216
个编辑
更改
跳到导航
跳到搜索
第169行：
第169行： − 由<math>X,Y</math>间的独立性可知<math>\mathrm{Red}(X,Y,→ Z) = 0</math>,又由异或逻辑的构造和<math>X,Y,Z</math>间的两两独立性知<math>\mathrm{Syn}(X,Y \rightarrow Z) \neq 0</math> − − 从而可以计算PID框架下相应的独特<math>\mathrm{Un}(X\rightarrow Z|Y),\mathrm{Un}(Y\rightarrow Z|X)</math>与协同<math>\mathrm{Syn}(X,Y \rightarrow Z)</math>这两种信息原子。 + 第274行：
第272行： − 从而可计算：+ +
→部分信息分解（PID）框架
本例中，当按照下面的列表取<math>X,Y,Z</math>的分布及相应的联合分布时，可以相应的计算出随机变量的熵、条件熵、相应的条件互信息，从而获得这组随机变量的总相关性、McGill交互信息。
本例中，当按照下面的列表取<math>X,Y,Z</math>的分布及相应的联合分布时，可以相应的计算出随机变量的熵、条件熵、相应的条件互信息，从而获得这组随机变量的总相关性、McGill交互信息。
又由<math>X,Y</math>间的独立性可知<math>\mathrm{Red}(X,Y,→ Z) = 0</math>,又由异或逻辑的构造和<math>X,Y,Z</math>间的两两独立性知<math>\mathrm{Syn}(X,Y \rightarrow Z) \neq 0</math>，可大致了传输信息是如何在这组变量的信息原子之间的分布情况。
{| class="wikitable"
{| class="wikitable"
|-
|-
|}
|}
从而可以计算PID框架下相应的独特<math>\mathrm{Un}(X\rightarrow Z|Y),\mathrm{Un}(Y\rightarrow Z|X)</math>与协同<math>\mathrm{Syn}(X,Y \rightarrow Z)</math>这两种信息原子。
<math>\mathrm{Un}(X\rightarrow Z|Y) = \mathrm{Un}(Y\rightarrow Z|X) = -\mathrm{Red}(X,Y \rightarrow Z) =0</math>
<math>\mathrm{Un}(X\rightarrow Z|Y) = \mathrm{Un}(Y\rightarrow Z|X) = -\mathrm{Red}(X,Y \rightarrow Z) =0</math>