detectar relações de causalidade entre os nós. Essa detecção é feita usando o método de transferência de entropia, que é um método para quantificar a transferência de informação entre duas variáveis, e o algoritmo K2, um método heurístico cujo objetivo é encontrar a estrutura de rede Bayesiana mais provável, dado um conjunto de dados. Porque o K2 depende da premissa de ter uma estrutura previa que define a hierarquia entre os nós da rede, é proposto na metodologia a criação desta pré-ordem considerando as relações diretas e indiretas, e a modelagem destas de acordo com o atraso entre causa e efeito. Além disso, sabendo que o algoritmo K2 considera que cada instância do conjunto de dados ocorre simultaneamente, a metodologia proposta modifica o algoritmo original inserindo nele a dinâmica desses atrasos. Esta modificação provê um mecanismo para comparar as relações de causalidade direta e indireta em relação à contribuição destas para a estrutura da rede. Como resultado obtém-se um grafo que representa relações de causalidade entre as séries, com os atrasos das relações explicitadas.