4.93M
Category: informaticsinformatics

Количественная оценка информации. Единицы количества информации. Лекция № 2

1.

3
ПРЕДЛОЖЕНИЯ
КОМПЛЕКС
АНПА“САРМА”
Лекция № 2
«КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ.
ЕДИНИЦЫ КОЛИЧЕСТВА ИНФОРМАЦИИ»

2.

КОЛИЧЕСТВЕННАЯ
ОЦЕНКА
ИНФОРМАЦИИ
2
Определение
Под информацией понимают совокупность сведений о явлениях,
процессах, событиях, фактах и т.д., которые принимает человек в
процессе жизнедеятельности.
Сообщение, получаемое на приемной
стороне, несет полезную информацию
лишь в том случае, если имеется
неопределенность относительно
состояния источника.
Информацию несут в себе те сообщения, которые
снимают неопределенность, существующую до их
поступления.

3.

КОЛИЧЕСТВЕННАЯ
ОЦЕНКА
ИНФОРМАЦИИ
3
Дискретные сообщения
Количество возможных дискретных сообщений является
простейшей характеристикой источника дискретных сообщений.
Опыт с одним исходом
Опыт с двумя исходами Опыт с множеством исходов
Vi 0..60 Вольт

4.

КОЛИЧЕСТВЕННАЯ
ОЦЕНКА
ИНФОРМАЦИИ
4
Общий случай:
m
n
Количество символов сообщения
Количество символов в каждом сообщении
N m
n
(2.1)
Количество различных сообщений длиной n из символом m
Ансамбль А ai , i 1, m
a2
... am
a1
A
p a1 p a2 ... p am
m
p ai 1
i 1
(2.2)

5.

КОЛИЧЕСТВЕННАЯ
ОЦЕНКА
ИНФОРМАЦИИ
5
Мера Хартли
В 1928 г. Р. Хартли предложил использовать
логарифмическую функцию от N в качестве
количественной меры информации.
I log N n log m
(2.3)
Единицы измерения – бит.
Для равновероятных символов можно записать
Ральф Винтон Лайон Хартли
30 ноября 1888,
Спрус, Невада — 1
мая 1970, Нью-Джерси) —
американский учёныйэлектронщик
(2.3) (2.4)
1
p a1
m
1
I1 log
log p a1 log 2 N
p a1
(2.4)
(2.5)
(2.5) – Количество информации на символ алфавита

6.

КОЛИЧЕСТВЕННАЯ
ОЦЕНКА
ИНФОРМАЦИИ
6
Мера Шеннона
Мера Хартли не отражает вероятностный характер
сообщений. Эту задачу решил в 1946 г. К. Шеннон.
Клод Э́лвуд Ше́ннон
30 апреля 1916 Мичиган,
США — 24 февраля 2001,
Медфорд, Массачусетс,
США) — американский
инженер и математик
a a
1
p ai
Сложное событие:
i j
p ai p a j
Вероятность события:
Количество информации в сложном сообщении:
1
p ai p a j
Такая мера не
обладает свойством
аддитивности

7.

КОЛИЧЕСТВЕННАЯ
ОЦЕНКА
ИНФОРМАЦИИ
7
Мера Хартли
Удобнее воспользоваться логарифмической мерой количества информации
1
I ai log
log p ai [бит]
p ai
(2.6)
Количество информации в сложном сообщении:
1
1
1
I ai , a j log
log
log
I ai I a j
p ai p a j
p ai
p a j
Количество информации для единичного исхода:
1
I a1 log 0
1
Прикладная теория цифровых автоматов / К. Г. Самофалов, А. М. Ромлинкевич, В. Н. Валуйский, Ю. С. Каневский, М. М. Пиневич.— К.: Вища шк. Головное изд-во, 1987. — 375 с.

8.

КОЛИЧЕСТВЕННАЯ
ОЦЕНКА
ИНФОРМАЦИИ
8
Частная энтропия
1
H ai log
log p ai [бит/символ]
p ai
(2.7)
Количество информации и неопределенность для всей совокупности случайных
сообщений можно получить усреднением по всем событиям
n
n
1
I A p ai log
p ai log p ai
p ai
i 1
i 1
n
H A p ai log p ai
i 1
(2.8)
(2.9)
(2.9) – формула Шеннона для энтропии источника дискретных сообщений
Энтропия это среднестатистическая мера неопределенности знаний
получателя информации относительно состояния наблюдаемого объекта
(источник сообщений)
Кузьмин И.В., Кедрус В.А. Основы теории информации и кодирования с. 115

9.

КОЛИЧЕСТВЕННАЯ
ОЦЕНКА
ИНФОРМАЦИИ
9
Свойства энтропии:
Чем выше энтропия источника, тем большее количество информации в
среднем закладывается в каждое сообщение, тем сложнее запомнить,
передать или сохранить такое сообщение по каналу связи.
Смысл энтропии Шеннона:
Энтропия дискретной случайной величины это минимум
среднего количества бит, которое нужно передавать по каналу
связи о текущем значении данной случайной величины.

10.

10 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Свойства энтропии
1
0.9
0.8
0.7
H
0.6
0.5
0.4
0.3
0.2
0.1
0
0
0.1
0.2
0.3
0.4
0.5
P
0.6
0.7
0.8
0.9
1

11.

11 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Условная энтропия
Процесс передачи информации носит случайный характер
вероятность появления события X при условии наступления
Y события
Y
P X

12.

