175
个编辑
更改
→冗余信息公理
根据上界性，我们可知冗余信息量自然地被每个源所提供的信息量上界约束，且当所有源提供完全相同信息时达到该界。此时对给定源 <math>\mathbf{A}</math>，与<math> \mathbf{A}</math>冗余的信息量最大为<math>I_{\min}(S;\{\mathbf{A}\})=I(S;\mathbf{A})</math>。换言之，冗余信息在“自冗余”时候有最大值，这类似于互信息在自信息 <math>I(S;S)=H(S)</math> 最大化的性质。
根据上界性，我们可知冗余信息量自然地被每个源所提供的信息量上界约束，且当所有源提供完全相同信息时达到该界。此时对给定源 <math>\mathbf{A}</math>，与<math> \mathbf{A}</math>冗余的信息量最大为<math>I_{\min}(S;\{\mathbf{A}\})=I(S;\mathbf{A})</math>。换言之，冗余信息在“自冗余”时候有最大值，这类似于互信息在自信息 <math>I(S;S)=H(S)</math> 最大化的性质。
全局非负性：$I_\cap(X_1,\dots,X_n:Y)\ge 0$。
全局非负性：<math>I_\cap(X_1,\dots,X_n:Y)\ge 0</math>。
等价类不变性：对任意 $i=1,\dots,n$ 或 $Y$ 替换为信息等价随机变量，$I_\cap(X_1,\dots,X_n:Y)$ 保持不变。
等价类不变性：对任意 <math>i=1,\dots,n</math> 或 <math>Y </math>替换为信息等价随机变量，<math>I_\cap(X_1,\dots,X_n:Y)</math>保持不变。
目标单调性：若 $Y\preceq Z$，则
目标单调性：若 <math>Y\preceq Z</math>，则
\[
\[
I_\cap(X_1,\dots,X_n:Y)\le I_\cap(X_1,\dots,X_n:Z).
I_\cap(X_1,\dots,X_n:Y)\le I_\cap(X_1,\dots,X_n:Z).
\]
\]
弱单调性：对任意额外变量 $W$，
弱单调性：对任意额外变量 <math>W</math>，
\[
\[
I_\cap(X_1,\dots,X_n,W:Y)\le I_\cap(X_1,\dots,X_n:Y),
I_\cap(X_1,\dots,X_n,W:Y)\le I_\cap(X_1,\dots,X_n:Y),
\]
\]
且若存在 $Z\in\{X_1,\dots,X_n\}$ 使得 $Z\preceq W$，则等号成立。
且若存在 <math>Z\in\{X_1,\dots,X_n\} </math>使得 <math>Z\preceq W</math>，则等号成立。
弱对称性：$I_\cap(X_1,\dots,X_n:Y)$ 对 $X_1,\dots,X_n$ 的排列顺序不变。
弱对称性：<math>I_\cap(X_1,\dots,X_n:Y)</math> 对 <math>X_1,\dots,X_n </math>的排列顺序不变。
\end{itemize}
\end{itemize}
以下性质将交集信息与所选信息度量 $\mathcal{I}(X:Y)$ 联系起来：
以下性质将交集信息与所选信息度量 <math>\mathcal{I}(X:Y)</math> 联系起来：
下界：若随机变量 <math>Q</math> 满足 <math>Q\preceq X_i</math> 对所有 <math>i=1,\dots,n </math>成立，则
下界：若随机变量 $Q$ 满足 $Q\preceq X_i$ 对所有 $i=1,\dots,n$ 成立，则
\[
\[
I_\cap(X_1,\dots,X_n:Y)\ge \mathcal{I}(Q:Y).
I_\cap(X_1,\dots,X_n:Y)\ge \mathcal{I}(Q:Y).
\]
\]
特别地，$Q=X_1\wedge\cdots\wedge X_n$ 是一个合法选择。由 $I_\cap(X:Y)=\mathcal{I}(X:Y)$ 及 (M0) 可推出 (LB)。
特别地，<math>Q=X_1\wedge\cdots\wedge X_n</math> 是一个合法选择。由 <math>I_\cap(X:Y)=\mathcal{I}(X:Y)</math> 及 弱单调性可推出 下界。
恒等性：
恒等性：
\]
\]
弱局部非负性：当 $n=2$ 时，由 \cite{Williams:2010} 定义的「部分信息」非负。若 (GP)、(M0) 及
弱局部非负性：当 <math>n=2</math>时，由 \cite{Williams:2010} 定义的「部分信息」非负。若 全局非负性、弱单调性及
\[
\[
I_\cap(X_1,X_2:Y)\ge I(X_1:Y)+I(X_2:Y)-I(X_1\vee X_2:Y)
I_\cap(X_1,X_2:Y)\ge I(X_1:Y)+I(X_2:Y)-I(X_1\vee X_2:Y)
\]
\]
同时成立，则本性质自动满足。
最后，更强的性质如下：
最后，更强的性质如下：
强单调性：对任意额外变量 $W$，
强单调性：对任意额外变量 <math>W</math>，
\[
\[
I_\cap(X_1,\dots,X_n,W:Y)\le I_\cap(X_1,\dots,X_n:Y),
I_\cap(X_1,\dots,X_n,W:Y)\le I_\cap(X_1,\dots,X_n:Y),
\]
\]
且若存在 $Z\in\{X_1,\dots,X_n,Y\}$ 使得 $Z\preceq W$，则等号成立。
且若存在 <math>Z\in\{X_1,\dots,X_n,Y\}</math>使得 <math>Z\preceq W</math>，则等号成立。
强对称性：$I_\cap(X_1,\dots,X_n:Y)$ 对 $X_1,\dots,X_n,Y$ 的排列顺序不变。
强对称性：<math>I_\cap(X_1,\dots,X_n:Y)</math> 对 <math>X_1,\dots,X_n,Y </math>的排列顺序不变。
强局部非负性：对任意 $n$，由 \cite{Williams:2010} 定义的「部分信息」均非负。
强局部非负性：对任意 <math>n</math>，由 \cite{Williams:2010} 定义的「部分信息」均非负。
=== 两源变量框架与部分信息原子 ===
=== 两源变量框架与部分信息原子 ===