熵

参考：https://zh.wikipedia.org/wiki/熵_(信息论\

在信息论中熵（entropy）是接收的每条消息中包含的信息的平均量，又被称为信息熵、信源熵、平均自信息量。

熵也可以理解为不确定性的量度，因为越随机的信源的熵越大。这里的想法是，比较不可能发生的事情，当它发生了，会提供更多的信息。

如果有一个系统$S$内存在多个事件$S = \{E_1,E_2,...,E_n\}$，每个事件的概率分布$P = \{p_1,p_2, ..., p_n\}$，则每个事件本身的讯息（自信息）为：

$I_e=- \mathrm{log}_2 {p_i}$（对数以2为底，单位是比特（bit））

$I_e=- \mathrm{ln} {p_i}$（对数以$e$为底，单位是纳特/nats）

如英语有26个字母，假如每个字母在文章中出现次数平均的话，每个字母的信息量为：

$I_e=- \mathrm{log}_2 {\dfrac{1}{26}}=4.7$

而汉字常用的有2500个，假如每个汉字在文章中出现次数平均的话，每个汉字的信息量为：

$I_e=- \mathrm{log}_2 {\dfrac{1}{2500}}=11.3$

实际上每个字母和每个汉字在文章中出现的次数并不平均，比方说较少见字母（如z）和罕用汉字就具有相对高的信息量。但上述计算提供了以下概念：使用书写单元越多的文字，每个单元所包含的讯息量越大。

熵是整个系统的平均信息量：

$H_s=\displaystyle-\sum_{i=1}^np_i\mathrm{log}_2p_i$

若$p_i=0$，则定义$0log0=0$。通常对数以2为底或以$e$为底，这时熵的单位分别作为比特（bit）或奈特（nat）。

熵越大，随机变量的不确定性越大。

极值性

当所有事件有相同机会出现的情况下，熵达到最大值（所有可能的事件同等概率时不确定性最高）

$0\leqslant H_n(p_1,p_2,...,p_n)\leqslant H_n(\dfrac{1}{n},\dfrac{1}{n},...,\dfrac{1}{n})=\mathrm{log}n$

举例来说，当随机变量只取两个值时，例如1和0，则随机变量$X$的分布为

$P(X=1)=p$，$P(X=0)=1-p$，$0\leqslant p \leqslant 1$

熵为$H(p)=-p\mathrm{log}_2p-(1-p)\mathrm{log}_2(1-p)$

这时熵随着概率$p$变化的曲线如图，当$p=0.5$时熵取值最大，系统的不确定性最大。