更改

</math>

</math>

这两个计算式等价，因为当前假设为为时不变系统(time invariant, [math]\langle t_{-1} \rightarrow t_0\rangle = \langle t_0 \leftarrow t_{+1} \rangle[/math])，原因信息和结果信息通过贝叶斯公式关联。[math]EI[/math]也是所有可能原因和结果之间的互信息(mutual information, MI), [math]MI(U^C;U^E)[math]。

这两个计算式等价，因为当前假设为为时不变系统(time invariant, [math]\langle t_{-1} \rightarrow t_0\rangle = \langle t_0 \leftarrow t_{+1} \rangle[/math])，原因信息和结果信息通过贝叶斯公式关联。[math]EI[/math]也是所有可能原因和结果之间的互信息(mutual information, MI), [math]MI(U^C;U^E)[/math]。

作为一种因果度量方法，EI度量了系统中由因导向果的有效性(确定性和独特性)，以及从果寻因的选择性。和状态依赖的方法一样，系统内因果相互作用的有效性([math]Eff[/math])也由用EI进行系统状态大小归一化后得到：[math]{Eff}(S) = \frac{\text{EI}(S)}{\log_2(n)}[/math]，Eff也可以被分解为确定性和简并性两部分：

作为一种因果度量方法，EI度量了系统中由因导向果的有效性(确定性和独特性)，以及从果寻因的选择性。和状态依赖的方法一样，系统内因果相互作用的有效性([math]Eff[/math])也由用EI进行系统状态大小归一化后得到：[math]{Eff}(S) = \frac{{EI}(S)}{\log_2(n)}[/math]，Eff也可以被分解为确定性和简并性两部分：

<math>

<math>