Miary różnorodności sygnałów, takie jak złożoność Lempela–Ziva (LZc), są często odczytywane jako wskaźniki bogatszej lub lepiej zorganizowanej dynamiki. Stosując kontrolowany syntetyczny benchmark, badamy, czy różnorodność symboliczna, struktura predykcyjna i wydajność sieci rzeczywiście idą w parze. 32-kanałowy rekurencyjny generator nieliniowy został oceniony w siedmiu reżimach obejmujących dwuwymiarową rozmaitość wzbudzenia i sprzężenia, gdzie η (napęd stochastyczny) i g (sprzężenie rekurencyjne) są mnożnikami względnymi; generator pierwotny jest dezakłócony, tak że η wchodzi jedynie jako szum. Metrykami były LZc (różnorodność symboliczna), opóźniony, wzajemnoinformacyjny odpowiednik struktury predykcyjnej (wskaźnik LPI) oraz globalna wydajność grafu (organizacja sieci), z wariancją dynamicznego FC i metastabilnością Kuramoto jako elementami pomocniczymi. W różnych reżimach LZc rosło monotonicznie, podczas gdy wskaźnik LPI-proxy spadał: różnorodność symboliczna i struktura predykcyjna stały się przeciwstawne (Spearman ρ = −1,0 w średnich reżimowych), więc większa różnorodność nie implikowała bogatszej dynamiki. Spadek ten przetrwał estymator nieparametryczny (KSG), pięć topologii sieci i surogaty z randomizacją fazową. Ablacja wykazała, że sama oś napędowa η odtwarza wzór, podczas gdy wydajność śledzi sprzężenie g tylko w wąskim paśmie; dyskretne przybliżenie Lyapunowa wyjaśnia to zachowanie. Co istotne, efekt jest lokalny i warunkowy, a nie uniwersalny: usunięcie zakodowanego na stałe skalowania η generatora wzmocniło je, a nie stworzyło, ale w różnych rodzinach było ono wytrzymałe tylko w sieciach rekurencyjnych i liniowych VAR, niestabilne pod względem skalowania w sprzężonych mapach logistycznych, sztuczne w oscylatorach Kuramoto (LZc nieaktywne) i nieobecne w wariancie pobudzania-hamowania o podłożu biologicznym, gdzie różnorodność i struktura predykcyjna współzmieniają się. Zastosowanie identycznego zestawu danych do rzeczywistego, 16-kanałowego zbioru danych EEG snu i czuwania (560 epok) sfalsyfikowało nasze wstępnie zarejestrowane przewidywanie współzmienności: dysocjacja była obecna (ρ = −0,64; LZc wyższe w stanie czuwania, LPI-proxy wyższe w stanie snu). Jednakże, dane z randomizacją fazową i surogaty IAAFT odtworzyły ją równie silnie, jak rzeczywiste dane, więc jest ona w pełni uwzględniona w widmie mocy, bez składowej nieliniowej; archiwum nie zawiera identyfikatorów badanych i może być pojedynczym nagraniem. Jest to zatem spójna ilustracja drugiego rzędu, a nie niezależny dowód neurobiologiczny. Przesłanie ma charakter metodologiczny: duża różnorodność sygnałów nie musi oznaczać bogatszej lub lepiej zorganizowanej dynamiki, a LZc należy powiązać z informacjami predykcyjnymi i miarami sieciowymi przed wyciągnięciem jakichkolwiek tego typu wniosków.