更改

</math>

</math>

H(X)表示源的总可能熵，在因果分析中对应某组干预ID，因此H(X) = H(ID)。条件熵H(X|Y)捕获在考虑Y后关于X的剩余信息。因此，H(X|Y)有一个明确的因果解释，即在一系列干预措施中丢失的信息量。更具体地说，它是由于缺乏有效性而丢失的信息。从已知条件熵公式H(X|Y) = H(X)−I(X;Y)，通过替换因果术语得到[math]H(I_D \mid E_D) = H(I_D)−I(I_D; E_D)[/math]，我们可以得到[math]H(I_D \mid E_D) = H(I_D)−(H(I_D) \cdot eff)[/math]。再次通过转换[math]H(I_D \mid E_D) =(1 − eff) \cdot H(I_D)[/math]可证明，[math]H(I_D \mid E_D)[/math]确实捕获了缺乏的有效性。

H(X)表示源的总可能熵，在因果分析中对应某组干预[math]I_D[/math]，因此[math]H(X) = H(I_D)[/math]。条件熵[math]H(X \mid Y)[/math]捕获在考虑Y后关于X的剩余信息。因此，[math]H(X \mid Y)[/math]有一个明确的因果解释，即在一系列干预措施中丢失的信息量。更具体地说，它是由于缺乏有效性而丢失的信息。从已知条件熵公式[math]H(X \mid Y)= H(X) − I(X; Y)[/math]，通过替换因果术语得到[math]H(I_D \mid E_D) = H(I_D)−I(I_D; E_D)[/math]，我们可以得到[math]H(I_D \mid E_D) = H(I_D)−(H(I_D) \cdot eff)[/math]。再次通过转换[math]H(I_D \mid E_D) =(1 − eff) \cdot H(I_D)[/math]可证明，[math]H(I_D \mid E_D)[/math]确实捕获了缺乏的有效性。

<math>

<math>