এনট্রপি আপনাকে জানায় যে সিস্টেমে কতটা অনিশ্চয়তা রয়েছে। ধরা যাক আপনি একটি বিড়াল খুঁজছেন, এবং আপনি জানেন যে এটি আপনার বাড়ি এবং প্রতিবেশীদের মধ্যে যেটি 1 মাইল দূরে। আপনার বাচ্চারা আপনাকে বলে যে আপনার ঘর থেকে বিড়ালটির দূরত্ব থাকার সম্ভাবনা বিটা বিতরণ দ্বারা সেরা বর্ণনা করা হয়েছে । সুতরাং একটি বিড়াল 0 এবং 1 এর মধ্যে যে কোনও জায়গায় থাকতে পারে তবে এর মাঝামাঝি হওয়ার সম্ভাবনা বেশি থাকে, ।x f(x;2,2)xmax=1/2
আসুন বিটা আপনার সমীকরণে প্লাগ করুন, তারপরে আপনি ।H=−0.125
এরপরে, আপনি আপনার স্ত্রীকে জিজ্ঞাসা করুন এবং তিনি আপনাকে বলেছেন যে আপনার বিড়াল সম্পর্কে তার জ্ঞানের বর্ণনা দেওয়ার জন্য সর্বোত্তম বিতরণ হ'ল অভিন্ন বিতরণ। আপনি যদি এটিকে আপনার এনট্রপি সমীকরণে প্লাগ করেন তবে আপনি ।H=0
ইউনিফর্ম এবং বিটা বিতরণ উভয়ই আপনার ঘর থেকে বিড়ালটিকে যে কোনও জায়গায় 0 থেকে 1 মাইলের মধ্যে থাকতে দেয়, তবে ইউনিফর্মটিতে আরও অনিশ্চয়তা রয়েছে, কারণ আপনার স্ত্রীর বিড়ালটি যেখানে লুকিয়ে রয়েছে তার সত্যই কোনও ধারণা নেই , যখন বাচ্চাদের কিছু ধারণা রয়েছে , তারা মনে করেন এটি আরও বেশি মাঝখানে কোথাও হতে পারে। এজন্যই বিটার এন্ট্রপি ইউনিফর্মের চেয়ে কম।
আপনি অন্যান্য ডিস্ট্রিবিউশন চেষ্টা করতে পারে, হয়তো আপনার প্রতিবেশী আপনাকে বলে বিড়াল ঘর পারেন কাছাকাছি হতে লেগেছে, তাই তার বিটা বিতরণ সাথে আছেন । এর অবশ্যই আবার ইউনিফর্মের চেয়ে কম হতে হবে কারণ আপনি একটি বিড়ালের সন্ধান কোথায় করবেন সে সম্পর্কে আপনার কিছু ধারণা পাওয়া যায়। অনুমান করুন যে আপনার প্রতিবেশীর তথ্য এনট্রপি আপনার বাচ্চাদের চেয়ে বেশি বা কম? এই বিষয়গুলিতে আমি কোনও দিন বাচ্চাদের উপর বাজি রাখি।α=β=1/2H
হালনাগাদ:
কিভাবে কাজ করে? এটি ভাবার একটি উপায় হল অভিন্ন বিতরণ দিয়ে শুরু করা। যদি আপনি সম্মত হন যে এটিই সবচেয়ে অনিশ্চয়তার সাথে রয়েছে, তবে এটিকে বিরক্ত করার কথা ভাবেন। সরলতার জন্য পৃথক কেসটি দেখুন। এক বিন্দু থেকে নিন এবং এর মতো অন্যটিতে যুক্ত করুন:
Δp
p′i=p−Δp
p′j=p+Δp
এখন, আসুন দেখুন কীভাবে এন্ট্রপি পরিবর্তিত হয়:
এর অর্থ হ'ল ইউনিফর্ম বিতরণ থেকে যে কোনও ঝামেলা এন্ট্রপি (অনিশ্চয়তা) হ্রাস করে। অবিচ্ছিন্ন ক্ষেত্রে একই দেখাতে, আমাকে এই লাইনের সাথে বিভিন্নতার ক্যালকুলাস বা কিছু ব্যবহার করতে হবে তবে নীতিগতভাবে আপনি একই ধরণের ফলাফল পাবেন।
H−H′=pilnpi−piln(pi−Δp)+pjlnpj−pjln(pj+Δp)
=plnp−pln[p(1−Δp/p)]+plnp−pln[p(1+Δp/p)]
=−ln(1−Δp/p)−ln(1+Δp/p)>0
আপডেট 2: ইউনিফর্মের এলোমেলো ভেরিয়েবলগুলির গড়টি একটি এলোমেলো পরিবর্তনশীল এবং এটি বেটস বিতরণ থেকে । সিএলটি থেকে আমরা জানি যে এই নতুন এলোমেলো ভেরিয়েবলের ভেরিয়েন্সটি হিসাবে সঙ্কুচিত । সুতরাং, বৃদ্ধির সাথে এর অবস্থানের অনিশ্চয়তা হ্রাস করতে হবে : আমরা আরও বেশি করে নিশ্চিত যে একটি বিড়াল মাঝখানে রয়েছে। আমার পরবর্তী প্লট এবং এমএটিএলবি কোডটি দেখায় যে কীভাবে এনট্রপি 0 থেকে (অভিন্ন বিতরণ) এর জন্য কমে যায় । আমি এখানে वितरण 31 লাইব্রেরি ব্যবহার করছি ।nn→∞nn=1n=13
x = 0:0.01:1;
for k=1:5
i = 1 + (k-1)*3;
idx(k) = i;
f = @(x)bates_pdf(x,i);
funb=@(x)f(x).*log(f(x));
fun = @(x)arrayfun(funb,x);
h(k) = -integral(fun,0,1);
subplot(1,5+1,k)
plot(x,arrayfun(f,x))
title(['Bates(x,' num2str(i) ')'])
ylim([0 6])
end
subplot(1,5+1,5+1)
plot(idx,h)
title 'Entropy'