Mesurez le contenu informationnel et l’imprévisibilité d’une source de données.
Entrée de probabilités/comptes
Les valeurs sont normalisées automatiquement.
Analyse d'entropie
Entropie de l'information (H)1Bits par symbole
États sources2
Entropie relative100.0%Max Uncertainty
Overview
Shannon Entropy quantifie la quantité de « surprise » ou d'informations moyennes contenues dans chaque symbole produit par une source. Elle est mesurée en bits par symbole et représente la limite théorique de la compression de données sans perte.
💡
Pro Tips
Des valeurs d'entropie plus élevées signifient que la source est plus aléatoire et moins prévisible.
En cryptographie, une entropie élevée est essentielle pour générer des clés fortes et imprévisibles.
Si vous saisissez des comptes (comme 20, 30), la calculatrice les convertira en probabilités pour vous.
!
Fun Facts
"Un tirage au sort équitable a une entropie d'exactement 1,0 bit, tandis qu'une pièce biaisée atterrissant toujours sur la tête a 0 bit d'entropie car il n'y a pas d'incertitude."
"Le terme a été inventé par Claude Shannon dans son article historique de 1948, « Une théorie mathématique de la communication », qui a fondé le domaine de la théorie de l'information."
"L'entropie est maximisée lorsque tous les résultats possibles sont également probables, ce qui représente un état d'incertitude maximale."
