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 — Programador front-end e redator de Tecnologia na OneKitly
Desempenho web · Formatos de ficheiro
Verificado a partir de 2 fontes
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.
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.
| Distribuição | Entropia | Redundância |
|---|---|---|
| 25, 25, 25, 25 | 2,00 bits | 0 % |
| 50, 25, 12,5, 12,5 | 1,75 bits | 12,5 % |
| Letras inglesas | 4,18 de 4,70 bits | 11,2 % |
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 →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 →Ferramentas relacionadas
Fontes
Detetaste um erro neste artigo?