НОУ ИНТУИТ | Основы теории информации и криптографии. Лекция 3: Базовые понятия теории информации

Учитесь и получайте официальные документы БЕСПЛАТНО. Вы можете поддержать наш проект.

Регистрация Вход

Твой путь к знаниям!

Опубликован: 11.04.2007 | Уровень: специалист | Доступ: платный

|

Вам нравится? Нравится 53 студентам

| Поделиться |

Поддержать программу

Вероятностный подход к измерению дискретной и непрерывной информации

В основе теории информации лежит предложенный Шенноном способ измерения количества информации, содержащейся в одной случайной величине, относительно другой случайной величины. Этот способ приводит к выражению количества информации числом.

Для дискретных случайных величин и , заданных законами распределения P(X=X_i)=p_i , P(Y=Y_j)=q_j и совместным распределением $P(X=X_i,Y=Y_j)=p_{ij}$ , количество информации, содержащейся в относительно , равно

$I(X,Y)=\sum_{i,j}p_{ij}\log_2{p_{ij}\over p_iq_j}.$

Для непрерывных случайных величин, и , заданных плотностями распределения вероятностей p_X(t_1) , p_Y(t_2) и $p_{XY}(t_1,t_2)$ , аналогичная формула имеет вид

$I(X,Y)=\int\limits_{\quad\bR^2}\!\!\!\!\! \int p_{XY}(t_1,t_2)\log_2{p_{XY}(t_1,t_2)\over p_X(t_1)p_Y(t_2)}dt_1dt_2.$

Очевидно, что

$\begin{align*}P(X=X_i,X=X_j) = \begin{cases} 0,&\text{при $i\ne j$}\\ P(X=X_i),&\text{при $i=j$}\end{cases}\end{align*}$

и, следовательно,

$I(X,X)=\sum_ip_i\log_2{p_i\over p_ip_i}=-\sum_ip_i \log_2p_i.$

Энтропия дискретной случайной величины в теории информации определяется формулой

Свойства меры информации и энтропии:

$I(X,Y)\ge0$ , $I(X,Y)=0 \xLeftrightarrow X$ и независимы;
;
$HX=0 \xLeftrightarrow X$ - константа;
, где $H(X,Y)=-\sum_{i,j}p_{ij}\log_2p_{ij}$ ;
$I(X,Y)\le I(X,X)$ . Если , то - функция от . Если - инъективная функция^{1Функция
- инъекция, если на разных
значениях аргумента, она принимает разные
значения.} от , то .

Логарифмированием из очевидного для всех неравенства $e^{x-1}\ge x$ (равенство устанавливается только при ) получается неравенство $x-1\ge\ln x$ или $\textstyle{x-1\over\ln2}\ge\log_2x$ .
$-I(X,Y)=\sum_{i,j}p_{ij}\log_2{p_iq_j\over p_{ij}}\le \sum_{i,j}p_{ij}{{p_iq_j\over p_{ij}}-1\over\ln2}=$

$=\fi \sum_{i,j}{p_iq_j-p_{ij}\over\ln2}= {\sum_ip_i\sum_jq_j-\sum_{i,j}p_{ij}\over\ln2}={1-1\over\ln2}=0,$
т.е. только при $p_{ij}=p_iq_j$ для всех и , т.е. при независимости и . Если и независимы, то $p_{ij}=p_iq_j$ и, следовательно, аргументы логарифмов равны 1 и, следовательно, сами логарифмы равны 0, что означает, что ;
Следует из симметричности формул относительно аргументов;
Если , то все члены суммы, определяющей , должны быть нули, что возможно тогда и только тогда, когда - константа;
Из четырех очевидных соотношений
$\sum_jp_{ij} = p_i,\quad \sum_ip_{ij} = q_j,$

$HX = -\sum_i p_i \log_2 p_i = -\sum_{i,j} p_{ij} \log_2 p_i,$

$HY = -\sum_j q_j \log_2 q_j = -\sum_{i,j} p_{ij} \log_2 q_j$
получается
$HX+HY-H(X,Y) = \sum_{i,j} p_{ij} (\log_2 p_{ij} - \log_2 q_j - \log_2 p_i)= I(X,Y);$
Нужно доказать $I(X,Y)=HX+HY-H(X,Y)\le HX$ или $HY-H(X,Y) \le 0$ .
$HY-H(X,Y) = -\sum_{i,j} p_{ij} \log_2 q_j + \sum_{i,j} p_{ij} \log_2 p_{ij} = \sum_{i,j} p_{ij} \log_2(p_{ij}/q_j),$
но $p_{ij}=P(X=X_i,Y=Y_j) \le q_j=P(Y=Y_j)$ , а значит аргументы у всех логарифмов не больше 1 и, следовательно, значения логарифмов не больше 0, а это и значит, что вся сумма не больше 0.

