先来看一个具体的例子，为了简化起见，我们取 n = 2：X_1 = 一枚均匀硬币的结果（正面或反面），X_2 = 另一枚均匀硬币的结果（正面或反面）。
我们有联合概率表 P(x_1, x_2)：x_1 x_2 P(x_1, x_2)，正面 正面 0.25，正面 反面 0.25，反面 正面 0.25，反面 反面 0.25。
我们想要：
首先，注意到 P(x_1) 与 x_2 无关：P(正面) = 0.5， P(反面) = 0.5。所以 log P(x_1)是：
求和式如下
\begin{align*}
&-\sum_{x_1, x_2} P(x_1, x_2) \log P(x_1) \\
&= -P(H,H) \\log P(H) + P(H,T) \\log P(H) + P(T,H) \\log P(T) + P(T,T) \\log P(T) \\
&= -0.25 \\log 0.5 + 0.25 \\log 0.5 + 0.25 \\log 0.5 + 0.25 \\log 0.5
\end{align*}
分组x_1。当 x_1 = H 时，我们有两项： 。当 x_1 = T 时，我们有两项：
提取公因式 \log P(x_1)，得到
对 x_2 求和，P(H,H) + P(H,T) 的值是多少？P(H,H) + P(H,T) = 0.25 + 0.25 = 0.5
但这恰恰是 P(H) 。因为：
类似地：
最后，化简
\begin{align*}
&-\sum_{x_1, x_2} P(x_1, x_2) \log P(x_1) \\
&= -\\log P(H) \\cdot P(H) + \\log P(T) \\cdot P(T) \\
&= -\sum_{x_1} P(x_1) \log P(x_1) \\
&= H(X_1)
\end{align*}
一般原理如下。对于任何第 k 项 ，该项仅取决于 x_1, ..., x_k。当我们对 x_{k+1}, ..., x_n 求和时：
，我们正在"积分掉"或"边缘化掉"不需要的变量。
结果恰好等于条件熵的定义：
想象一下，你有一个由更小的立方体（联合分布）组成的三维块。如果你只关心第一个坐标 x_1，你可以沿着其他维度压缩这个块，将所有具有相同 x_1 的立方体相加。你得到的是它在 x_1 轴上的投影，这就是 P(x_1)。对数 log P(x_1) 就像一个权重，它只取决于你位于 x_1 的哪个"切片"中。因此，当你对整个块求和时，你可以先在每个切片内求和，然后再应用权重。
为什么这个公式如此简洁？因为概率分布在其定义域内求和为 1。更准确地说：对于固定的 x_1，联合分布对 x_2, ... , x_n 的求和恰好等于 P(x_1)。这就像通过"积分掉"其他维度，将多维空间压缩到一维空间一样。
（csdn的公式真难用( ；´Д｀)）