Calculator shannon-entropie
Plak een kansverdeling en je krijgt haar shannon-entropie H = −Σ p·log p in bits — de gemiddelde informatie per uitkomst. Je ziet ook de hoogst mogelijke entropie (een uniforme verdeling) en de redundantie, dus hoe ver je onder dat maximum zit.
Vergelijkbare tools
Alle tools: Discrete wiskunde & grafen →De Calculator shannon-entropie zet Kansen (tellen op tot 1) direct en gratis om in Entropie (bits), Maximale entropie (bits), Redundantie. Bijvoorbeeld: met Kansen (tellen op tot 1) = 0.25, 0.25, 0.25, 0.25 geeft hij Entropie (bits) = 2, Maximale entropie (bits) = 2 en Redundantie = 0%.
Zo gebruik je het
- Voer je waarden in: Kansen (tellen op tot 1).
- Lees het resultaat onmiddellijk: Entropie (bits), Maximale entropie (bits), Redundantie.
Veelgestelde vragen
Hoe werkt de Calculator shannon-entropie?
Hij neemt Kansen (tellen op tot 1) en leidt daar Entropie (bits), Maximale entropie (bits) en Redundantie uit af. De berekening loopt live terwijl je typt, dus het resultaat werkt bij elke wijziging bij.
Welke waarden vraagt de calculator?
Eén enkele waarde: Kansen (tellen op tot 1). Verder is er niets nodig — geen account, geen bestandsupload.
Hoe ziet een typische berekening eruit?
Met Kansen (tellen op tot 1) = 0.25, 0.25, 0.25, 0.25 geeft de calculator Entropie (bits) = 2, Maximale entropie (bits) = 2 en Redundantie = 0%. Die cijfers komen uit het daadwerkelijk uitvoeren van deze tool, dus je kunt ze reproduceren door dezelfde waarden in te voeren.
Hoeveel verandert het resultaat bij andere invoer?
Het beweegt sterk. Met Kansen (tellen op tot 1) = 0.25, 0.26, 0.28, 0.29 in plaats daarvan gaat Entropie (bits) van 2 naar 1,998 — en daarom is het de moeite waard een paar scenario’s te toetsen in plaats van op één cijfer te vertrouwen.
Wat geeft het bij kleinere waarden?
Teruggeschaald naar Kansen (tellen op tot 1) = 0.25, 0.25 komt Entropie (bits) uit op 1. Het is de moeite waard het verband aan beide uiteinden te controleren voordat je op één uitkomst vertrouwt.
Wanneer zou ik dit werkelijk gebruiken?
Alles wat als punten en verbindingen te modelleren is: een kortste route, de capaciteit van een netwerk, een planning met afhankelijkheden, of een schakeling teruggebracht tot haar logica.
Wat is de meest voorkomende fout?
Aannemen dat een kortste pad kortst blijft wanneer een gewicht van teken wisselt. Negatieve takken breken het hebzuchtige argument waarop Dijkstra rust, en het algoritme geeft dan een zelfverzekerd verkeerd antwoord in plaats van een foutmelding.
Waar komen de cijfers vandaan, en hoe actueel zijn ze?
De algoritmen zijn de leerboekalgoritmen en hun uitkomsten zijn exact voor de graaf die je invoert. Wat varieert, is de kostprijs: voor verschillende van deze problemen is geen efficiënte oplossing bekend, dus grote invoer wordt met een heuristiek beantwoord en de tool zegt wanneer dat het geval is.