Если HX=I(X,X)=I(X,Y) , то для каждого $p_{ij}$ равно либо q_j , либо 0. Но из $p_{ij} = P(X=X_i,Y=Y_j) = P(X=X_i/Y=Y_j)P(Y=Y_j) \in \{q_j, 0\}$ следует $P(X=X_i/Y=Y_j)\in \{0,1\}$ , что возможно только в случае, когда - функция от .

При независимости случайных величин, и одна из них ничем не описывает другую, что и отражается в том, что для таких случайных величин, I(X,Y)=0 .

Рассмотрим пример измерения количества информации при подбрасывании двух игральных костей.

Пусть заданы дискретные случайные величины X_1 , X_2 и . X_1 и X_2 - количества очков, выпавших соответственно на 1-й и 2-й игральной кости, а Y=X_1+X_2 . Найти I(Y,X_1) , I(X_1,X_1) , I(Y,Y) .

Законы распределения вероятностей для дискретной случайной величины X_1 и X_2 совпадают, т.к. кости одинаковые и без изъянов.

$\centerline{\hbox{\vbox{\offinterlineskip\halign{&\strut\hfil\ #\ \hfil\cr X_1& \vrule& 1& 2& 3& 4& 5& 6\cr \noalign{\hrule} p& \vrule& \span\span1/6\span\span\span\cr}} \vbox{\hbox{, т.е. при j=1...6 q_j=P(X_1=j)=1/6.}}}}$

Закон распределения вероятностей для дискретной случайной величины ,

$P(Y=i)=P(X_1+X_2=i),\quad i=2...12,$

вследствие того, что X_1

,

- независимы и поэтому

будет

$p_i=P(X_1+X_2=i)=\sum\limits_{n+m=i\atop1\le n,m\le6}P(X_1=n) P(X_2=m)=\sum\limits_{n+m=i\atop1\le n,m\le6}1/36.$

Таблицы, определяющие :

$\smallskip \setbox\bzero=\vbox{\offinterlineskip\halign{&\strut\hfil\ $#$\ \hfil\cr _{X_2}\bs^{X_1}& \vrule& 1& 2& 3& 4& 5& 6\cr \noalign{\hrule} 1& \vrule& 2& 3& 4& 5& 6& 7\cr 2& \vrule& 3& 4& 5& 6& 7& 8\cr 3& \vrule& 4& 5& 6& 7& 8& 9\cr 4& \vrule& 5& 6& 7& 8& 9& 10\cr 5& \vrule& 6& 7& 8& 9& 10& 11\cr 6& \vrule& 7& 8& 9& 10& 11& 12,\cr}} \setbox\bone=\vbox{\offinterlineskip \halign{&\strut\hfil\ $#$\ \hfil\cr Y=X_1+X_2& \vrule& 2& 3& 4& 5& 6& 7& 8& 9& 10& 11& 12\cr \noalign{\hrule} \omit& \omit\ \vrule height1pt\hfil\cr p& \vrule& \xfrac1{36}& \xfrac2{36}& \xfrac3{36}& \xfrac4{36}& \xfrac5{36}& \xfrac6{36}& \xfrac5{36}& \xfrac4{36}& \xfrac3{36}& \xfrac2{36}& \xfrac1{36},\cr}} \setbox\btwo=\hbox{\quad т.е.\ при $i=2...12$, $p_i=P(Y=i)=(6-|7-i|)/36$.} \dzero=\wd\bzero \advance\dzero\wd\bone \advance\dzero1em \box\bzero \smallskip$