12 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Условная энтропия
P AB
k
n
B
P B l
l
n
k
P AB
k
n
B
P
A P A m
m
n
k
PA
(2.10)
Из (2.10)
A
B
P AB P
P B P
P A
B
A
(2.11)

13.

13 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Частная условная энтропия
Различают понятия частной и общей условной энтропии
bj
bj
bj
H
P
log P
a
a
a
i
i
i
j 1
n
Из (2.9)
ai
ai
ai
H
P
log P
b
b
b
j
j
j
i 1
n
(2.12)

14.

14 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Общая условная энтропия
Общая условная энтропия сообщения B относительно сообщения А
характеризует количество информации, содержащейся в любом символе
алфавита, и определяется усреднением по всем символам, т.е. по всем состоянием
с учетом вероятности появления каждого из состояний, и равна сумме
вероятностей появления символов алфавита на неопределенность, которая
остается после того как адресат принял сигнал.
n
b
j
B
H
P ai H
A
a
i
i 1
i 1
n
bj
bj
P ai P ai log P ai
j 1
n
bj
bj
P ai P
log P
a
a
i
i
i 1
j 1
n
n
(2.13)
(2.13) общее выражение для определения количества информации на один
символ сообщения для случая неравновероятных символов

15.

15 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Общая условная энтропия
со стороны источника
bj
bj
P ai P
log P
A
a
a
i
i
i 1
j 1
H B
со стороны приемника
n
H A
Так как
n
ai
ai
P b j P
log P
B
b
b
j
j
j 1
i 1
n
n
bj
ai
P ai , b j P ai P
P b j P
ai
bj
b
j
B
H
P ai , b j log P
A
a
i
i 1 j 1
H A
n
то из (2.13)
n
ai
P ai , b j log P
B
b
j
i 1 j 1
n
(2.13’)
n
(2.14)

16.

16 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Каналы связи с шумами
Для идеальных условий
I kH
Для равновероятных независимых сообщений
H 1 log 2 N n log 2 m
Для неравновероятных независимых сообщений
m
H 2 A p ai log p ai
i 1
Со стороны источника
Со стороны приемника
n n
b
j
a
B
i
A
H3
P ai , b j log P
H
P
b
,
a
log
P
4
j
i
A
a
B
b
i
j
i 1 j 1
i 1 j 1
n
n
H 5 A, B H 5 B, A P ai , b j log P ai , b j
n
n
i 1 j 1

17.

17 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Каналы связи с шумами

18.

18 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Каналы связи с шумами

19.

19 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Канальная матрица
Канальная матрица матрица, статистически описывающая канал связи.

20.

20 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Канальная матрица (со стороны источника)
Канальная матрица матрица, статистически описывающая канал связи.
p b1 a1 p b2 a1 ... p b j a1 ... p bn a1 1
(2.15)

21.

21 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Канальная матрица (со стороны источника)
b
b
j
j
B
H
P
log P
a
a
a1
1
1
j 1
n
(2.16)
Общая условная энтропия
b
b
1
j
j
B
H
P
log P
A
a
i
n j 1 i 1 ai
(2.17)
(2.18)
n
n
b
b
j
j
H B P ai P
log P
A
a
a
i
i
j 1 i 1
n
n

22.

22 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Канальная матрица (со стороны приемника)
p a1 b j p a2 b j ... p ai b j ... p an b j 1
A
ai
ai
H
log P
b
b
b
j
j
j
i 1
n
Частная условная энтропия
Общая условная энтропия H A
ai
ai
P b j P
log P
B
b
b
j
j
j 1 i 1
n
n
(2.19)
(2.20)
(2.21)

23.

23 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Канальная матрица
Безусловные вероятности приемника
Энтропия приемника
p b j p ai p b j ai
(2.22)
H B p b j log p b j
(2.23)
n
i 1
n
j 1
Безусловные вероятности источника
p ai p b j p ai b j
(2.24)
H A p ai log p ai
(2.25)
n
Энтропия источника
j 1
n
i 1

24.

24 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Энтропия объединения
Энтропия объединения используется для вычисления энтропии совместного
появления статистически зависимых сообщений либо энтропии взаимосвязанных
систем.
бит
H A, B H B, A P ai , b j log P ai , b j
два символа
i 1 j 1
n
n
A H B H A B
Связь с условной энтропией
H A, B H A H B
p a1 , b1
p ai , b j
p a1 , b2
p a1 , bn
(2.26)
(2.27)
p ai , b j p b j
p a2 , b1 p a2 , b2 p a2 , bn i 1
(2.28)
p an , b1 p an , b2 p an , bn
n
p ai , b j p ai
n
j 1

25.

25 КОЛИЧЕСТВЕННАЯ ОЦЕНКА ИНФОРМАЦИИ
Энтропия объединения
H A p ai log p ai p ai , b j log p ai , b j
n
n
i 1
n
n
n
i 1 j 1
n n
j 1
n
j 1 i 1
i 1
H B p b j log p b j p ai , b j log p ai , b j
j 1
p ai , b j
ai p ai , b j
p
n
p b j
bj
p ai , b j
i 1
p ai , b j
b j p ai , b j
p
n
a
i
p ai
p ai , b j
j 1
(2.29)
I A, B H A H B H B, A
(2.30) I A, B H A H A B
I A, B H B H B A (2.31)
English     Русский Rules