Medidas de Complejidad de series de tiempo.

En las dos ltimas dcadas se ha trabajado mucho en la investigacin de la complejidad y

se han propuesto innumerables formas de cuantificarla [11].
Como consecuencia los estudiosos de la HRV se lanzaron a utilizar medidas no lineales, los
primeros trabajos aplicaron la nonlineal dynamics theory pero toparon con serios
inconvenientes, principalmente que the sequences of heart periods are, short, noisy, and
often nonstationary [22]. Como una salida a estas dificultades se han propuesto ndices
que usan Dinmica Simblica algunos de ellos desarrollados con el enfoque de la Teora de
la Informacin. Un trabajo muy completo de la aplicacin de indices no lineales desde el
punto de vista clnico es [33].
Dinmica Simblica
Una tcnica muy utilizada ltimamente en el anlisis de complejidad de series de tiempo es
la llamada Dinmica Simblica que consiste en sustituir la serie original X=(x,,xn) a
estudiar por otra S=(s1,,sk), derivada de ella, y que est formada usando un nmero
pequeo de smbolos [12]. Con esta sustitucin se pierde informacin de la serie original
pero se gana en robustez y en operatividad ya que resulta computacionalmente muy
econmica.
Para que la serie simblica retenga informacin relevante sobre las propiedades dinmicas
de la serie original es necesario asignar los smbolos de manera adecuada, tericamente
esto se puede hacer cuando se cuenta con (generating partition), in these cases, studying
the symbolic dynamics is completely equivalent to studying the original dynamics [ ] pero
aunque se han propuesto algunos mtodos interesantes para obtener la g.p. [ 44 y 55]. en la
prctica an dicha particin generadora es difcil de encontrar.
Una forma de aprovechar las ventajas de la dinmica simblica salvando el problema de
encontrar una particin generadora es mediante la entropa permutacional [2,3] que no
designa los smbolos en funcin de la magnitud de x si no por su relacin con los vecinos.

La entropa permutacional (permutation entropy) .En la entropa permutacional cada elemento de una vecindad se sustituye por un smbolo
de acuerdo al orden, de mayor a menor, que guarda en relacin con su vecinos, as en la
vecindad (20,11,65) los valores sern (2,3,1).
(20, 11, 65)
(2 , 3, 1)
ya que el primer elemento 20 ocupa el lugar 2 en cuanto a magnitud, el segundo 11es
el menor de todos por lo que ocupa el lugar 3 y el tercero 65 es el mayor por lo que
ocupa el lugar 1.
En general el ensimo elemento se sustituye por el smbolo n.
De esta manera se le asocia a cada vecindad una permutacin.
En particular, en las series RR al compararse elementos de una vecindad es comn
encontrar dos elementos Si y Sj con el mismo valor, en tales casos hemos considerado
como mayor al que se encuentre ms a la derecha as en la vecindad (500,704, 600, 704)
consideramos el s4 como mayor que el s2, a pesar de tener ambos valor 704.

(500,704, 600, 704)

(4 ,
3, 1, 2)
Nosotros ,por sencillez, preferimos seguir este mtodo en caso de empate y no al usado por
[2] ya que comprobamos que la diferencia entre uno y otro tena impacto totalmente
despreciable en el poder discriminatorio de las entropas.
Nosotros consideramos vecindades agrupando los elementos de la serie usando el modo
Lumping.
Gliding y Lumping.Para extraer informacin de una serie simblica es muy comn agrupar elementos, para ello
hay bsicamente dos formas de hacerlo Gliding y Lumping, para explicarlos nos valdremos
de un ejemplo:
Suoponga que se desean tomar grupos de tamao 3 en la serie s1,s2,s7
Gliding considera s1,s2,s3/s2,s3,s4/s3,s4,s5/s4,s5,s6/s5,s6,s7/
Como se puede ver Gliding agrupa deslizando un marco, de manera que los grupos vecinos
comparten todos excepto uno de sus elementos.
Lumping considera s1,s2,s3/s4,s5,s6/ y el elemento s7 se desecha.
Lumping agrupa realizando una especie de particin en la serie, tomando el primer
elemento de un grupo inmediatamente despus del ltimo elemento del grupo anterior, de
tal manera que sus grupos no comparten ningn elemento, aunque en algunos casos queden
al final de la serie algunos elementos que se deben de desechar.
En general, para formar grupos de tamao m,
Gliding s1,..,sm/s2,..,s(m+1)/s3,s(m+2)/
Lumping s1,sm/s(m+1),,s(2m)/s(2m+1),s(3m)/
Lumping presenta varias ventajas sobre gliding [1] en particular nosotros lo aplicamos
porque is much more sensitive in ergodic properties of (weakly) chaotic systems, adems
de ser computacionalmente ms econmico.

