కొలత సమాచారం అర్ధవంతమైన విధానం: మీరు తెలుసుకోవాలి ప్రతిదీ

కొలత సమాచారాన్ని కొనసాగే ముందు, మాకు నిర్వచనం పరిచయం తెలియజేయండి మరియు మేము ఏమి వ్యవహరించే ఉంటాయి, అర్థం కమిటీ.

నిర్వచనం

సమాచారం - ఈ సమాచారం, సందేశాలు, దాని రూపాలు, రూపాల్లో డేటా, సంబంధం లేకుండా వారి కంటెంట్. కాగితం ముక్క మీద రాసిన కూడా పూర్తి అర్ధంలేని, సమాచారం పరిగణించవచ్చు. అయితే, రష్యన్ సమాఖ్య చట్టం యొక్క ఈ నిర్వచనం.

క్రింది విలువలను అంతర్జాతీయ ప్రమాణాల నుండి వేరుచేయవచ్చు:

• వస్తువులు, నిజాలు, ఆలోచనలు, విలువలు, అభిప్రాయాలు జ్ఞానం ఒక ప్రత్యేక సందర్భంలో ప్రజల మధ్య మార్పిడి;
• వాస్తవాలు, ఈవెంట్స్, విలువలు, విషయాలు, నిర్దిష్ట సందర్భంలో ఒక ప్రత్యేక అర్థాన్ని కలిగి భావనలు జ్ఞానం.

డేటా - ఒక ఫలవంతం ఉంది , ప్రదర్శన రూపంలో కొన్ని పాఠాలు, ఈ రెండు భావనలు పరస్పరం ఉపయోగించుకోవచ్చు.

కొలత పద్ధతులు

సమాచార భావన విభిన్నంగా నిర్వచించబడుతుంది. ఇది వివిధ మార్గాల్లో కొలుస్తారు. కొలత సమాచారానికి ప్రధాన విధానాలను క్రింది:

1. Alphabetization.
2. సంభావ్యక విధానం.
3. కొలత సమాచారం అర్ధవంతమైన విధానం.

అవి అన్ని వివిధ నిర్వచనాలకు అనుగుణంగా మరియు దీని అభిప్రాయాలు డేటాకు సంబంధించిన వేర్వేరుగా రచయితల వైవిధ్యం. సంభావ్యక విధానం AN స్థాపించబడింది కాల్మగారావ్ మరియు విషయం భావించలేదు , డేటా బదిలీ , దానిని ఉన్నా పంపడం మరియు ఆమె విషయం స్వీకరించటానికి కోసం ఎంత ముఖ్యమైన ఆమె మొత్తం కొలుస్తుంది. షానన్, రూపొందించినవారు సమాచారం కొలత అర్ధవంతమైన విధానం, ఖాతా మరిన్ని చరరాశులను లోకి తీసుకుని హోస్ట్ కోసం ఈ డేటా యొక్క ప్రాముఖ్యత అసైన్మెంట్ రకం. కానీ యొక్క క్రమంలో ప్రతిదీ చూద్దాం.

సంభావ్యతా విధానం

చెప్పినట్లుగా, సమాచార పరిమాణం యొక్క కొలత పద్ధతుల చాలా భిన్నంగా ఉంటుంది. ఈ విధానం 1948 లో షానన్ ద్వారా అభివృద్ధి చేయబడింది. ఇది వాస్తవం ఉంది సమాచారం మొత్తం సంఘటనలు మరియు వారి సంభావ్యత యొక్క సంఖ్య మీద ఆధారపడి ఉంటుంది. ఈవెంట్స్ మరియు p సంఖ్య - _ఐ - ప్రతి సంఘటన యొక్క సంభావ్యత ఉంది అవసరమైన సంఖ్య, N - సమాచారం మొత్తం ఈ విధానం లో పొందిన కింది సూత్రం యొక్క ఉంటుంది, దీనిలో నేను లెక్కించు.

అక్షరం

సమాచారం మొత్తం లెక్కించడానికి పూర్తిగా స్వీయ నియంత్రణ పద్ధతి. ఇది సందేశాన్ని రాశారు, మరియు వ్రాసిన కంటెంట్ సంఖ్య అసోసియేట్ లేదు పట్టించుకోదు. సమాచారం మొత్తం లెక్కించేందుకు మేము వర్ణమాల యొక్క శక్తి మరియు వచనం మొత్తాన్ని తెలుసుకోవాలి. నిజానికి, శక్తి అక్షరమాలతో పరిమితం కాదు. అయితే, కంప్యూటర్లు 256 అక్షరాలు తగినంత శక్తి వర్ణమాల ఉపయోగించి ఉంటాయి. సమాచారం తో చేరవేస్తుంది కంప్యూటర్లో ముద్రించిన అంశాలు చిహ్నంగా కాబట్టి మేము సంఖ్య పరిగణించవచ్చు. ఎందుకంటే 256 = 2 ^8, ఒక చిహ్నాన్ని డేటా 8 బిట్స్ ఉంది.

