信息熵只是一个数量
许秋雨,2019年10月26日
数学的重要任务(如果不算是最重要的任务)之一就是数学表示及量化,使得可量,可算,可比等。比如,对随机变量的表示和量化就是概率论。
要完全刻画一个随机变量,那就需要它的概率分布函数或者密度函数。遗憾的是,概率分布函数或者密度函数是一个函数,它不易被利用,如跟别的随机变量做比较,也不易被刻画。为了应用方便起见,人们就利用它的一些简单化后的数量,如期望,即均值,又如方差,等等。这些都具体到一个数值,好计算,好比,也好用。
信息熵(Information Entropy)也只是关于随机变量的一个数量,一个香农为数字通信发明的数量。一般来说,它就是在平均意义下,要用多少个比特来表示一个随机变量的概念。
对一个正整数 p来说,如果用人为的二进制来表示它,约需要 log(p) 个比特来表示。如果 p是一个小于1的正数,那它的倒数就是一个大于1的数,这样就可以用二进制来表示它的倒数,即用约 log(1/p)= -log(p)个比特来表示 p的倒数,或者等价于说 p了。
如果一个随机变量的密度函数是 pi,i是非负整数指标,如上面所说,可用约 -log(pi) 个比特来表示概率值 pi。所以对所有概率值来说,在平均意义下约需要用
∑i-log(pi) pi
个比特来表示它们。这正是这个随机变量的信息熵,也正好确确实实是表示这个随机变量的平均比特数,而哈夫曼编码法就是一个构造性的证明。
您也许会说,上面说的只是离散随机变量。但是正