Quantifying the complexity of trajectory ensembles with clustering-weighted multivariate multiscale sample entropy

Resumen Técnico: Cuantificación de la Complejidad de los Conjuntos de Trayectorias mediante la Entropía de Muestra Multiescala Multivariante Ponderada por Agrupamiento (CWMMSE)

1. Planteamiento del Problema

En las ciencias físicas, biológicas y de la ingeniería, los sistemas se observan cada vez más como conjuntos de trayectorias (por ejemplo, constelaciones de satélites, cohortes clínicas, partículas de fluidos) en lugar de series temporales individuales. Las medidas de complejidad existentes, como la Entropía de Muestra (SampEn), la Entropía Aproximada y la Entropía Multiescala (MSE), caracterizan la imprevisibilidad de series temporales individuales. Sin embargo, aplicar estas medidas a los conjuntos simplemente promediando la complejidad de las trayectorias individuales descarta la diversidad estructural de la población.

El artículo identifica una limitación crítica en este enfoque de "promedio": este confunde la complejidad individual (qué tan irregular es una trayectoria única) con la diversidad del conjunto (qué tan variada es la población de trayectorias). En consecuencia, el promedio no puede distinguir entre:

1. Una población redundante donde cada miembro exhibe el mismo comportamiento intrincado.
2. Una población diversa donde coexisten muchos comportamientos distintos e individualmente simples.

Los autores argumentan que una medida fiel de la complejidad de un sistema debe dar cuenta simultáneamente de la irregularidad de los miembros y de la diversidad de la población, ya que estos dos componentes pueden divergir significamente en datos del mundo real.

2. Metodología: Entropía de Muestra Multiescala Multivariante Ponderada por Agrupamiento (CWMMSE)

Los autores proponen la CWMMSE, una métrica que fusiona la complejidad individual y la diversidad del conjunto en un único valor de entropía ponderada. La construcción procede en tres etapas:

A. Complejidad Intra-Trayectoria (Componente Individual)
Para cada trayectoria $T_j$ en un conjunto de $M$ series temporales multivariantes, los autores computan la Entropía de Muestra Multiescala Multivariante (MMSE).

• Submuestreo (Coarse-graining): En la escala temporal $s$, los canales se promedian sobre bloques no superpuestos.
• Incrustación de Retardo (Delay Embedding): Se forman vectores de retardo compuestos a través de todos los canales.
• Cálculo de la Entropía: Se calcula la probabilidad condicional de que dos segmentos que coinciden en la dimensión de incrustación $d$ también coincidan al extenderse por un ejemplo por canal; el logaritmo negativo de esta probabilidad produce $S(T_j)$.
• Este paso captura la complejidad dinámica intrínseca de cada trayectoria individual.

B. Diversidad del Conjunto (Componente de la Población)
Las trayectorias se agrupan en patrones de comportamiento mediante agrupamiento (clustering).

• Agrupamiento: Se utiliza el enlace de Ward (Agglomerative Ward linkage) sobre una métrica de disimilitud de trayectoria (por defecto, distancia euclidiana punto a punto).
• Resolución: El agrupamiento se corta en una altura específica (definida como una fracción de la distancia máxima de enlace) para definir los patrones de comportamiento.
• Métrica de Diversidad: La distribución de la población sobre estos $k$ grupos se cuantifica mediante la entropía de grupo de Shannon, $H(C) = -\sum p_i \ln p_i$, donde $p_i$ es la fracción de trayectorias en el grupo $i$. Esto se normaliza por $\ln M$ para obtener $\hat{H}$.

C. Fusión: La Entropía Ponderada
La CWMMSE combina estos ingredientes utilizando el marco de la entropía ponderada de Belis y Guiaşu.

• Fórmula: $S_{CWMMSE} = \sum_{i=1}^{k} (-p_i \ln p_i) S_i$, donde $S_i$ es la media de la MMSE de las trayectorias en el grupo $i$.
• Interpretación: Esta es la entropía de Shannon de la distribución de patrones de la población, donde cada resultado (patrón) es ponderado por su propia complejidad dinámica.
• Base Teórica: Los autores demuestran que el estimador de inserción empírica de la CWMMSE es fuertemente consistente para una partición finita fija a medida que el tamaño del conjunto $M \to \infty$.

Distinción Clave de las Alternativas:

• Vs. Promedio: El promedio ($\bar{S}$) ignora la diversidad.
• Vs. Índices de Diversidad (ej. Entropía Cuadrática de Rao): Estos ponderan por disimilitud de pares, fallando al no distinguir entre una población diversa de comportamientos complejos y una población diversa de comportamientos triviales (predecibles).
• Vs. Producto Separable ($H(C) \cdot \bar{S}$): Aunque el producto respeta los límites de ambos ingredientes, descarta el acoplamiento complejidad-diversidad. La CWMMSE retiene la covarianza entre la complejidad de un patrón y su prevalencia (sorpresa), la cual no es despreciable en datos reales.

