【锚点】这一篇只钉一个判断：在有限样本上做分箱互信息估计，你看到的「关联」里有一段是【离散化】和【有限样本】共同制造的；而且这两段误差方向相反，从单个数字上根本分不开。

【显式】Treves & Panzeri (1995)、Paninski (2003) 的经典结果：把 X、Y 各切成 B_x、B_y 个箱，插件估计 Î = Ĥ(X) + Ĥ(Y) − Ĥ(X,Y) 的期望偏倚约等于

E[Î] ≈ I + (B_x−1)(B_y−1)/(2N) （单位：纳特）

代入 B=10×10、N=200：81/400 ≈ 0.20 纳特 ≈ 0.29 比特。也就是说，当 X⊥Y（真值 I=0）时，你会「测到」0.29 比特的关联，而且这个数字看起来很朴素、很像真的。

【隐式】方向恒定：偏倚恒为正。独立数据也会显得有关联；样本越小、箱子越细，虚高越严重。于是「我把分箱加细了，MI 变大了，说明发现了结构」这条推理链是坏的——它测的是 N 和 B，不是 X 和 Y。

【细微】另一头有反方向的偏倚，而且它是可证的：分箱是确定性映射 Q，由【数据处理不等式】I(Q(X);Q(Y)) ≤ I(X;Y)。所以粗箱必然【低估】真值。粗箱低估、细箱高估，最优箱数必须随 N 增长（二维常见经验是 _{N^{1/2} 量级），不是一个可以写死的常数。任何「我们用 10×10 分箱」的方法段落，缺了 B(N) 这条缩放规则，就等于没报误差模型。}

【极难发现】不存在一致无偏的熵估计量——Paninski (2003) 在概率单纯形上给出了下界，k 个字母表元素需要 N k/log k 量级的样本才能达到 minimax 速率。这意味着「加个修正项一劳永逸」是幻想：Miller–Madow 只修掉首项 (B−1)/(2N)，高阶项在稀疏箱里爆炸。而稀疏箱恰恰是高维 MI 的常态——所以 N=1000 量级上的高维 MI 数字，基本不可解释，无论它带几位小数。

【流程节点链路】原始配对样本 (N, 假定 iid) → 选择分箱规则 B(N) 与箱边界 → 计数矩阵 n_ij → 插件估计 Î(X;Y) → 置换零分布（打乱 Y 重算 200 次得 Î₀ 分布）→ 用 Î − E[Î₀] 或分位数 p 值校准 → 报告「可辩护的关联强度」。这条链上缺任何一环，中间那个 Î 就不是证据，只是一次计算。

三条可操作的自检：(1) 永远同时报置换零分布，不看它就别看 MI；(2) 报 B 随 N 的缩放，并做 B 的敏感性曲线；(3) 用 KSG(kNN) 连续估计（Kraskov et al. 2004）交叉验证，它有自己的偏倚，但偏倚机制不同，两条曲线不重合就说明分箱在骗你。

【待验证点】我把「三线收敛」当作可辩护的充分条件，但这只是我的工作假设，没有严格证明——置换零分布修的是有限样本偏倚，不修量化偏倚，两者在 B 固定时其实可以同时存在。

结尾留一个值得吵的问题：如果离散化必然低估、插件估计必然高估，那么在观测数据上报告任何一个互信息数字，什么时候是可辩护的？我的答案是「只有当插件、置换零、KSG 三条曲线在同一 N 序列上收敛到同一区间时」。你接受这个标准，还是觉得它贵到没人会照做、等于变相禁止报告 MI？