Измерение информации: вероятностный подход
Система основных понятий
Вопросы для повторения:
Измерение информации
Вероятностный подход к измерению информации
Вероятностный подход к измерению информации
Пример 1:
Пример 1:
Формула Шеннона
Пример 2:
Пример 3:
Пример 3:
454.50K
Категория: ИнформатикаИнформатика

Измерение информации: вероятностный подход

1. Измерение информации: вероятностный подход

31.07.2019
Измерение
информации:
вероятностный
подход
Урок 9

2. Система основных понятий

Измерение информации – содержательный
подход
Измеряется количество информации в сообщении о результате некоторого
события
Равновероятные результаты:
никакой результат не имеет преимущества перед другими
Неопределенность знания – число
возможных результатов (вариантов
сообщения) - N
Количество информации в
сообщении об одном результате
события – i битов
Главная формула информатики: 2
i
=N
Частный случай: два равновероятных результата события
N=2
i=1 бит
1 бит – количество информации в сообщении об одном из двух
равновероятных результатов некоторого события

3. Вопросы для повторения:

1. Что такое неопределенность знания о результате
какого-либо события? Приведите примеры, когда
неопределенность знания можно выразить
количественно.
2. Как определяется единица измерения количества
информации?
3. В каких случаях и по какой формуле можно вычислить
количество информации, содержащейся в сообщении,
используя содержательный подход?

4. Измерение информации

5. Вероятностный подход к измерению информации

в 1928 году американский инженер Ричард Хартли
подметил закономерность и предложил меру для
измерения количества информации:
I log 2 N
где N - количество равновероятных событий;
I - количество бит в сообщении о том, что любое из N событий
произошло.
Не все ситуации имеют одинаковые вероятности
реализации. Существует много таких ситуаций, у которых
вероятности реализации различаются. Например, если
бросают несимметричный предмет
Еще один бытовой пример – «правило бутерброда»

6. Вероятностный подход к измерению информации

В 1948 г. американский инженер и математик К. Шеннон
предложил формулу для вычисления количества
информации для событий с различными вероятностями.
р – вероятность события,
p = K/N, где K – количество
1
I
log
2
благоприятных
p
исходов
N – общее число исходов
Формулу Хартли теперь можно рассматривать как
частный случай формулы Шеннона.
При равновероятных событиях получаемое количество
информации максимально.

7. Пример 1:

В корзине лежит 8 черных шаров и 24
белых. Сколько информации несет
сообщение о том, что достали черный
шар?
K 8 ; K 24 ;
ч
б
N K ч K б 8 24 32

8 1
pчерн
;
N 32 4
1
I log 2
log 2 4 2( бита )
1/ 4

8. Пример 1:

Для случая равновероятных событий
(если все шары разного цвета):
I log 2 N log 2 32 5(бит)

9. Формула Шеннона

N
I pi log 2 pi
i 1
I - количество информации
N - количество возможных событий
рi - вероятности отдельных событий
1
1
1
I p1 log 2
p2 log 2
p3 log 2
...
p1
p2
p3

10. Пример 2:

В озере обитает 12500 окуней, 25000
пескарей, а карасей и щук по 6250.
Сколько информации мы получим,
когда поймаем какую-нибудь рыбу?
N K1 K 2 K 3 K4 12500 25000 2* 6250 50000
K 1 12500 1
K 2 25000 1
p1
; p2
;
N 50000 4
N 50000 2
K3
K4
6250 1
6250 1
p3
; p4
N 50000 8
N 50000 8

11.

1
1
I 1 log 2
log 2
log 2 4 2бита
p1
1/ 4
1
1
I 2 log 2
log 2
log 2 2 1бит
p2
1/ 2
1
1
I 3 log 2
log 2
log 2 8 3бита
p3
1/ 8
1
1
I 4 log 2
log 2
log 2 8 3бита
p4
1/ 8

12.

1
1
1
1
I p1 log 2
p2 log 2
p3 log 2
p4 log 2
p1
p2
p3
p4
1
1
1
1
1
1
1
1
I log 2
log 2
log 2
log 2
4
1/ 4 2
1/ 2 8
1/ 8 8
1/ 8
1
1
1
1
log 2 4 log 2 2 log 2 8 log 2 8
4
2
8
8
1
1
1
1
3
2 1 3 3 1 1,75( бита )
4
2
8
8
4

13. Пример 3:

Пусть имеется текст, содержащий 1000
букв. Буквы встречаются в тексте:
о – 90 раз
р – 40 раз
ф – 2 раза
а – 200 раз
Какое количество информации несет
буква в строке?

14. Пример 3:

English     Русский Правила