3. Contribuciones Clave

1. Definición y Teoría: Introducción de la CWMMSE como un caso específico de la entropía ponderada de Belis y Guiaşu, aplicada a conjuntos de trayectorias, con una prueba de consistencia fuerte para el estimador empírico bajo resolución fija.
2. Descomposición: Demostración de que la complejidad del sistema se descompone en dos componentes divergentes: la complejidad intra-trayectoria y la diversidad entre trayectorias.
3. Necesidad de Ingredientes Duales: Validación mediante dos "controles" que muestran que las medidas de un solo ingrediente fallan:
   • Control Cardíaco: La entropía promedio clasifica incorrectamente los corazones enfermos como más complejos que los sanos; la CWMMSE identifica correctamente la cohorte enferma como menos compleja debido a un colapso en la diversidad de la población.
   • Nulo Orbital: Los índices de pura diversidad (como la entropía de Rao) clasifican una nube de escombros satelitales perfectamente predecibles como altamente complejas; la CWMMSE devuelve correctamente una complejidad cercana a cero porque las trayectorias individuales son triviales.
4. Validación Transversal de Dominios: Aplicación de la medida en once sistemas (caos, errantes oceánicos, ECG, órbitas de satélites, turbulencia, ciclones, etc.) sin ajuste por sistema, mostrando que la descomposición se mantiene universalmente.

4. Resultados

• Caos Determinista: La CWMMSE ordena correctamente los regímenes de los sistemas de Lorenz y Rössler, alcanzando su máximo en regímenes caóticos y aproximándose a cero en regímenes de punto fijo o periódicos. Distingue el caos no lineal de los sustitutos de ruido lineal.
• Errantes Oceánicos: La Corriente del Golfo (flujo energético) tiene mayor complejidad individual (trayectorias tortuosas) pero menor complejidad del sistema (estructuras redundantes y coherentes) comparada con el Mar de los Sargazos (giro quiescente), que tiene menor complejidad individual pero mayor complejidad del sistema debido a trayectorias diversas e independientes. La CWMMSE clasifica correctamente al Mar de los Sargazos como el sistema más complejo.
• Cohortes de ECG: En cohortes con infarto de miocardio (IM) frente a cohortes sanas, la complejidad individual por registro es casi idéntica (o ligeramente superior en el IM). Sin embargo, la cohorte sana exhibe significativamente mayor diversidad de conjunto (morfologías más variadas). La CWMMSE revierte la clasificación de la entropía promedio, identificando correctamente a la población sana como más compleja.
• Órbitas de Satélites: Una nube de escombros de órbita terrestre baja es máximamente diversa en posición pero individualmente predecible. Los índices de pura diversidad clasifican esto como el sistema más complejo; la CWMMSE asigna correctamente una complejidad cercana a cero.
• Otros Sistemas: La medida distingue con éxito el flujo turbulento del laminar, ordena las trayectorias de ciclones tropicales por su erratismo y detecta un colapso en la complejidad del sistema durante la onda de tren de ondas del terremoto de Tohoku de 2011.

5. Significado y Reivindicaciones

El artículo sostiene que la complejidad de la población debe ser medida en lugar de promediada. El argumento central es que la complejidad de un conjunto no es simplemente la suma o el promedio de sus partes; es una propiedad distinta que surge de la interacción entre la irregularidad individual y la diversidad de la población.

• Significado Teórico: La CWMMSE proporciona un marco de información teórica principista (entropía ponderada) que unifica los conceptos de complejidad dinámica y diversidad funcional. Resuelve la ambigüedad donde un sistema puede ser "complejo" en un sentido (trayectorias individuales) pero "simple" en otro (población redundante), o viceversa.
• Significado Práctico: La medida ofrece una herramienta de diagnóstico para campos que van desde la fisiología (detección de enfermedades mediante la pérdida de diversidad poblacional) hasta la conciencia situacional espacial (distinguir escombros complejos de órbitas predecibles).
• Limitaciones y Alcance: Los autores señalan modestamente que la CWMMSE es un instrumento comparativo dentro de un estudio, dependiente de la resolución del agrupamiento y el tamaño del conjunto. Clasifica sistemas de estocasticidad comparable en lugar de separar la estructura del ruido (ya que la entropía de muestra tasa el ruido como altamente irregular). El parámetro de resolución se trata como un ajuste explícito y reportable en lugar de un elemento molesto a eliminar.

En conclusión, el artículo establece que, para sistemas observados como conjuntos de trayectorias, una medida fiel de la complejidad debe capturar tanto la intrincación de los miembros como la variedad de la población, un requisito cumplido por la entropía de muestra multiescala multivariante ponderada por agrupamiento.