Aplicação de teoria de sistema dinâmicos para inferência de causalidade entre séries temporais sintéticas e biológicas.

Abstract

A modelagem matemática é uma ferramenta presente nos campos da ecologia teórica e da biologia ma- temática. Porém tais modelos que tentam reproduzir parte da dinâmica natural são limitados, o que rapidamente esgota as possibilidades de investigações e exploração dos dados. Visando contornar isso partimos para o contexto da reconstrução de espaços-de-fase, pois queremos obter outras informações sobre aquilo que temos em mãos, a observação da natureza, o dado. De posse dessa nova aplicação da teoria de sistemas dinâmicos, é nos possibilitado uma nova inferência sobre o fenômeno observado, bem como suas causas que, através do modelo estavam ocultas. A técnica do mapeamento cruzado convergente, entre atratores gerados pela reconstrução de espaços-de-fase, através da representação do espaço-de-fase original num espaço euclidiano formado pela série temporal original e seus atrasos, pos- sibilita uma inferência de causalidade mais pragmática e mais efetiva para sistemas que obedeçam uma dinâmica não-linear, o caso para as muitas séries ecológicas e biológicas de interesse.

Mathematical modeling is an almost omnipresent tool in the fields of theoretical ecology and mathe- matical biology. However, such models that try to partially reproduce the natural dynamics are limited, which quickly runs out possibilities for data-driven investigation and exploration. Aiming to circumvent this, we set out to the context of phase-space reconstruction, since we want to obtain other information on what is in hands, an observation of nature, the data. In possession of the new application of the theory of dynamical systems, are enabled to us a new type of inference on the observed phenomenon, and its causes, until now hidden by the models. The technique of convergent-cross mapping, among attractors generated by phase-space reconstruction through the representation of the original phase-space in a Euclidean space formed by the original time series and its delays, enables us a more pragmatic inference of causality and more effective for systems that obey a nonlinear dynamics, the case for many ecological and biological series of interest.