Resumen

Comprender y cuantificar la influencia mutua entre sistemas siguen siendo tareas cruciales pero desafiantes en cualquier empresa científica. El coeficiente de correlación de Pearson, la información mutua y la proporción de calidad de la información son los indicadores más ampliamente utilizados, siendo solo los dos últimos válidos para interacciones no lineales. Dadas sus limitaciones, se propone un nuevo criterio, el criterio de influencia recíproca, que es muy simple conceptualmente y no hace ninguna suposición sobre las estadísticas de las variables estocásticas involucradas. Además de estar normalizado como la proporción de calidad de la información, proporciona una resistencia mucho mejor al ruido y una estabilidad mucho mayor a los problemas relacionados con la determinación de las funciones de distribución de probabilidad involucradas. También se ha desarrollado una versión condicional, para contrarrestar los efectos de variables de confusión, que muestra las mismas ventajas en comparación con los indicadores más tradicionales. Se informa de una serie de pruebas sistemáticas con ejemplos numéricos, para comparar

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Influencia mutua; Coeficiente de correlación de Pearson; Información mutua; Ratio de calidad de la información; Criterio de influencia recíproca; Versión condicional
• Keywords:Mutual influence; Pearson correlation coefficient; Mutual information; Information quality ratio; Reciprocal influence criterion; Conditional version