O que a entropia nos diz?

Estou lendo sobre entropia e estou tendo dificuldades para conceituar o que isso significa no caso contínuo. A página wiki declara o seguinte:

A distribuição de probabilidade dos eventos, juntamente com a quantidade de informações de cada evento, forma uma variável aleatória cujo valor esperado é a quantidade média de informações, ou entropia, gerada por essa distribuição.

Portanto, se eu calcular a entropia associada a uma distribuição de probabilidade contínua, o que isso realmente está me dizendo? Eles dão um exemplo sobre o lançamento de moedas, portanto, o caso discreto, mas se houver uma maneira intuitiva de explicar através de um exemplo como esse no caso contínuo, isso seria ótimo!

Se ajudar, a definição de entropia para uma variável aleatória contínua é a seguinte: $X$

H (X) = - \int P (x) \log_{b} P (x) d x

$H(X)=-\int P(x)\log_b P(x)dx$ que é uma função de distribuição de probabilidade.

P (x)

$P(x)$

Para tentar tornar isso mais concreto, considere o caso de e, de acordo com a Wikipedia , a entropia é $X\sim \text{Gamma}(\alpha,\beta)$

\begin{aligned} H (X) & = E [- \ln (P (X))] \\ = E [- α \ln (β) + \ln (Γ (α)) + \ln (Γ (α)) - (α - 1) \ln (X) + β X] \\ = α - \ln (β) + \ln (Γ (α)) + (1 - α) (\frac{d}{d α} \ln (Γ (α))) \end{aligned}

$\begin{align} H(X)&=\mathbb{E}[-\ln(P(X))]\\ &=\mathbb{E}[-\alpha\ln(\beta)+\ln(\Gamma(\alpha))+\ln(\Gamma(\alpha))-(\alpha-1)\ln(X)+\beta X]\\ &=\alpha-\ln(\beta)+\ln(\Gamma(\alpha))+(1-\alpha)\left(\frac{d}{d\alpha}\ln(\Gamma(\alpha))\right) \end{align}$

E agora calculamos a entropia para uma distribuição contínua (a distribuição Gamma) e, se agora avaliamos essa expressão, , dada e , o que essa quantidade realmente me diz? $H(X)$ $\alpha$ $\beta$

entropy RustyStatistician
fonte

(+1) Essa citação faz referência a uma passagem verdadeiramente infeliz. Está tentando, de maneira laboriosa e opaca, descrever e interpretar a definição matemática de entropia. Essa definição é . Pode ser visto como a expectativa de , onde é a pdf de uma variável aleatória . Ele está tentando caracterizar como a "quantidade de informações" associada ao número .

\int f (x) \log (f (x)) d x

$\int f(x)\log(f(x))dx$

\log (f (X))

$\log(f(X))$

f

$f$

X

$X$

\log (f (x))

$\log(f(x))$

x

$x$

whuber

Vale a pena perguntar, porque há uma questão técnica delicada, mas importante: a versão contínua da entropia não possui as mesmas propriedades que a versão discreta (que possui uma interpretação natural e intuitiva em termos de informação). @ Tim AFAIK, esse tópico sobre Matemática trata apenas de casos discretos .

whuber

@RustyStatistician pensa em como dizendo o quão surpreendente o resultado x foi. Você está calculando a surpresa esperada.

- \log (f (x))

$-\log\left(f\left(x\right)\right)$

Adrian

Com relação às referências técnicas da @whuber, isso pode ser interessante.

5605 Sean Easter

Caso você esteja interessado em detalhes técnicos: a entropia é baseada em uma pseudo-métrica chamada divergência de Kullback-Leibler, usada para descrever as distâncias entre os eventos em suas respectivas medidas, consulte projecteuclid.org/euclid.aoms/1177729694 para obter o original ( artigo de Kullback e Leibler. O conceito também reaparece em critérios de seleção de modelo como o AIC e o BIC.

Jeremias K

Respostas:

A entropia informa quanta incerteza existe no sistema. Digamos que você esteja procurando um gato e saiba que está em algum lugar entre sua casa e os vizinhos, que fica a 1,6 km. Seus filhos lhe dizem que a probabilidade de um gato estar à distância de sua casa é melhor descrita pela distribuição beta . Portanto, um gato pode estar em qualquer lugar entre 0 e 1, mas é mais provável que esteja no meio, ou seja, . $x$ $f(x;2,2)$ $x_{max}=1/2$

Vamos conectar a distribuição beta à sua equação, para obter . $H=-0.125$

Em seguida, você pergunta a sua esposa e ela diz que a melhor distribuição para descrever o conhecimento dela sobre o seu gato é a distribuição uniforme. Se você conectá-lo à sua equação de entropia, obtém . $H=0$

As distribuições uniforme e beta permitem que o gato esteja entre 0 e 1 milha da sua casa, mas há mais incerteza no uniforme, porque sua esposa realmente não tem idéia de onde o gato está se escondendo, enquanto as crianças têm alguma idéia , acham que é mais provável que esteja em algum lugar no meio. É por isso que a entropia do Beta é menor que a da Uniform.

