EQUIPO Nº 2

YURI LUNA KARINA DIMAS NYDIA CONEJO

MERCEDES MURILLO PERLA ESCOBEDO

JULIO DIAZ MARTIN ALFARO M

DANIEL TINOCO

EQUIPO Nº 2

ELEMENTOS DE LA TEORIA DE LA INFORMACION

ELEMENTOS DE LA TEORIA DE LA INFORMACION

ELEMENTOS DE LA TEORIA

El modelo propuesto por Shannon es un sistema general de la comunicación que parte de una fuente de información desde la cual, a través de un transmisor, se emite una señal, la cual viaja por un canal, pero a lo largo de su viaje puede ser interferida por algún ruido. La señal sale del canal, llega a un receptor que decodifica la información convirtiéndola posteriormente en mensaje que pasa a un destinatario.

ESQUEMA DE LOS ELEMENTOS DE LA TEORIA

Fuente de Información

Una fuente es todo aquello que emite mensajes.

Computadora, dispositivos de transmisión.

Una fuente es en sí misma un conjunto finito de mensajes: todos los posibles mensajes que puede emitir dicha fuente

TIPO DE FUENTES

Fuente Aleatoria. Cuando no es posible predecir cual es el próximo mensaje.

TIPO DE FUENTES

Fuente Estructurada. Cuando posee cierto nivel de redundancia. Una Fuente No estructurada o de información pura es aquella en que todos los mensajes son absolutamente aleatorios sin relación alguna y sin sentido aparente.

MENSAJE

Un mensaje es un conjunto de ceros y unos. Un archivo, un paquete de datos que viaja por una red y cualquier cosa que tenga una representación binaria puede considerarse un MENSAJE.

INFORMACIÓN Y CÓDIGO

Un código es un conjunto de ceros y unos, que se usan para representar a un cierto mensaje de acuerdo a reglas o convenciones preestablecidas.

La información contenida en un

mensaje es proporcional a la

cantidad de bits que se requieren como

mínimo para representar al

mensaje.

Transmisor

Recurso Técnico que transmite el mensaje originado por la fuente de información en señales apropiadas.

El Transmisor transforma el mensaje en un una señal que es enviada por el canal de comunicación al receptor.

Señal

La señal viaja por un canal, pero a lo largo de su viaje puede ser interferida por algún ruido.

Fuente de Ruido

Ruido. Expresión genérica utilizada para referirse a barias distorsiones en forma externa de la información.

Ruido de Canal. Cualquier perturbación que se produzca en el conducto por el que viaja el mensaje y que lo afecte de cualquier forma o grado.

Semántico. Cualquier canal o interpretación equivocada.

FUENTE RUIDO

Las señales pueden ser tanto de fuentes internas como externas.

Las fuentes internas usualmente están presentes de un modo u otro existan señal o no, y no cambian abruptamente al menos que suceda algo extraño dentro del equipo o en las interconexiones.

Las fuentes externas tienen dos formas para ser introducidas dentro del sistema. Una es a través de la antena y la otra es a través de la potencia de entrada.

EJEMPLO DE INTERFERENCIA

RECEPTOR

Un receptor es una persona o un equipo que recibe una señal, código o mensaje emitido por un transmisor, enunciante o emisor.

El receptor es aquella persona a quien va dirigida la comunicación; realiza un proceso inverso al de emisor, ya que descifra e interpreta los signos elegidos por el emisor, es decir descodifica el mensaje.

DESTINATARIO

Persona a quien va dirigido o destinado el mensaje.

El cual espera recibir la información completa

17

Teoría

de la

info

rmació

n

Teoría

de la

info

rmació

n

En t r op í a

En t r op í a

Y

Y

18

ENTROPIA :

19

La entropía, en la teoría de la información, es una magnitud que mide la información provista por una fuente de datos, es decir, lo que nos aporta sobre un dato o hecho concreto

LA INFORMACION DE SHANNON

20

En 1948 C.E.Shannon trabajaba para la Bell Systems estudiando la transmisión de mensajes en forma codificada, él quería definir una cantidad que fuera una medida de lo que intuitivamente entendemos por información. Es una medida de la incertidumbre sobre el verdadero contenido de un mensaje, pero la tarea se complica por el hecho de que los bits sucesivos en una cadena no son al azar, y por lo tanto no son independientes entre sí, en un mensaje real. También señalan que "la información" no es una cantidad subjetiva aquí, sino más bien una cantidad objetivo, se mide en bits.

La medida de la entropía puede aplicarse a fuentes de información de cualquier naturaleza, y nos permite

codificarla adecuadamente, indicándonos los elementos de código

necesarios para transmitirla, eliminando toda redundancia*

*Redundancia es una propiedad de los mensajes, consistente en tener partes predictibles a partir del resto del mensaje y que por tanto en sí mismo no aportan nueva información o "repiten" parte de la información 21

. E. Shannon fue uno de los primeros en interesarse en la redundancia estadística de las lenguas naturales, en particular de la lengua inglesa. Sus investigaciones a partir de la entropía condicional de los textos escritos en inglés, probó que las lenguas naturales contienen una redundancia estadística cercana al 80%.

si se eliminan al azar algo más de una cuarta parte de las letras en general se hace imposible reconstruir completamente el texto a partir del contexto restante.

