我想了解两个信息熵值差异的含义。

我有以下情况。让$x$是用户在某些视频共享网站上花费的几个小时。因此，我们可能有以下集合：

$X_{A} = \{x_1,x_2,\cdots,x_{n_A}\}$， 和 $X_{B} = \{x_1,x_2,\cdots,x_{n_B}\}$表示用户使用的小时数$A$和$B$在网站上花费$A$和$B$， 分别。

现在，我们可以计算累积分布函数 (CDF) 概率值，如下所述： 对于实值随机变量 X，CDF 定义为：

$$F_A(x) = P(X\leq x),\ \forall x \in X_A$$

同样，我们发现$F_B(x)$.

然后我们计算熵值$E_A$和$E_B$对于概率 $F_A(x)$和$F_B(x)$上面获得（如此处所述）：

$$E_A = - \sum\limits_{i=1}^{n_A}P(x_i)log(P(x_i))$$

同样，我们发现$E_B$.

现在我的问题是，怎么办$E_A$和$E_B$在这种情况下是什么意思？它们的区别又意味着什么？