Sënnvoll Approche un d'Moosse Informatiounen: alles Dir wëssen, brauchen

Ier fir d'Moosse Informatiounen Dir, loosse mer der Definitioun aféieren a mir soll verstoen, wat mir sinn bewäerten.

Definitioun

Informatiounen - dës Informatiounen, Messagen, Daten an all senge Formen, Formen, onofhängeg vun hirem Inhalt. Och komplett lächerlech wieren, op engem Stéck Pabeier geschriwwe kann als Informatiounen considéréiert ginn. Mä dës Definitioun vun der Russesch Féderalen Gesetz.

Werter kann aus der international Standarden isoléiert ginn:

• Wëssen vun Objeten, Fakten, Iddien, Wäerter, Meenungen tëschent de Leit an engem bestëmmte Kontext;
• Wëssen vun Fakten, Evenementer, Wäerter, Saachen, Konzepter, déi an der spezifeschen Kontext eng besonnesch Bedeitung hunn.

Donnéeën - ass e Land ginn Form vun Presentatioun, obwuel an e puer Texter, kënnen dës zwee Konzepter Polis benotzt ginn.

Moosse Method

D'Konzept vun Informatiounen ass anescht definéiert. Et ass a verschiddene Weeër gemooss. Déi folgend Haaptrei Approche un d'Moosse Informatiounen:

1. Alphabetiséierung.
2. Probabilistic Approche.
3. Sënnvoll Approche un d'Moosse Informatiounen.

All se vun fir verschidden Definitiounen sëlwecht an enger Rei vun Auteuren hir Meenungen ënnerscheet d'Daten iwwer hunn. Probabilistic Approche war en etabléiert Kolmogorov a betruecht net de Sujet vun Daten Transfermaart, dat ass, dat de Montant vun hirem Mesuren egal wéi wichteg et fir déi exzellent ass an Erhalen vun hirem Sujet. Sënnvoll Approche un d'Moosse vun der Informatioun vun Shannon geschaf, moder- méi Verännerlechen an ass eng Zort Bilan vun der Wichtegkeet vun dësen Daten fir de Provider. Mä mer elo bei alles an Uerdnung am Wanterschlof war.

probabilistic Approche

Als ernimmt, ass d'Approche op de Moosse vun der Quantitéit vun Informatiounen ganz verschidden. Dës Approche war vun 1948 duerch Shannon entwéckelt. Et läit an der Tatsaach, datt de Montant vun Informatiounen iwwert d'Zuel vun den Evenementer an hirer Wahrscheinlechkeet hänkt. Berechent der Quantitéit vun Informatiounen an dëser Approche kritt kann vun de folgenden Formule ginn, an deem ech - ass déi néideg Zuel, N - d'Zuel vun den Evenementer a p _ech - ass d'Wahrscheinlechkeet vun all Event.

Alphabet

Komplett Self-Texter Method fir d'Quantitéit vun Informatiounen oofhalen. Et betruecht net, datt et am Message geschriwwen huet, an Associé net mat der Zuel vun schrëftlech Inhalt. Fir Berechent der Quantitéit vun Informatiounen brauchen mir d'Muecht vun der Alphabet an der Zomm vun den Text ze kennen. An Tatsaach, ass Muecht un d'Alphabet net limitéiert. Allerdéngs si mat Computeren genuch Muecht Alphabet vun 256 Zeechen. Esou kënne mir d'Zuel vun Informatiounen dréit mat et e Symbol vun der gedréckt Text op de Computer zielen. Well 256 = 2 ^8, ass ee Symbol 8 Deeler vun Daten.

Bëssen 1 - dat ass de Minimum, d'Zuel vun indivisibel Informatiounen. No Shannon, et ass de Montant vun Daten, datt d'Onsécherheet vun Wëssen verklengert verduebelt.

8 Stécker = 1 BYTE.

1024 Bytes = 1 kilobyte.

1 kilobyte = 1024 Mb.

geduecht

Wéi Dir gesitt kann, ass d'Approche un d'Moosse vun der Informatioun ganz verschidden. Et ass eng aner Aart a Weis seng Quantitéit ze moossen. Et erlaabt diskutéieren net nëmmen d'Quantitéit awer och d'Qualitéit. Sënnvoll Approche un d'Moosse vun der Informatioun erlaabt Rechnung d'Nëtzlechkeet vun den Daten ze huelen. Och, heescht dat Approche dass de Montant vun Daten an den Message koum, vun der Quantitéit vun neie Wëssen sech dass Leit gespillt gëtt.

Wann zu mathematesch Formelen ausgedréckt, gläich der Zomm vun Daten an 2 Mol d'Onsécherheet vun mënschlech Wëssen ze 1bitu reduzéieren sollt. Sou, benotze mer folgend Formule der Quantitéit vun Informatiounen ze bestëmmen:

X = aloggen ₂ N, Hellef X - d'Zuel vun den Donnéeën, an N - d'Zuel vun selwecht eventuellen Resultater. Zum Beispill, léisen de Puzzel.

Ugeholl hu mir eng dräi-Instrument Pyramid mat véier Säiten. Wann Dir et gehäit an et ass eng Chance, datt et op ee vun de véier Säiten Hierscht wäert. Sou, N = 4 (Zuel vun equiprobable Resultater). Wéi Dir wësst, op ee vun de Gesiichter d'Chance dass eis Objet Hierscht gëtt, a gëtt dofir ginn manner wéi wann Dir eng Mënz VSC an erwaarden et Wäitschoss ze klammen.

Decisioun. X = aloggen ₂ N = aloggen ₂ 4 = 2.

Wéi Dir gesitt, d'Resultat vum 2. Mee wat ass dat Figur? Als Minimum indivisibel Eenheet vun Moosse ernimmt, - bëssen. Als Resultat, nom Stuerz ass mir 2 Deeler vun Informatiounen.

Approche un Donnéeën Mesure fir Rechenzäit logarithms benotzt. Dir kënnt e Rechner oder eng speziell Dësch vun logarithms dës Operatiounen ze vereinfachen benotzen.

Praxis

Wou kënnt Dir d'Wëssen an dësem Artikel verdengten nëtzlech fannen, virun allem d'Daten iwwer eng sënnvoll Approche un d'Moosse vun der Informatioun? Ouni Zweiwel, d'Examen op Computer. Contrepartie vun der Fro, mécht et méi einfach am Computer Technik ze navigéiert, besonnesch zu der Gréisst vun der intern an extern Erënnerung. An Tatsaach, ass dat Wëssen vu praktesche Wäert hunn net, ausser datt zu Wëssenschaft. Kee Patron wäert Kraaft Dir net d'Quantitéit vun Informatiounen iwwert d'Dokument, oder schreiwen engem Programm gedréckt ze berechnen. Ass, datt an programméiere, wou Dir de Montant vun Erënnerung un eng Variabel entgéintgeholl ze bestëmme wäert brauchen.