更改

在IIT2.0版本中提出了Repertoire（可能性分布）描述系统状态的 “可能性集合”，是计算信息的基础，分为两类：先验 Repertoire（<math> p^{max}(X_0) </math>）和后验Repertoire（<math>p(X_0 \to x_1)</math>），有效信息的定义则基于此，定义为系统从先验概率分布（最大熵分布）过渡到后验分布（通过因果机制确定的分布）时所减少的不确定性。

在IIT2.0版本中提出了Repertoire（可能性分布）描述系统状态的 “可能性集合”，是计算信息的基础，分为两类：先验 Repertoire（<math> p^{max}(X_0) </math>）和后验Repertoire（<math>p(X_0 \to x_1)</math>），有效信息的定义则基于此，定义为系统从先验概率分布（最大熵分布）过渡到后验分布（通过因果机制确定的分布）时所减少的不确定性。

公式：

公式：

<math>eI(X_0 \rightarrow x_1) = H(p^{\mathrm{max}}(X_0)) - H(p(X_0 \rightarrow x_1))</math>

<math>ei(X_0 \rightarrow x_1) = H(p^{\mathrm{max}}(X_0)) - H(p(X_0 \rightarrow x_1))</math>

==== 先验 Repertoire ====

==== 先验 Repertoire ====