近似エントロピーとサンプルエントロピー：包括的なチュートリアル

近似エントロピーとサンプルエントロピーは、パターンの存在に基づいて一連のデータの規則性を決定するための2つのアルゴリズムです。それらの類似点にもかかわらず、これらのテクニックの背後にある理論的なアイデアは異なりますが、通常は無視されます。このペーパーは、アルゴリズムの理論と適用の完全なガイドラインになることを目的としており、その特性をさまざまな分野の研究者に詳細に説明することを目的としています。最初は生理学的用途向けに開発されましたが、両方のアルゴリズムは、医学、通信、経済学、地球科学などの他の分野で使用されています。この論文では、情報理論とカオス理論を含む理論的側面を説明し、それらの計算のための簡単なソースコードを提供し、アルゴリズムを適切に使用する方法の段階的な例でテクニックを説明します。このペーパーは、アルゴリズムの以前のすべてのアプリケーションの徹底的なレビューではなく、方法論を理解するために以前の知識が必要ない包括的なチュートリアルです。

Approximate Entropy and Sample Entropy are two algorithms for determining the regularity of series of data based on the existence of patterns. Despite their similarities, the theoretical ideas behind those techniques are different but usually ignored. This paper aims to be a complete guideline of the theory and application of the algorithms, intended to explain their characteristics in detail to researchers from different fields. While initially developed for physiological applications, both algorithms have been used in other fields such as medicine, telecommunications, economics or Earth sciences. In this paper, we explain the theoretical aspects involving Information Theory and Chaos Theory, provide simple source codes for their computation, and illustrate the techniques with a step by step example of how to use the algorithms properly. This paper is not intended to be an exhaustive review of all previous applications of the algorithms but rather a comprehensive tutorial where no previous knowledge is required to understand the methodology.