尽管它们看起来相似，但它们是完全不同的东西。让我们从主要区别开始。

• $h$在 PMI 和 WOE 中有所不同
  请注意 PMI 中的术语。这意味着是一个随机变量，您可以计算其概率。对于贝叶斯，这没问题，但是如果您不相信假设可以先验概率，您甚至不能为假设和证据编写 PMI。在 WOE 中，是分布的参数，并且始终定义表达式。$p(h)$$h$$h$

• PMI 是对称的，WOE 不是
  平凡的，。然而，而不需要定义。即使是这样，它通常也不等于。$pmi(e,h) = pmi(h,e)$$w(h:e) = \log p(h|e)/p(h|\bar{e})$$\bar{e}$$w(e:h)$

除此之外，WOE 和 PMI 有相似之处。

证据的权重表明证据在多大程度上支持假设。如果为0，则表示既不赞成也不反对。它越高，它就越能验证假设，它越低，它就越能验证。$h$$\bar{h}$

互信息量化了一个事件（或）的发生如何说明另一个事件的发生。如果为 0，则事件是独立的，其中一个事件的发生与另一个无关。越高，它们共同发生的频率越高，越低，它们就越相互排斥。$e$$h$

假设也是一个随机变量并且两个选项都有效的情况呢？例如，在二进制噪声信道上的通信中，假设是的发射信号，证据是接收信号。假设翻转的概率为，因此如果您收到的 WOE 为\。另一方面，PMI 取决于发出的概率。您可以验证当发出的概率趋于 0 时，PMI 趋于，而当发出 a 的概率$h$$h$$1/1000$$1$$1$$\log 0.999/0.001 = 6.90$$1$$1$$6.90$$0$$1$趋于。$1$

这种自相矛盾的行为说明了两件事：

1. 它们都不适合猜测排放量。如果发出的概率低于 ，那么即使收到，最有可能的发射也是。然而，对于发出的小概率， WOE 和 PMI 都接近。$1$$1/1000$$0$$1$$1$$6.90$

2. PMI 是对假设实现的（香农）信息的增益，如果假设几乎是肯定的，则不会获得任何信息。WOE 是我们先前赔率的更新，它不依赖于这些赔率的值。