బిట్ 1 - ఈ కనీస, అనంత సమాచారాన్ని సంఖ్య. షానన్ ప్రకారం, జ్ఞానానికి అనిశ్చితి రెట్టింపు తగ్గిస్తుంది డేటా మొత్తం.

8 బిట్స్ = 1 బైట్.

1024 బైట్లు = 1 కిలోబైట్.

1 కిలోబైట్ = 1024 Mb.

భావించాను

మీరు చూడగలరు గా, సమాచారం యొక్క కొలత పద్ధతుల చాలా భిన్నంగా ఉంటుంది. దాని పరిమాణం కొలిచే మరొక మార్గం ఉంది. ఇది మాత్రమే పరిమాణం కానీ కూడా నాణ్యత విశ్లేషించడానికి అనుమతిస్తుంది. సమాచారం యొక్క కొలత అర్ధవంతమైన విధానం ఖాతాలోకి డేటా యొక్క ఉపయోగం తీసుకోవాలని అనుమతిస్తుంది. అలాగే, ఈ విధానం డేటా మొత్తం, సందేశం ప్రవేశించెను ప్రజలు పొందుతారు కొత్త జ్ఞానం మొత్తం నిర్ణయించబడతాయి అర్థం.

గణిత సూత్రాలు వ్యక్తం చేస్తే, డేటా మొత్తాన్ని 1bitu 2 సార్లు మానవ జ్ఞానం యొక్క అనిశ్చితి తగ్గించేందుకు ఉండాలి సమం. ఆ విధంగా, మనం సమాచార పరిమాణం నిర్ణయించటానికి కింది సూత్రాన్ని ఉపయోగించవచ్చు:

X = log ₂ N, ఇందులో X - డేటా సంఖ్య, మరియు N - సమానంగా మూడింటిని ఫలితాల సంఖ్య. ఉదాహరణకు, పజిల్ పరిష్కరించడానికి.

మేము నాలుగు వైపులా మూడు కొనలను పిరమిడ్ కలిగి అనుకుందాం. మీరు అప్ టాసు చేసినప్పుడు నాలుగు భుజాల మీద పడటం అవకాశం ఉంది. అందువలన, N = 4 (సమానసంభవనీయ ఫలితాల సంఖ్య). మీరు నాణేన్ని కుదుపు మరియు ఆశించే ఉంటే అది అంచు పెరగడం కంటే మీరు తెలిసి, మా వస్తువు ఎంత ముఖాలు ఒకటి పడటం, మరియు అవకాశం తక్కువగా ఉంటుంది.

నిర్ణయం. X = log ₂ N = log _{2 ఏప్రిల్} = 2.

మీరు చూడగలరు, 2. ఫలితంగా కానీ ఈ సంఖ్య ఏమి ఉంది? చెప్పినట్లుగా, కొలత కనీస అనంత యూనిట్ - బిట్. ఫలితంగా, పతనం తర్వాత మేము సమాచారాన్ని 2 బిట్స్ వచ్చింది.

డేటా కొలత విధానాలు యాంత్రిక పద్ధతులను గణించడం కోసం ఉపయోగిస్తారు. మీరు ఈ కార్యకలాపాలను సులభతరం యాంత్రిక పద్ధతులను ఒక కాలిక్యులేటర్ లేదా ఒక ప్రత్యేక పట్టిక ఉపయోగించవచ్చు.

ఆచరణలో

మీరు జ్ఞానం సమాచారం కొలత అర్ధవంతమైన విధానం గురించి, ఈ వ్యాసం లో పొందింది, ప్రత్యేకంగా డేటా ఉపయోగకరమైన కనుగొనవచ్చు పేరు? ఒక సందేహం లేకుండా, కంప్యూటర్లో పరీక్షలో. సమస్య పరిగణన చాలా అంతర్గత మరియు బాహ్య మెమరీ పరిమాణాన్ని, కంప్యూటర్ సాంకేతికతలో నావిగేట్ చెయ్యడానికి సులభం చేస్తుంది. నిజానికి, ఈ పరిజ్ఞానం కలిగి లేదు సైన్స్ లో తప్ప ఆచరణాత్మక విలువ. తోబుట్టువుల యజమాని పత్రం ముద్రించిన సమాచార పరిమాణం లెక్కించేందుకు బలవంతం లేదు, లేదా ఒక ప్రోగ్రామ్ను రాయడం. ప్రోగ్రామింగ్ లో, మీరు ఒక వేరియబుల్ కు కేటాయించిన మెమొరీ మొత్తం తెలుపుటకు అవసరం ఉంటుంది.