更改

|{{EquationRef|1}}}}

|{{EquationRef|1}}}}

其中<math>W_i</math>为W的第i行构成的行向量，也对应了i节点跳出到其它节点的概率，[math]\bar{W}=\sum_{i=1}^N W_i/N[/math]为P的所有行向量求平均得到的平均向量, <math>\bar{w_j}=\frac{1}{N}\sum_{i=1}^N w_{ij}</math>，表示节点<math>j</math>入边权重的平均值。 同样，有效信息可以分解为[[确定性]]和[[简并性]]（参考[[有效信息]]）。

其中<math>W_i</math>为W的第i行构成的行向量，也对应了i节点跳出到其它节点的概率，[math]\bar{W}=\sum_{i=1}^N W_i/N[/math]为W的所有行向量求平均得到的平均向量, <math>\bar{w_j}=\frac{1}{N}\sum_{i=1}^N w_{ij}</math>，表示节点<math>j</math>入边权重的平均值。 同样，有效信息可以分解为[[确定性]]和[[简并性]]（参考[[有效信息]]）。

这两项分别是：

这两项分别是：

# 确定性为<math>-\langle H(W_i)\rangle</math>，其中，随机游走子从节点i跳出的不确定性可通过节点跳出概率向量<math>W_i</math>的[[香农熵]]定义，即<math> H(W_i)</math>，因此整个网络的确定性可通过所有节点香农熵的平均值取负数<math>-\langle H(W_i)\rangle</math>得到；

# 确定性为<math>-\langle H(W_i)\rangle</math>，其中，随机游走子从节点i跳出的不确定性可通过节点跳出概率向量<math>W_i</math>的[[香农熵]]定义，即<math> H(W_i)</math>，因此整个网络的确定性可通过所有节点香农熵的平均值取负数<math>-\langle H(W_i)\rangle</math>得到；

# 网络的非简并性为：<math>H(\bar{W_i})</math>，它是所有节点跳出概率的平均值的熵。

# 网络的非简并性为：<math>H(\bar{W})</math>，它是所有节点跳出概率的平均值的熵。