Вероятно - статистический подход к измерению информации

Август 7, 2022

Главная
Информатика
Вероятно - статистический подход к измерению информации

Содержание

2. Введение Цели проекта: цель моего проекта узнать кто и каким образом открыли вероятность статистический подход к
3. Актуальность В наше время люди много работают с огромными массивами информации и что бы с ними
4. История появления метода В 30-х годах ХХ века американский ученый Клод Шеннон предложил связать количество информации,
5. Вероятностный подход к измерению информации Определить понятие "количество информации" довольно сложно. В решении этой проблемы существуют
6. Этапы обработки информации. На самом деле их там много, но я выделил самые нужные. Этапы обработки:
7. Характеристики обработки информации Частота V - величина, характеристика периодического процесса, равна количеству повторений или возникновения событий
8. Характеристики обработки информации Квадратный корень из дисперсии, называется среднеквадратическим отклонением, стандартным отклонением или стандартным разбросом. Отклонение-отклонение
9. Сбор информации Рассмотрим пример: В некотором классе было 25 учеников, им на каникулы задали прочитать 6
10. Составление графика распределения данных Группировка данных и составление таблицы данных, которые я объединил в один этап,
11. Виды обработки информации В информатике, как правило, измерению подвергается информация, представленная дискретным сигналом. При этом различают
12. Статистический подход к измерению информации Статистический подход основывается на учете вероятности появления сообщений. Считается, что сообщение
13. Семантический подход к измерению информации Семантический подход обеспечивает учет целесообразности и полезности информации. Он используется для
14. Адитивная (логарифмическая) мера (структурный подход) Определяет максимально возможное количество информации в заданных объемах. Единица измерения –
16. Скачать презентацию

Слайд 2

Введение
Цели проекта: цель моего проекта узнать кто и каким образом открыли

вероятность статистический подход к измерению информации а также изучить понятие обработки информации как таковой
Задачи проекта:
Выяснить, каким образом работает подобный подход к измерению информации, как им пользоваться и зачем вообще он нужен.
Выяснить какие этапы проходит информация и что с ней происходит.

Слайд 3

Актуальность
В наше время люди много работают с огромными массивами информации и что

бы с ними было проще работать люди пользуются программами для обработки разного вида информации, это значительно упрощает жизнь и экономит время. Пример такой программы-тот же самый MS Excel

Слайд 4

История появления метода
В 30-х годах ХХ века американский ученый Клод Шеннон

предложил связать количество информации, которое несет в себе некоторое сообщение, с вероятностью получения этого сообщения.

Слайд 5

Вероятностный подход к измерению информации
Определить понятие "количество информации" довольно сложно. В решении

этой проблемы существуют два основных подхода. Исторически они возникли почти одновременно. В конце 40-х годов XX века один из основоположников кибернетики американский математик Клод Шеннон развил вероятностный подход к измерению количества информации, а работы по созданию ЭВМ привели к "объемному" подходу.

Слайд 6

Этапы обработки информации.
На самом деле их там много, но я выделил самые

нужные.
Этапы обработки:
Сбор информации
Группировка данных
Составление таблицы данных
График распределения данных
Паспорт данных
Это все этапы, которые нам нужны, с ними разберемся далее

Слайд 7

Характеристики обработки информации
Частота V - величина, характеристика периодического процесса, равна количеству повторений

или возникновения событий (процессов) в единицу времени. Рассчитывается, как отношение количества повторений или возникновения событий (процессов) к промежутку времени, за которое они совершены отношение кратности (сколько раз информация встретилась) на ее объем. частота=кратность деленная на объем, частота%= частота * 100%

Размах R - разность между наибольшей и наименьшей вариантой.

Среднее значение M- среднее значение всех вариант

Мода Mo - варианта которая встречается больше всего раз.

Дисперсия D- мера разброса значений случайной величины относительно её математического ожидания

Слайд 8

Характеристики обработки информации
Квадратный корень из дисперсии, называется среднеквадратическим отклонением, стандартным отклонением

или стандартным разбросом.

Отклонение-отклонение варианты от среднего значения
Xt -M

Квадрат отклонения-отклонение в квадрате
(Xt -M)2

Слайд 9

Сбор информации
Рассмотрим пример: В некотором классе было 25 учеников, им на каникулы

задали прочитать 6 книг, после каникул у них спросили сколько книг они прочитали в результате получили следующие значения.

Размах: R=6-0=6
Мода: Mo =3
Среднее: M=(0*1+1*2+2*4+3*7+4*5+4*4+6*2) : 25=3.32
Дисперсия: D=(0*11,02+1*5,38+2*1,74+3*0,10+4*0,46+4*2,82+6*7,18):25=2,297

Слайд 10

Составление графика распределения данных Группировка данных и составление таблицы данных, которые я объединил в один

этап, чтобы не растягивать:

График распределения данных

На основе полученных данных мы можем составить паспорт данных
N=25
δ =1.51
D=2,29
R=6
M=3.32
Mo =3

Слайд 11

Виды обработки информации
В информатике, как правило, измерению подвергается информация, представленная дискретным сигналом.

При этом различают следующие подходы:

Статистический подход. Учитывает вероятность появления сообщений: более информативным считается то сообщение, которое менее вероятно, т.е. менее всего ожидалось. Применяется при оценке значимости
получаемой информации.

Семантический подход. Учитывает целесообразность и полезность информации. Применяется при оценке получаемой информации.

Структурный подход. Измеряет количество информации простым подсчетом информационных элементов, составляющих сообщение.

Слайд 12

Статистический подход к измерению информации
Статистический подход основывается на учете вероятности появления

сообщений. Считается, что сообщение более информативное, если оно менее вероятно (ожидаемо). Данный подход применяется для вычисления значимости получаемой информации.

Слайд 13

Семантический подход к измерению информации
Семантический подход обеспечивает учет целесообразности и полезности

информации. Он используется для вычисления эффективности получаемой информации и ее соответствия реальности. Семантический метод включает такие меры измерения информации как: целесообразность, полезность и истинность информации. Целесообразность информации. Количество информации I с позиций ее истинности, получаемой вместе с сообщением, определяется но формуле

Слайд 14

Адитивная (логарифмическая) мера (структурный подход)
Определяет максимально возможное количество информации в заданных

объемах. Единица измерения – информационный элемент. Мера может быть использована для определения информационной емкости памяти компьютера. В этом случае в качестве информационного элемента выступает минимальная единица хранения – бит.

Вероятно - статистический подход к измерению информации

Содержание

ВведениеЦели проекта: цель моего проекта узнать кто и каким образом открыли

Актуальность В наше время люди много работают с огромными массивами информации и что

История появления методаВ 30-х годах ХХ века американский ученый Клод Шеннон

Вероятностный подход к измерению информацииОпределить понятие "количество информации" довольно сложно. В решении

Этапы обработки информации. На самом деле их там много, но я выделил самые

Характеристики обработки информацииЧастота V - величина, характеристика периодического процесса, равна количеству повторений

Характеристики обработки информацииКвадратный корень из дисперсии, называется среднеквадратическим отклонением, стандартным отклонением

Сбор информации Рассмотрим пример: В некотором классе было 25 учеников, им на каникулы