$\setbox\bone=\vbox{\offinterlineskip \halign{&\strut\hfil\ $#$\ \hfil\cr Y=X_1+X_2& \vrule& 2& 3& 4& 5& 6& 7& 8& 9& 10& 11& 12\cr \noalign{\hrule} \omit& \omit\ \vrule height1pt\hfil\cr p& \vrule& \xfrac1{36}& \xfrac2{36}& \xfrac3{36}& \xfrac4{36}& \xfrac5{36}& \xfrac6{36}& \xfrac5{36}& \xfrac4{36}& \xfrac3{36}& \xfrac2{36}& \xfrac1{36},\cr}} \setbox\btwo=\hbox{\quad то есть при $i=2...12$, $p_i=P(Y=i)=(6-|7-i|)/36$.} \dzero=\wd\bzero \advance\dzero\wd\bone \advance\dzero1em \ifdim \dzero<\hsize \centerline{\hbox{\box\bzero \quad \vbox{\box\bone \vskip4pt \box\btwo \copy\strutbox \copy\strutbox}}} \else \centerline{\box\bzero}\smallskip \centerline{\box\bone}\smallskip \centerline{\box\btwo}\fi \smallskip$

Закон совместного распределения вероятностей дискретной случайной величины X_1 и будет

$p_{ij}=P(Y=i,X_1=j)=P(Y=i/X_1=j)P(X_1=j),$

например,

$=\fi P(X_2=1)P(X_1=1)=1/36$ . В общем случае получится

$p_{ij}=P(Y=i,X_1=j)=\begin{cases}1/36, &\text{при $1\le i-j\le6$,}\\ 0, &\text{иначе.}\end{cases}$

$\centerline{\vbox{\offinterlineskip \let~=\xfrac\halign{&\strut\ $#$\ \hfil\cr _{X_1}\bs^Y& \vrule& 2& 3& 4& 5& 6& 7& 8& 9& 10& 11& 12\cr \noalign{\hrule} \omit& \omit\ \vrule height1pt\hfil\cr 1& \vrule& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}& 0& 0& 0& 0& 0\cr 2& \vrule& 0& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}& 0& 0& 0& 0\cr 3& \vrule& 0& 0& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}& 0& 0& 0\cr 4& \vrule& 0& 0& 0& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}& 0& 0\cr 5& \vrule& 0& 0& 0& 0& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}& 0\cr 6& \vrule& 0& 0& 0& 0& 0& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}& ~1{36}\cr}}} \smallskip$

Тогда

$I(Y,X_1)= \sum^6_{j=1}\sum_{1\le i-j\le6}p_{ij}\log_2{p_{ij}\over p_iq_j}=$

$={1\over36}\sum^6_{j=1}\sum_{1\le i-j\le6}\log_2{1\over6p_i}=$

$={1\over36}( \sum^7_{i=2}\log_2{1\over6p_i}+\sum^8_{i=3}\log_2{1\over6p_i}+\cdots+ \sum^{11}_{i=6}\log_2{1\over6p_i}+\sum^{12}_{i=7}\log_2{1\over6p_i})=$

$={1\over36}((\log_2{6\over1}+\log_2{6\over2}+\cdots+\log_2{6\over6})+ \cdots+(\log_2{6\over6}+\log_2{6\over5}+\cdots+\log_2{6\over1}))=$

$={1\over36} (\underline{2\log_26}+4\log_23+6\log_22+8\log_2{3\over2}+10\log_2{6\over5}+ \underline{6\log_21})=$

$=(2+2\log_23+4\log_23+6+8\log_23-8+10\log_23+10-10\log_25)/36=$

$=(10+24\log_23-10\log_25)/36\approx0.69 \hbox{ бит/символ}.$

$I(X_1,X_1)=I(X_2,X_2)=-\sum^6_{j=1}q_j\log_2q_j=\log_26= 1+\log_23\approx2.58 \hbox{ бит/символ}.$

$I(Y,Y)=-\sum_{i=2}^{12}p_i\log_2p_i=$

$={1\over36}(2\log_236+4\log_218+6\log_212+8\log_29+10\log_2{36\over5} +6\log_26)=$

$=(4+4\log_23+4+8\log_23+12+6\log_23+16\log_23+20+20\log_23- 10\log_25+\fi6+6\log_23)/36=$

$=\fi(46+60\log_23-10\log_25)/36 \approx 3.27 \hbox{ бит/сим}.$

Здесь 0 < I(Y,X_1)=I(Y,X_2) < I(X_1,X_1)=I(X_2,X_2) <
I(Y,Y) , что соответствует свойствам информации.

Подчеркнутый член ${1\over36}2\log_26 = I(X_1,X_1)/18$ в расчете I(X_1,Y) соответствует информации о двух случаях из 36, когда Y=2 и Y=12 , которые однозначно определяют X_1 . Шесть случаев, когда Y=7 , не несут никакой информации об X_1 , что соответствует подчеркнутому члену $6\log_21 = 0$ .