更改

在一般的因果研究当中，[[do算子]]是在消除指向某个变量所有的因果箭头，可以避免[[混杂因子]]造成的[[虚假关联]]。在EI的计算中，[[do算子]]则是把数据和动力学分开，消除了所有从数据中带来的因果箭头，从而变成对动力学本身性质的度量。而之所以要把输入变量干预为[[最大熵分布]]，其实就是要去除数据分布本身带来的影响，对输入变量的分布不引入任何先验假设，平等对待输入变量的每个状态产生的影响。

在一般的因果研究当中，[[do算子]]是在消除指向某个变量所有的因果箭头，可以避免[[混杂因子]]造成的[[虚假关联]]。在EI的计算中，[[do算子]]则是把数据和动力学分开，消除了所有从数据中带来的因果箭头，从而变成对动力学本身性质的度量。而之所以要把输入变量干预为[[最大熵分布]]，其实就是要去除数据分布本身带来的影响，对输入变量的分布不引入任何先验假设，平等对待输入变量的每个状态产生的影响。

[[do算子]]的引入让EI这个指标与其他信息度量指标截然不同，关键在于它是且仅是动力学的函数，一方面这使得它比其他想要刻画因果的指标（比如[[转移熵]]）更能抓住因果概念的本质，另一方面它需要你能够已知或获取到动力学机制，这在只有观测数据的情况下造成了计算上的困难。

[[do算子]]的引入让EI这个指标与其他信息度量指标截然不同，关键在于它是且仅是[[因果机制]]的函数，一方面这使得它比其他想要刻画因果的指标（比如[[转移熵]]）更能抓住因果概念的本质，另一方面它需要你能够已知或获取到[[因果机制]]，这在只有观测数据的情况下造成了计算上的困难。

=Markovian matrix 形式（TPM）=

=Markovian matrix 形式（TPM）=