第二章 信息的度量

I(xi ;y j ) log p(xi|y j ) p(xi )
I(xi ;yj ) I(xi ) I(y j ) I(xi y j )
2.2 平均自信息（信源熵，信息熵，熵）
2.2.1 平均自信息的概念
引出： 信源不确定性的度量（信源信息的度量） 不可行 1）自信息量 2）平均自信息量
I a I c 9.742
相互独立事件积事件的信息量为各事件信息量的和。
2.1.1 自信息
（3）假定前后字母出现不是独立的，当“a”出现后，“c“出现 的概率为0.04，计算“a”出现后，“c”出现的自信息量。 解：
I c a log0.04 4.644
（4）比较（3）中计算出的信息量，并与“c“的信息量进行比较 解：和分析。
1）求收到y1后，各种天气的后验概率。
则：
px1 y1 px1 y1 0 p y1
1 4
px2 y1
p y1
px2 y1 p y1
p x2 y1
p x2 y1
1 1 1 1 4 8 8 2
1 2
2.1.2
同理：
可以证明，满足以上公理化条件的函数形式是对数形式。
2.1.1 自信息
定义： 随机事件的自信息量定义为该事件发生概率的对数的负值。
设事件 x i 的概率为 p( xi ) ，则它的自信息定义为
I ( xi ) log p( xi ) log
def
1 p( xi )
由图可见：上述信息量的定义正 是满足上述公理性条件的函数形式。
对于联合事件（多维随机变量）：
联合自信息量: 二维联合集XY上元素( xi yj )的自信息量定义为
1 I ( xi y j ) log log p( xi y j ) p( xi y j )
其中，xiyj 是积事件； p(xiyj) 是二维联合概率。 条件自信息量: 若事件xi在事件yj给定条件下的概率为p(xi| yj)，则其 条件自信息量定义为
p( xi |y j ) p( xi )
含义：互信息 I ( xi ; y j )是已知事件 y j 后所消除的关于事件 x i 的不确 定性，它等于事件 x i本身的不确定性 I ( xi ) 减去已知事件 y j 后对 x i仍然存在的不确定性 I ( xi | y j ) 。
2.1.2
理解：
1 I ( xi | y j ) log log p( xi | y j )定义： 一个事件 y j 所给出关于另一个事件 x i 的信息定义为互信
息，用 I ( xi ; y j )表示。
def
I ( xi ;y j ) I ( xi ) I ( xi |y j ) log
pc a 0.04
pc 0.022
I c a log0.04 4.644
I c log0.022 5.506
可见， “a”出现后，“c”出现的概率增大，其不确定性则变小。 （前后字母出现不是独立的，“a”出现给出了“c”的部分信息， 故“a”出现后，“c” 的不确定性则变小。 ）
[例2]
8个串联的灯泡x1，x2，„，x8，其损坏的可能性是 等概率的，现假设其中有一个灯泡已损坏，问每进行一次测 量可获得多少信息量？总共需要多少次测量才能获知和确定 哪个灯泡已损坏。
解： 收到某消息获得的信息量(即收到某消息后获得关于某事件发生的信息量) ＝不确定性减少的量 ＝(收到此消息前关于某事件发生的不确定性) - (收到此消息后关于某事件发生的不确定性)
I ( x1 ) I ( x2 ) ， 1. I ( xi ) 是p( xi ) 的严格递减函数。当p( x1 ) p( x2 ) 时， 概率越小，事件发生的不确定性越大，事件发生以后所包含的自信 息量越大。 I ( xi ) =0。 2．极限情况下当p( xi ) =0时， I ( xi ) ；当 p( xi ) =1时， 3．另外，从直观概念上讲，由两个相对独立的不同的消息所提供的 信息量应等于它们分别提供的信息量之和。
2.1 自信息和互信息
2.1.1 自信息
定义 一个事件（消息）本身所包含的信息，它是由事件 的不确定性决定的。 自信息量 一个事件（消息）本身所包含的信息量，记为I ( xi ) 。 自信息量为概率 p( xi ) 的函数。
2.1.1 自信息
根据客观事实和人们的习惯概念，自信息量应满足以下条 件（公理化条件）：
解： I a log0.064 3.966 I c log0.022 5.506 （2）假定前后两字母出现是互相独立的，求“ac”的自信息量。 解：
字母出现相互独立，pac pa pc 0.064 0.022
I ac log0.064 0.022 log0.064 log0.022
I ( xi 含义： )
1）当事件发生以前，等于事件发生的不确定性的大小； 2）当事件发生以后，表示事件所含有或所能提供的信息量。
2.1.1 自信息
自信息量的单位：与所用对数的底a有关。
a=2 a=e a=10 a=r I= -log2P I= -ln P I= -lg P I= -logrP 单位为比特（bit） I= - logP 单位为奈特（nat） 单位为哈特莱（hartley） 单位为r进制信息单位
px3 y1 14 log 1bit px3 18
I x 4；y1 log
px 4 y1 14 log 1bit px 4 18
[例4]
设某班学生在一次考试中获优（A）、良（B）、中（C） 、及格（D）和不及格（E）的人数相等。当教师通知某甲 ：“你没有不及格”，甲获得了多少比特信息？为确定自己 的成绩，甲还需要多少信息？ 解： 总的需要 令 P(a)表示“得到老师通知前甲的成绩的不确定性（概率）” 信息 P(a|b)表示“得到老师通知后甲的成绩的不确定性（概率）” 剩余信息 则 P(a)=1/5， P(a|b)=1/4
已知8个灯泡等概率损坏，所以先验概率P (x1)＝1/8 ，即
I [ P( x1 )] log2 1 3(bit) P ( x1 )
一次测量后，剩4个灯泡，等概率损坏，P (x2)＝1/4
1 I [ P( x2 )] log2 2(bit) P ( x2 )
第一次测量获得的信息量 = I [P (x1)] - I [P (x2)]=1(bit) 经过二次测量后，剩2个灯泡，等概率损坏，P (x3)＝1/2
互信息量定义为条件互信息量。其定义式为:
I ( xi ; y j | zk ) log
p( xi | y j zk ) p( xi | zk )
i j k
联合互信息: 联合事件 {Y＝yj ,Z＝zk}与事件{X＝xi}之间的联合互信 息为: p( x | y z )
I ( x i ; y j z k ) log p( x i | y j ) p( x i )
p( x i ) p( x i | y j z k ) p( x i | y j )
log
log
I ( xi ; y j ) I ( xi ; zk | y j )
回顾
自信息
自信息量 条件自信息量 联合自信息量
I xi
I ( xi | y j )
1 I ( xi y j ) l og l og p( xi y j ) p( xi y j )
信源
互信息
干扰或噪声 消息 信道
p( xi )
信宿
xi
I ( xi )
yj
p xi y j


