情報エントロピー

定義：information entropy

ある事象の組み合わせで表される系において,情報量の期待値のことを情報エントロピー

$H(X)$ という.離散確率分布

$P = {p_1, p_2, ..., p_n}$ に対する情報エントロピー

$H(P)$ は,

$p_i$ を各事象の確率,

$\log_2$ を底2の対数[単位はビット]として,以下のように定義される.

H (P) = - \sum_{i = 1}^{n} p_{i} \log_{2} p_{i}

また,連続確率分布

$f(x)$ に対する情報エントロピー[微分エントロピー]は以下のように定義される.

H (f) = - \int_{- \infty}^{\infty} f (x) \log_{2} f (x) d x

各事象の情報量 $I(x_i)$ は, $p(x_i)$ を事象 $x_i$ の確率とすると, $I (x_{i}) = - \log_{2} p (x_{i})$ と定義される.従って,情報エントロピーは,各事象の情報量の期待値[平均]として解釈できる. $H (P) = E [I (X)] = \sum_{i = 1}^{n} p_{i} I (x_{i}) = - \sum_{i = 1}^{n} p_{i} \log_{2} p_{i}$

エントロピーの性質

非負性: $H(P) \geq 0$
上限: $n$ 個の事象がある場合, $H(P) \leq \log_2 n$
加法性: 独立な確率変数 $X$ と $Y$ に対して, $H(X,Y) = H(X) + H(Y)$

具体例

公平なコイン投げの場合の情報エントロピーは以下のようになる. $H (P) = - (\frac{1}{2} \log_{2} \frac{1}{2} + \frac{1}{2} \log_{2} \frac{1}{2}) = 1 bit$

正規分布との関係

正規分布は,与えられた平均と分散という制約条件下で最大の情報エントロピーを持つ唯一の分布である.ガンマ分布,ベータ分布などは,同じ平均と分散を持つ正規分布よりも常に低い情報エントロピーを持つ.このことは,これらの分布が正規分布よりも,より多くの構造や,より多くの情報を含んでいることを意味している.

なお,サイコロのように,各目が出る確率が等しい場合[公平なサイコロ]においては,最大の情報エントロピーを持つのは一様分布である.

Mathematics is the language with which God has written the universe.

DataHub 正規分布連続一様分布多項分布二項分布と負の二項分布負の二項係数