Abstract: A. Provenzale, L. A. Smith, R. Vio, G. Murante (1992)

The success of current attempts to distinguish between low-dimensional chaos and random behavior in a time series of observations is considered. First we discuss stationary stochastic processes which produce finite numerical estimates of the correlation dimension and K² entropy under naive application of correlation integral methods. We then consider several straightforward tests to evaluate whether correlation integral methods reflect the global geometry or the local fractal structure of the trajectory. This determines whether the methods are applicable to a given series; if they are we evaluate the significance of a particular result, for example, by considering the results of the analysis of stochastic signals with statistical properties similar to those of observed series. From the examples considered, it is clear that the correlation integral should not be used in isolation, but as one of a collection of tools to distinguish chaos from stochasticity.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Distinguishing between low-dimensional dynamics and randomness in measured time series