Количество информации: вероятностный и объемный подходы

↑

▷ Содержание

⇐ ПредыдущаяСтр 2 из 3Следующая ⇒

Вычисление количества информации

Основатель теории информации К. Шеннон предложил способ вычисления количества информации, содержащейся в одном случайном объекте относительно другого случайного объекта. В простейшем случае рассматриваются две случайные величины:

X=x₁,..., x_N;

Y=y₁,..., y_M.

Случайная величина X принимает свои значения с вероятностями P₁, ….,P_N соответственно, а случайная величина Y – Q₁, ….,Q_M. Тогда количество информации относительно Y, содержащейся в X, определяется формулой

.

Здесь P_ij – вероятность совмещения событий X=x_i, Y=y_j. Единицей информации является один бит (бинарный информационный терм). Количество информации в один бит, I=1 можно получить в частном случае, когда события независимы, и выполняются следующие равенства:

P_i=Q_j=0,5;

P_ij=0,5;

i=j=1,2.

Обратимся теперь к системотехническому подходу. Мерой неопределенности системы обычно служит ее энтропия. Для того, чтобы измерять ее в битах, вычислим энтропию системы с N входами, M выходами и K единицами в таблице вход-выход по формуле:

.

Из нее видно, что энтропия равна одному биту, когда число возможных состояний системы равно 2. Существуют два тривиальных случая, когда система пуста, и К=0, или когда система полностью определена, и K=MN. В обоих тривиальных случаях энтропия равна нулю, Н=0.

Получив средство для измерения такого важного свойства системы, каким является мера неопределенности - энтропия, можно рассмотреть понятие информации. Для этого предположим, что для системы известна начальная энтропия Н_нач. Если о ней ничего неизвестно, то в качестве начальной энтропии целесообразно выбирать энтропию тривиальных случаев, когда Н_нач=0. Затем необходимо сформулировать задачу идентификации системы: для данной системы определить число единиц таблицы вход-выход. Эта задача соответствует тому методу, который был использован при определении понятия информации в [1]. Зная К и MN, легко вычислить энтропию системы, обозначив ее как конечную энтропию Н_кон.

Теперь информация, полученная в результате решения задачи идентификации, может быть определена как абсолютная величина полученного приращения энтропии:

I=abs(Н_кон - Н_нач).

Функция abs() используется для того, чтобы не получать отрицательных значений информации (дезинформации), когда Н_нач > Н_кон. Заметим также, что при Н_нач=0 информация совпадает с конечной энтропией: I=Н_кон.

Таким образом, предложены различные подходы к определению понятия информации и вычислению ее количества. Все они связаны с получением новых сведений об объекте в процессе его исследования. Считается, что именно оно может привести к приращению знаний об объекте.

Данные

Для практического использования требуется систематизированная, предварительно подготовленная информация. Такаяинформация представлена в компьютере данными. Когда говорят о подготовке информации, часто подразумевают представление ее в определенном формате данных. Например, может идти речь о данных в текстовом редакторе MS Word, табличном процессоре MS Excel, в системе управления базами данных MS Access и др.

В информационных системах термин данные имеет три различных значения:

Ø Данные – как объекты, отличные от команд.

Ø Данные – как входные данные в противоположность результатам, или выходным данным.

Ø Данные– как текст, числа или изображения.

Архитектура данных показана на рис.2.1. В ней отражена динамика переходов данных от двоичного разряда (бита – бинарного информационного терма) до файла как поименованной совокупности машинных слов, состоящих из целого числа байт (восемь бит).

Рис.2.1 Архитектура данных

Таким образом, информация и ее носители - данные являются главными объектами хранения, передачи и обработки.

Познавательные статьи:



Алгоритмические операторы Matlab

Конструирование и порядок расчёта дорожной одежды

Исследования учёных: почему помогают молитвы?

Почему терпят неудачу многие предприниматели?