22

La entropía es el límite matemático de la compresión que se puede lograr sin perder información. Para compresión superior, inevitablemente se introduce cierta distorsión (compresión con pérdida de información). La misma será o no aceptable de acuerdo a la finalidad del procesamiento del mensaje.

Ejemplo, la telefonía y la compresión de imágenes juegan con las limitaciones del sistema perceptivo humano para lograr mejor compresión.

23

Al guardar una imagen a disco o transmitirla por la red, es muy común usar algún algoritmo de compresión de datos. Una forma de clasificar estos algoritmos es analizar si existe o no pérdida de calidad en el proceso. En el primer caso, en lugar de guardar una copia exacta de la imagen, sólo se guarda una aproximación. Esta aproximación se aprovecha de las limitaciones del sistema visual humano para esconder la distorsión introducida.

Algoritmo de compresión con pérdida

24

25

Estos algoritmos son de gran utilidad para guardar imágenes fotográficas que de otra manera ocuparían mucho espacio dificultando su transmisión y almacenamiento. Un ejemplo de algoritmo con perdida de calidad es JPEG

Algoritmo de compresión sin pérdida

Es aquel donde la compresión de datos se logra por eliminación de la redundancia de la señal, por lo que no se pierde información. Su límite natural es la entropía de la fuente

GIF (Graphics Interchange Format) es un formato digital de imágenes creado por CompuServe. Este formato usa el algoritmo de compresión sin pérdida

26

La entropía nos indica el límite teórico para la compresión de datos.

27

Su cálculo se realiza mediante la siguiente fórmula:

donde H es la entropía, las p son las probabilidades de que aparezcan los diferentes códigos y m el número total de códigos. Si nos referimos a un sistema, las p se refieren a las probabilidades de que se encuentre en un determinado estado y m el número total de posibles estados.

Se utiliza habitualmente el logaritmo en base 2, y entonces la entropía se mide en bits

Ejemplo: El lanzamiento de una moneda al aire para ver si sale cara o cruz (dos estados con probabilidad 0,5) tiene una entropía:

A partir de esta definición básica se pueden definir otras entropías.

28

Entropía y Tipos de Sistemas

29

Una agrupación genérica los asocia en:

a) Sistemas análogos o isomórficosb) Sistemas homeostáticos basados en la teoría cibernética.

Estos últimos (b) tienden a mantener un estado sistemático basado en ajustes internos, los que se sustentan en el control de la comunicación para la toma de decisiones. El principio que fundamenta los sistemas homeostáticos está basado en el segundo principio de la termodinámica, que dice "todo sistema tiende a perder energía, por lo tanto desarrolla una tendencia natural hacia la entropía, es decir hacia su autodestrucción”.

Entropía y Tipos de Sistemas

30

Los homeostáticos de alta capacidad comunicacional, que potencian sus flujos internos de intercambio de información, de tal manera que se capacitan para neutralizar los factores destructivos que ellos mismos puedan generar o los que provengan del ambiente.

Ej. (El organismo humano con el sistema inmunológico funcionando eficientemente).

Los sistemas entrópicos, han perdido ésta capacidad y tienden fuertemente hacia la autodestrucción.

Ej. (Un ser humano enfermo Terminal, o una empresa en proceso de quiebra).

Ecuación de la Entropia ( en la Información)

31

pérdida de información

la entropía de información

medida de la incertidumbre

Ecuación de la Entropia ( en la Información)

32

H = Entropía

el análisis de estos sistemas se hace en el llamado espacio de fases, un espacio en el que está representadas todas las variables dinámicas del sistema, representado por (i)

K = una constante positiva,p = probabilidad de que ocurra un Evento y …m = el número total de códigos

Log2 por lo tanto la entropía se mide en bits

Aplicación de la Teoría de la Información

33

Compresión de datos

operaciones que se realizan sobre la información de una fuente con el objetivo de disminuir el tamaño del mensaje con vistas a su transmisión o almacenamiento

Aplicación de la Teoría de la Información

34

en lugar de guardar una copia exacta de la imagen, sólo se guarda una aproximación. Esta aproximación se aprovecha de las limitaciones del sistema visual humano para esconder la distorsión introducida.

Ejemplo de algoritmo con perdida de calidad es JPEG

Algoritmos de compresión

Es aquel donde la compresión de datos se logra por eliminación de la redundancia de la señal, por lo que no se pierde información. Su límite natural es la entropía de la fuente.

