一、如何度量信息

信息量是对信息的度量，香农不仅对信息作了定性描述，还进行了定量分析。
信源发出的信息常常是随机的，具有不确定性。如果信源中某一消息的不确定性越大，一旦发生，并为收信者接到，消除的不确定性就越大，获得的信息也就越大。同时事件发生的不确定性与事件发生的概率有关，概率越小，不确定性就越大。

二、 离散集信息量的性质

某事件X发生所提供的信息量I(x),应该是该事件发生的先验概率p(x)的函数：

且应满足一下四点：

1、 I(x)应该是事件概率p(x)的单调递减函数；
2、信息量应该具有可加性：对于两个独立事件，其信息量应等于各自信息量之和；
3、当p(x)=1时，I(x)=0：表示确定事件发生得不到任何信息；
4、当p(x)=0时，I(x)=∞：表示不可能发生的事件一旦发生，信息量将无穷大。

综合上诉条件，在概率上已经严格证明了

其中p(x)为消息的先验概率

信息量单位：若这里对数底数取2，则单位为bit，由于在计算机上是二进制，我们一般都采用bit,

例1、信源消息X={0,1,2}的概率模型如下：

则该信源各消息的信息量分别为：

单位比特

信息量代表两种含义

• 1、事件X发生以前，I(x)表示事件X发生的不确定性；
• 2、当事件X发生以后，I(x)表示事件X所提供的信息量(在无噪声的情况下)

例2、假设一根电线上串联8个灯泡X1、X2…X8,这8个灯泡损坏的可能性等概率的，假设只有一个灯泡损坏，用万能表去测量，获得足够的信息量，才能获知和确定哪个灯泡X_i损坏。下面就来看我们最少需要获得多少信息量才能判断出。

解：第一次测试从中间测量，这样八个灯泡分成两部分，并可以判断出在哪一边，这样挑出坏灯泡概率1/4

第二次在剩下4个灯泡中间测量获得的信息量：

第三次在两个灯泡中间测量获得的信息量：

信息熵

信息熵—是整个系统的不确定性的统计特性即整个信源信息量的统计平均值

例3 有两个信源X和Y：

在现实中，能找到很多类似的模型，我们想知道这两个信源本质的区别在哪里？

平均信息量—-熵的定义

设X是一个集合(即信息系统如信源或信道），其概率模型为{X_i,P(X_i)},则定义系统X的平均信息量—–熵为：

熵的单位是比特/符号。H(X)就是唯一确定X中任一事件的平均信息量。反应了一个系统平均复杂度。

熵的几条性质

(1)对称性：熵只和分布有关，不关心某一具体事件对应哪个概率
(2)非负性：H(X)>=0
(3)确定性：若离散事件是确定事件，则H(X)=0
(4)极值性—-最大离散熵定理：设|X|为信源消息的个数，

计算例3两个信源X和Y的熵

信源X熵明显要远远大于信源Y的熵，信源X发出信息不确定性很大，二信源Y不确定信很小

条件信息量

在已知事件yi的条件下，事件xi发的概率为条件概率p(xi|yi)，那么条件信息量定义为

联合信息量

事件xi,yi同时发生的概率是p(xiyi),那么联合信息量为

联合熵

条件熵

…………….