Você pode tentar outras distribuições, talvez seu vizinho diga que o gato gosta de estar perto de qualquer uma das casas, então a distribuição beta dele é com . Seu deve ser menor do que o uniforme novamente, porque você tem uma idéia de onde procurar um gato. Adivinhe se a entropia de informações do seu vizinho é maior ou menor que a dos seus filhos? Eu apostaria em crianças qualquer dia sobre esses assuntos. $\alpha=\beta=1/2$ $H$

ATUALIZAR:

Como é que isso funciona? Uma maneira de pensar nisso é começar com uma distribuição uniforme. Se você concorda que é o que tem mais incerteza, pense em perturbá-lo. Vejamos o caso discreto para simplificar. Pegue de um ponto e adicione-o a outro da seguinte maneira: $\Delta p$

p_{i}^{'} = p - Δ p

$p_i'=p-\Delta p$

p_{j}^{'} = p + Δ p

$p_j'=p+\Delta p$

Agora, vamos ver como a entropia muda: Isso significa que qualquer perturbação da distribuição uniforme reduz a entropia (incerteza). Para mostrar o mesmo em caso contínuo, eu teria que usar cálculo de variações ou algo parecido com essa linha, mas você obterá o mesmo tipo de resultado, em princípio.

H - H^{'} = p_{i} \ln p_{i} - p_{i} \ln (p_{i} - Δ p) + p_{j} \ln p_{j} - p_{j} \ln (p_{j} + Δ p)

$H-H'=p_i\ln p_i-p_i\ln (p_i-\Delta p)+p_j\ln p_j-p_j\ln (p_j+\Delta p)$

= p \ln p - p \ln [p (1 - Δ p / p)] + p \ln p - p \ln [p (1 + Δ p / p)]

$=p\ln p-p\ln [p(1-\Delta p/p)]+p\ln p-p\ln [p(1+\Delta p/p)]$

= - \ln (1 - Δ p / p) - \ln (1 + Δ p / p) > 0

$=-\ln (1-\Delta p/p)-\ln (1+\Delta p/p)>0$

ATUALIZAÇÃO 2: A média de variáveis aleatórias uniformes é uma variável aleatória em si, e é da distribuição de Bates . No CLT , sabemos que a variação dessa nova variável aleatória diminui como . Portanto, a incerteza de sua localização deve diminuir com o aumento de : temos cada vez mais certeza de que um gato está no meio. Meu próximo gráfico e código MATLAB mostra como a entropia diminui de 0 para (distribuição uniforme) para . Estou usando a biblioteca distributions31 aqui. $n$ $n\to\infty$ $n$ $n=1$ $n=13$

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'

Aksakal
fonte

(+1) Vou esperar para ver outras interpretações, mas realmente gosto dessa. Então, parece que você pode usar a entropia como uma medida de certeza de que você precisa compará-la com outras distribuições? Ou seja, o número por si só não diz muito?

RustyStatistician

@RustyStatistician, eu não diria que seu valor absoluto é totalmente sem sentido., Mas sim, é mais útil quando usado para comparar os estados do sistema. A maneira fácil de entropia internalizar é pensar nele como medida de incerteza

Aksakal

O problema com esta resposta é que o termo "incerteza" é deixado indefinido.

b Kjetil Halvorsen

o termo é deixado incerto

Aksakal

Isso é muito legal.

Astrid

Gostaria de adicionar uma resposta direta a esta pergunta:

o que essa quantidade realmente me diz?

É intuitivo ilustrar isso em um cenário discreto. Suponha que você jogue uma moeda fortemente tendenciosa, dizendo que a probabilidade de ver uma cabeça em cada flip é de 0,99. Cada mudança real diz muito pouca informação, porque você quase já sabe que será a cabeça. Mas quando se trata de uma moeda mais justa, não é mais difícil você ter uma idéia do que esperar, então cada flip informa mais informações do que qualquer outra moeda tendenciosa. A quantidade de informação obtida pela observação de um único lançamento é igualada a . $\log \frac{1}{p(x)}$

O que a quantidade da entropia nos diz é a informação que cada flipping real (média ponderada) pode transmitir: . Quanto mais justa a moeda, maior a entropia, e uma moeda completamente justa será maximamente informativa. $E \log \frac{1}{p(x)} = \sum p(x) \log \frac{1}{p(x)}$

Lerner Zhang
fonte