GIF (Graphics Interchange Format)

Con pérdida Sin pérdida

Tipos de Entropía

35

Condicional

Relativa

Negativa

Conjunta

Entropía

Entropia condicional

36

La entropía condicional es una extensión del concepto de entropía de la información a procesos donde intervienen varias variables aleatorias no necesariamente independientes.

La información o incerteza de dos fuentes “deberia” ser aditiva si estas son dependientes y acotada inferiormente por el maximo de ambas.

Entropia conjunta

Entropía relativaKULLBACK-LEIBLEREn teoría de la probabilidad la divergencia de Kullback-Leibler es un indicador de la similitud entre dos funciones de distribución. Dentro de la teoría de la información también se la conoce como divergencia de la información, ganancia de la información.

OTRAS ENTROPIAS…

37

OTRAS ENTROPIAS…

NEGENTROPIA.-

En la Teoría de la Información y la Estadística, la NEGENTROPIA se usa como medida de distancia de normalidad. La negentropía es siempre Positiva, invariante a cambios de coordenadas lineales y se desvanece si , y solo si la señal es gausiana.

La negentropía se define por:

Donde S(Φχ) es el diferencial de entropía de la densidad gausiana con la misma media y varianza, mientras que pχ y S(pχ) es la entropía diferencial de pχ:

La negentropía está relacionada a la entropía de redes, que es usada en análisis de componentes independientes.

La negentropía puede ser entendida intuitivamente como la información que puede ser guardada cuando se representa pχ de forma eficiente: si pχ fuera una variable aleatoria (con distribución gausiana) con misma media y varianza, es necesitaría una máxima longitud de datos para ser representada, aun en su forma más eficiente.

Como pχ no es tan aleatorio, algo se sabe de antemano. pχ contiene menos información desconocida, y necesita menos longitud de datos para ser representado de forma más eficiente

PERPLEJIDAD.

Es una medida utilizada en la teoría de la información, se define como 2 elevado a la entropía.

A menudo se conoce también como 2 elevado a la Entropía Cruzada, esta definición es usada son mas frecuencia en la comparación empírica de modelos probabilísticos

La perplejidad es usada frecuentemente a la hora de evaluar modelos de lenguaje.

Un modelo de lenguaje es una distribución de probabilidad sobre un conjunto de textos.

Usando la definición anterior, se puede encontrar que una frase xi en el conjunto de prueba puede ser codificada de media mediante 190 bits (p.e, si las frases de prueba tienen una media de probabilidad logarítmica de 190). Este valor nos daría un valor enorme de perplejidad de 2190 por frase.

Si las frases de un conjunto de entrenamiento constan de un total de 1,000 palabras, y éstas se codifican mediante 7,950 bits, se da la perplejidad del modelo como 27.95 = 247 por palabra.

En otras palabras, el modelo se confunde en el conjunto de prueba como si tuviese que elegir uniforme e independientemente entre 247 posibilidades por cada palabra.

ENTROPIA CRUZADA

En la Teoría de la Información, la Entropía Cruzada entre 2 distribuciones de probabilidad, mide la media de bits necesarios para identificar un evento de un conjunto de posibilidades, si un esquema de codificación está basado en una distribución de probabilidad dada q, más que en la verdadera distribución p.

La Entropía Cruzada para 2 distribuciones p y q sobre el mismo espacio de probabilidad, se define como sigue:

{{ecuación ||left}}

Donde H(p) es la entropía de p, y DKL(p | | q) es la divergencia de Kullback-Leibler entre q y p (también conocida como entropía relativa).

Carácter Frecuencia Código

Espacio 8 00

E 6 100

N 3 1100

O 3 1110

U 2 0100

A 2 0101

D 2 1010

F 2 1011

L 2 0110

M 2 0111

S 2 11010

B 1 110110

H 1 110111

J 1 111100

P 1 111101

R 1 111110

T 1 111111

TABLA DE CODIGOS DE DAVID HUFFMAN…

Entropía:

Es la tendencia que los sistemas tienen al desgaste, a la desintegración, para el relajamiento de los estándares y para un aumento de la aleatoriedad.

A medida que la entropía aumenta, los sistemas se descomponen en estados más simples. La segunda ley de la termodinámica explica que la entropía en los sistemas aumenta con el correr del tiempo

El uso popular

47

El término entropía se utiliza a menudo en el lenguaje popular para referirse a una variedad de fenómenos no relacionados.

Un ejemplo es el concepto de entropía corporativa tal como se presentó un poco con humor por los autores Tom DeMarco y Lister Timoteo en su publicación 1987 Peopleware clásico, un libro sobre el cultivo y manejo de equipos productivos y exitosos proyectos de software.

Aquí, ellos ven el derroche de energía, como la burocracia y la ineficiencia del equipo de negocios como una forma de entropía, es decir, la energía perdida a la basura.

Este concepto ha calado y ahora es la jerga común en las escuelas de negocios.