更改

当我们讨论因果关系时，不应该简单地认为它只是一个简单的原因导致结果的关系。实际上，这种关系可以从两个不同的角度来看：一个是充分性，另一个是必要性。充分性是指一个原因是否总是能导致一个特定的结果，而必要性是指为了得到这个结果，是否需要这个特定的原因。我们可以把这两个概念看作是理解因果关系的基本元素，称为因果基元（Causal Primatives）<ref name=" Hoel 2022"/>。在更广泛的意义上，充分性和必要性分别反映了因果关系之间的确定性和简并性。

当我们讨论因果关系时，不应该简单地认为它只是一个简单的原因导致结果的关系。实际上，这种关系可以从两个不同的角度来看：一个是充分性，另一个是必要性。充分性是指一个原因是否总是能导致一个特定的结果，而必要性是指为了得到这个结果，是否需要这个特定的原因。我们可以把这两个概念看作是理解因果关系的基本元素，称为因果基元（Causal Primatives）<ref name=" Hoel 2022"/>。在更广泛的意义上，充分性和必要性分别反映了因果关系之间的确定性和简并性。

==== 充分性的形式化 ====

==== 充分性的形式化 ====

1.充分性：这里指的是原因<math>c</math>对产生结果<math>e</math>的充分程度。如果每当原因<math>c</math>发生时，结果<math>e</math>总是随之发生，那么我们可以说<math>c</math>是产生<math>e</math>的充分条件。换句话说，<math>c</math>的存在足以确保<math>e</math>的发生。充分性用公式表示为

1.充分性：这里指的是原因<math>c</math>对产生结果<math>e</math>的充分程度。如果每当原因<math>c</math>发生时，结果<math>e</math>总是随之发生，那么我们可以说<math>c</math>是产生<math>e</math>的充分条件。换句话说，<math>c</math>的存在足以确保<math>e</math>的发生。充分性用公式表示为:

<math>suff (e, c) = P (e | c)

<math>suff (e, c) = P (e | c)

</math>

</math>

2.充分性的广义形式-确定性：如果原因只有一个结果，即<math>P=1</math>，则该熵项为零；如果原因具有完全随机的结果，则熵最大，即<math>\log_2n</math>，其中<math>n</math>为所有可能结果的数量，用<math>H (e | c) </math>表示原因导致结果的概率分布的熵，用公式表示为

2.充分性的广义形式-确定性：如果原因只有一个结果，即<math>P=1</math>，则该熵项为零；如果原因具有完全随机的结果，则熵最大，即<math>\log_2n</math>，其中<math>n</math>为所有可能结果的数量，用<math>H (e | c) </math>表示原因导致结果的概率分布的熵，用公式表示为:

<math>\begin{aligned}H(e\mid c)=\sum_{e\in E}P(e\mid c)\log_2\frac{1}{P(e\mid c)}\end{aligned} </math>

<math>\begin{aligned}H(e\mid c)=\sum_{e\in E}P(e\mid c)\log_2\frac{1}{P(e\mid c)}\end{aligned} </math>

因此，我们将原因<math>c</math>的确定性定义为<math>log_2n - H (e | c) </math>。我们将它做归一化处理，可以创建一个确定性系数<math>det </math>，对于给定的原因，该系数的范围与充分性一样，在 0（完全随机）和 1（完全确定性）之间，公式为

因此，我们将原因<math>c</math>的确定性定义为<math>log_2n - H (e | c) </math>。我们将它做归一化处理，可以创建一个确定性系数<math>det </math>，对于给定的原因，该系数的范围与充分性一样，在 0（完全随机）和 1（完全确定性）之间，公式为:

<math>det(c)=1-\frac{H(e\mid c)}{\log_2n} </math>

<math>det(c)=1-\frac{H(e\mid c)}{\log_2n} </math>