Shanon Entropy
The Shannon entropy of a variable

bits, where

is defined as

es la probablilidad de que

tome el valor

, and

is defined as 0 if

Cuanto ms parecidas sean las probabilidades de los diferentes valores que puede tomar X
mayor ser la entropa, de manera que la entropa de Shannon es tambin una medida de lo

bien distribuidas que se encuentran las probabilidades entre todas los posibles valores de
la variable.
Concebida como una medida de informacin, para muchos autores como [5] la entropa de
Shanon es una medida de complejidad.
Permutation Entropy
En la entropa permutacional las valores x son las posibles permutaciones que presentan las
vecindades.
A cada permutacin posible (valor posible) se le asigna una probabilidad p( i)
p( i) = No. de ocurrencia de la permutacin i / No. de todas las vecindades.
La entropa permutacional Hp(m) de orden m se calcula aplicando la citada frmula
Hp( m)= -Pj)*( log 2 Pj)
n

La sumatoria corre sobre todas las m! permutaciones de orden m posibles.

It is clear that 0 < H(n) < log2 n! where the lower bound is attained for cuando todas
las vecindades pertenecen a una misma permutacin, and the upper bound for a
completely random system (i.i.d. sequence) where all n! possible permutations appear
with the same probability.

[11] J. S. Shiner,
[12]

Matt Davison, P.T. Landsberg, Phys. Rev. E 59, 1459 (1999).

E. M. Bollt, J. Skufca, Markov Partitions, Encyclopedia of Nonlinear Science,

invited short, Editor, Alwyn Scott, Routledge, New York, (2005).

[1] Karamanos, K.: Entropy analysis of substitutive sequences revisited,

J. Phys. A: Math. Gen., 34, 92319241, 2001.
[2] Bandt C, Pompe B (2002) Permutation entropy: a natural
complexity measure for time series. Phys Rev Lett 88:174102
[3] Cao Y, Tung WW, Gao JB, Protopopescu VA, Hively LM
(2004) Detecting dynamical changes in time series using the
permutation entropy.

[77]
R. Carvajal, M. Vallverd., R. Baranowski., E. Orlowska-Baranowska, J.J.
Zebrowski, P. Caminal, Dynamic Non-Linear Analysis of Heart Rate Variability in
Patients with Aortic Stenosis. Computers in Cardiology. vol. 29, pp. 449-452,
2002.
[22] Entropies of short binary sequences in heart period dynamics.
Cysarz D, Bettermann H, van Leeuwen P
Am J Physiol Heart Circ Physiol 2000 Jun, 278:H2163-72

[33] Nonlinear Indices of Heart Rate Variability in Chronic Heart

Failure Patients: Redundancy and Comparative Clinical Value

Authors: MAESTRI, ROBERTO1; PINNA, GIAN DOMENICO1; ACCARDO, AGOSTINO2; ALLEGRINI,

PAOLO3; BALOCCHI, RITA4; D'ADDIO, GIANNI1; FERRARIO, MANUELA5; MENICUCCI, DANILO4; PORTA,
ALBERTO6; SASSI, ROBERTO; SIGNORINI, MARIA GABRIELLA5; LA ROVERE, MARIA TERESA7; CERUTTI,
SERGIO5
Source: Journal of Cardiovascular Electrophysiology, Volume 18, Number 4, April 2007 , pp. 425-433(9)
Publisher: Blackwell Publishing

[44] M. B. Kennel and M. Buhl, Phys. Rev. Lett. 91, 084102 (2003).
[55] Y. Hirata, K. Judd and D. Kilminster, Estimating a generating partition from
observed time series: Symbolic shadowing, Phys. Rev. E, 70 (2004), 016215.

H(X) alcanza un mximo igual a log2 (k) ,k = nmero de estados posibles, cuando todos
los estados tienen la misma probabilidad, y un mnimo igual a 0 cuando nicamente se
presenta un slo estado.