I ( xi | y j )
因此，已知事件 y j 后所消除的关于事件 x i 的不确定性为：
I xi I xi y j


即：
I ( xi ;y j ) I ( xi ) I ( xi |y j ) log
p x3 y1
互信息
1 4 p x4 y1 1 4
2）根据互信息量定义，计算收到y1与各种天气的互信息。 则：
I x1；y1 log px1 y1 px1
I x 2；y1 log
I x3；y1 log
px 2 y1 12 log 1bit px 2 14
I [ P( x3 )] log2
1 1(bit) P ( x3 )
第二次测量获得的信息量 = I [P (x2)] - I [P (x3)]=1(bit) 第三次测量获得的信息量 = I [P (x3)] =1(bit) 故：至少要获得3个比特的信息量就可确切知道哪个灯泡已坏了。
2.1.1 自信息
获得信息
2.1.2
互信息
def 对于联合事件（多维随机变量）： def p( xi |y j ) I ( xi ) I ( xi |y I ( xi ;y j ) I ( xi ) II((x xii ;|y jj ) log 条件互信息量: 在联合集XYZ中，在给定 zk的条件下， xi与yj之间的 p( xi )
I (a) log2 p(a) log2 (1 / 5) 2.3219 (bit) I (a | b) log2 p(a | b) log2 (1 / 4) 2 (bit) I (a; b) I (a) I (a | b) 2.3219 - 2 0.3219 (bit)


即： I xi ; y j I xi
2.1.2
[例3]
互信息
某地二月份天气出现的概率分别为：晴1/2，阴1/4，雨1/8，雪 1/8。某一天有人告诉你：今天不是晴天，把这句话作为接收的消息 y1,求收到y1后， y1与各种天气的互信息量。 解： 记： x1（晴），x2（阴），x3（雨），x4（雪）