Ir para o conteúdo
OneKitly

O inglês leva cerca de um bit por letra, e o resto é um seguro

Publicado a 13/11/2026 · 3 min de leitura · Ferramentas para programadores

Daniel Okonkwo

Daniel Okonkwo — Programador front-end e redator de Tecnologia na OneKitly

Desempenho web · Formatos de ficheiro

Verificado a partir de 2 fontes

Ver perfil →
Em resumo

A entropia de Shannon mede quanto um símbolo lhe diz, em bits, e é máxima quando todos os resultados são igualmente prováveis. Quatro símbolos equiprováveis levam exatamente 2 bits cada; desequilibre-os a 50, 25, 12,5 e 12,5 por cento e a média cai para 1,75 bits, ou seja 12,5 % de redundância. O inglês escrito está muito mais desequilibrado: com as frequências reais das letras cada uma leva 4,18 bits contra um máximo de 4,70, e uma vez tido em conta o contexto as experiências do próprio Shannon situam o número perto de 1,1. Cerca de três quartos de todo o texto inglês são portanto previsíveis — o que torna possíveis ao mesmo tempo a compressão e a leitura numa sala ruidosa.

Publicidade

Vinte e seis letras equiprováveis levariam 4,70 bits cada. As frequências reais dão 4,18, e o contexto baixa-o para cerca de 1,1 — uma redundância de perto de 77 %.

A redundância é uma qualidade, não um desperdício

Uma língua sem redundância seria ilegível assim que uma letra se borrasse, pois toda a cadeia possível seria uma palavra válida e nenhum erro poderia ser detetado. As línguas humanas rondam os três quartos de redundância, e é por isso que uma frase sobrevive a uma má linha telefónica, a um sotaque estrangeiro e a uma página manuscrita. O mesmo princípio é desenhado de propósito nas máquinas: os códigos corretores acrescentam redundância de propósito, e um código QR ainda se lê com um terço da sua superfície destruída exatamente pela razão que torna legível uma palavra borrada.

O que um compressor retira na realidade

A entropia fixa um piso duro: nenhum compressor sem perdas pode descer em média abaixo da entropia da fonte, e cada um deles é uma máquina para se aproximar desse piso. O texto comprime-se bem porque há muita redundância a retirar; os ficheiros já comprimidos, os cifrados e o ruído aleatório não se comprimem nada, pois a sua entropia já está no máximo. É um teste de campo útil: tudo o que se recusa a encolher ou já está comprimido ou não é o tipo de dados que julgava.

Redundância
Entropia de quatro símbolos sob duas distribuições
DistribuiçãoEntropiaRedundância
25, 25, 25, 252,00 bits0 %
50, 25, 12,5, 12,51,75 bits12,5 %
Letras inglesas4,18 de 4,70 bits11,2 %

Exemplo calculado com a nossa ferramenta

Calculadora de entropia de Shannon

Dados

Probabilidades (somam 1)
0.25, 0.25

Resultado

Entropia (bits)
1
Entropia máxima (bits)
1
Redundância
0%

Estes números são produzidos pela calculadora abaixo, não escritos à mão — são recalculados sempre que a ferramenta muda.

Refazer com os teus números →
Publicidade

Perguntas frequentes

Porquê medir a informação em bits?
Porque um bit é a resposta a uma pergunta de sim ou não, e toda a incerteza se resolve fazendo as suficientes. Dois bits identificam uma opção de quatro equiprováveis, dez bits uma de 1024. A entropia é simplesmente o número médio de tais perguntas necessárias, daí o seu carácter fracionário: 1,75 bits significa que uma longa sucessão de símbolos pode ser fixada com 1,75 perguntas cada um em média, ainda que nenhuma pergunta individual possa ser feita a três quartos.
Outras línguas dão o mesmo resultado?
Próximo, uma vez tido em conta o tamanho do alfabeto. As línguas com mais letras partem de um máximo mais alto e acabam num lugar parecido, pois a redundância é imposta pelo modo como os humanos falam e ouvem, não pelo sistema de escrita. As medidas divergem com as escritas que anotam sílabas ou palavras inteiras: um símbolo leva então muito mais informação e a entropia por símbolo sobe em consequência — as comparações entre sistemas de escrita têm de ser feitas por unidade de sentido e não por carácter.

Artigos que podem interessar-lhe

Todos os guias →
ExplicaçãoEntropia de palavras-passe: o que um medidor de robustez não pode saberA entropia mede o processo que produziu uma palavra-passe, não os carateres que a compõem. H = L x log2(R) só é verdade quando cada carácter foi escolhido ao acaso — e é precisamente por isso que um medidor que pontua uma palavra-passe inventada por um humano pelas suas classes de carateres está a medir a coisa errada.ExplicaçãoUm PIN de quatro dígitos tem 10 000 valores e as pessoas usam uns vinteDez escolhas quatro vezes seguidas são 10 000. Acrescentar dois dígitos alcança o milhão; usar letras além de dígitos alcança 1 679 616 com as mesmas quatro casas.ExplicaçãoUma sondagem de mil é igualmente precisa num país de sessenta milhões500 em 1000 dão 50 % com uma margem de 3,10 pontos. Reduza a amostra a 100 e a margem passa a 9,80 — três vezes mais larga, com um décimo das entrevistas.ExplicaçãoSe três pessoas citam cada uma três contactos entre quatro, alguém se enganaA lista 3, 3, 3, 1 não pode descrever rede real alguma. 3, 3, 2, 2 pode, com cinco ligações. Duas regras com dois séculos apanham erros de inquérito antes de qualquer análise.ExplicaçãoTrês para um significa uma hipótese em quatro, não trêsAs probabilidades fracionárias contam as formas de perder contra as de ganhar. 3/1 vale 25 %, 1/3 vale 75 %, e 5/2 vale 28,57 % — a fração nunca é a probabilidade.ExplicaçãoUm sorteio de amigo secreto falha 63 % das vezes, seja qual for o grupoDas 120 maneiras como cinco pessoas podem tirar nomes, 44 não dão a ninguém o seu — 36,7 %. Com dez pessoas é 36,788 %, e com vinte é 36,788 %. A proporção deixa de mexer quase de imediato.

Ferramentas relacionadas

Fontes

Detetaste um erro neste artigo?