作业二

本文详细解释了信息熵的概念,并通过实例演示了如何计算不同条件下的熵值。同时,还给出了两个关于熵的重要数学证明:一是证明了熵的取值范围,二是证明了独立同分布序列的熵等于一阶熵。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、设X是一个随机变量,取值范围是一个包含M个字母的符号集。证明0<=H(x)<=log2M。

      证明:

        假设M=1, 则H(X)=-∑P(Xi)*log2P(Xi)=-(1*log21)=0,此时H(X)为最小

         当M>1且取包含每个字母的概率P(Xi)相等即为1/M时

         则H(X)=-∑P(Xi)*log2P(Xi)=-M(1/M*log1/M)=log2M

         又因熵具有极值性,所以此时H(X)最大

         所以说0≤H(X)≤log2M。

2、证明如果观察到一个序列的元素为iid分布,则该序列的熵等于一阶熵。

       证明:

       由:H(X)=limn→∞1/n*Gn

          Gn=-∑i1∑i2.....∑inP(X1=i1,X2=i2,....Xn=in)*logP(X1=i1,X2=i2,....Xn=in)     i1,i2....in=1...m

       如果序列为iid序列分布,则

       Gn=-n∑i1P(X1=i1)*logP(X1=i1),i1=1...m

      则

          H(X)=-∑P(X1=i1)*logP(X1=i1)为一阶熵。

3、给定符号集A={a1,a2,a3,a4},求以下条件下的一阶熵:

(a)P(a1)=P(a2)=P(a3)=P(a4)=1/4;

解:H(A)=-∑P(ai)*logP(ai)=-4*(1/4*log21/4)=2

 

(b)P(a1)=1/2,P(a2)=1/4,P(a3)=P(a4)=1/8;

解:H(A)=-∑P(ai)*logP(ai)=-(1/2*log21/2+1/4*log21/4+2*1/8*log21/8)=7/4

 

(c)P(a1)=0.505,P(a2)=1/4,P(a3)=1/8,P(a4)=0.12;

解:H(A)=-∑P(ai)*logP(ai)=-(0.505*log20.505+1/4*log21/4+1/8*log21/8+0.12*log20.12)

            =1/2+3/8-0.505*log20.505-0.12*log20.12

            =7/8-0.505*log20.505-0.12*log20.12

转载于:https://www.cnblogs.com/huangjidie/p/5844960.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值