അളവിന്റെ വിവരങ്ങൾ അർതഥവത്താണെങ്കിൽ സമീപനം: നിങ്ങൾ അറിയേണ്ടതെല്ലാം

അളവിന്റെ വിവരങ്ങൾ ചെയ്യുന്നതിനു മുമ്പ്, കൈകാര്യം, നമ്മെ നിർവചനം പോകാം ഞങ്ങൾ ഗ്രഹിക്കും.

നിര്വചനം

വിവരം - ഈ വിവരം, സന്ദേശങ്ങൾ, അതിന്റെ എല്ലാ രൂപങ്ങളെയും, ഫോമുകൾ, പരിഗണനയില്ലാതെ ഉള്ളടക്കം ൽ ഡാറ്റ. പോലും പൂർണ്ണമായ അസംബന്ധം, പേപ്പർ ഒരു കഷണം എഴുതിയ വിവരങ്ങൾ കണക്കാക്കും കഴിയും. എന്നാൽ, റഷ്യൻ ഫെഡറൽ നിയമം ഈ നിർവചനം.

താഴെ മൂല്യങ്ങൾ അന്താരാഷ്ട്ര നിലവാരം നിന്ന് അകറ്റി കഴിയും:

• വസ്തുക്കൾ, വസ്തുതകൾ, ആശയങ്ങൾ, മൂല്യങ്ങൾ അറിവ്, അഭിപ്രായങ്ങൾ ഒരു പ്രത്യേക സന്ദർഭത്തിൽ ആളുകൾക്ക് തമ്മിൽ മാറ്റിക്കളഞ്ഞു;
• വസ്തുതകൾ, ഇവന്റുകൾ, മൂല്യങ്ങൾ, കാര്യങ്ങൾ, പ്രത്യേക സാഹചര്യത്തിൽ ഒരു പ്രത്യേക അർത്ഥം ഉണ്ടെന്ന് സങ്കൽപ്പങ്ങളുടെ അറിവ്.

ഡാറ്റ - ഒരു ഒക്കെ ആണ് , അവതരണം രൂപത്തിൽ ചില പാഠങ്ങളിൽ, ഈ രണ്ടു ആശയങ്ങൾ ഇംതെര്ഛന്ഗെഅബ്ല്യ് ഉപയോഗിക്കാൻ കഴിയും എങ്കിലും.

അളക്കൽ രീതികൾ

വിവരങ്ങൾ ആശയം വ്യത്യസ്തമായി നിർവചിച്ചിരിക്കുന്നത്. ഇത് പല അളക്കുന്നത്. അളവിന്റെ വിവരങ്ങൾ താഴെ പ്രധാന സമീപനങ്ങളുടെ:

1. അല്ഫബെതിജതിഒന്.
2. പ്രൊബബിലിസ്തിച് സമീപനം.
3. അളവിന്റെ വിവരങ്ങൾ അർതഥവത്താണെങ്കിൽ സമീപനം.

അവരിൽ എല്ലാ വ്യത്യസ്ത നിർവചനങ്ങൾ രൂപീകരിച്ചിരിക്കുന്നത് ആരുടെ അഭിപ്രായങ്ങൾ ഡാറ്റ സംബന്ധിച്ച ഭിന്നിച്ചു രചയിതാക്കൾ വൈവിധ്യമുള്ള. പ്രൊബബിലിസ്തിച് സമീപനം ഒരു സ്ഥാപിതമായ കൊല്മൊഗൊരൊവ് ആൻഡ് വിഷയം പരിഗണിച്ചില്ല? , ഡാറ്റാ ട്രാൻസ്ഫർ അത് എന്തുതന്നെ അയയ്ക്കുന്നതും അവളുടെ വിഷയത്തിലെ ലഭിക്കുന്നതിന് എത്ര പ്രധാനമാണെന്ന് അവളുടെ അളവ് അളക്കുന്നു ആണ്. ശ്യാനന് സൃഷ്ടിച്ച വിവരങ്ങൾ അളക്കുന്നത് അർതഥവത്താണെങ്കിൽ സമീപനം, കൂടുതൽ വേരിയബിളുകൾ കണക്കിലെടുക്കുന്നു ഹോസ്റ്റിനായുള്ള ഈ ഡാറ്റ പ്രാധാന്യം വിലയിരുത്തിയ ഒരു തരം. എന്നാൽ ഉത്തരവ് എല്ലാം നോക്കാം.

പ്രൊബബിലിസ്തിച് സമീപനം

സൂചിപ്പിച്ചതുപോലെ, വിവരങ്ങൾ തുക അളവ് വരെ സമീപനങ്ങളുടെ വളരെ വ്യത്യസ്തമാണ്. ഈ സമീപനം 1948 ഷാനൻ വികസിപ്പിച്ചതാണ്. ഇത് വസ്തുത സ്ഥിതിചെയ്യുന്നത് വിവരങ്ങളുടെ തുക സംഭവങ്ങൾ അവരുടെ പ്രോബബിലിറ്റി എണ്ണം ആശ്രയിച്ചിരിക്കുന്നു. സംഭവങ്ങൾ പി എണ്ണം _ഞാൻ - - ഓരോ ഇവന്റ് ഉയരുന്നു ആവശ്യമായത്ര എണ്ണം, എൻ ആണ് - ഈ സമീപനം ലഭിച്ച വിവരങ്ങൾ തുക ഏത് ഞാൻ താഴെ ഫോർമുല, ആയിരിക്കും.

അക്ഷരമാല

വിവരങ്ങൾ തുക കണക്കാക്കാൻ പൂർണ്ണമായും സ്വയം-ഉൾപ്പെട്ടിരിക്കുന്ന രീതി. അത് സന്ദേശത്തിൽ എഴുതിയിരിക്കുന്നതു പരിഗണിക്കുക ഇല്ല, ഉള്ളടക്കത്തിന്റെ എണ്ണം ബന്ധപ്പെടുത്തുന്നതല്ല. വിവരങ്ങൾ തുക ഞങ്ങൾ അക്ഷരമാല, ടെക്സ്റ്റ് തുക ശക്തി അറിഞ്ഞിരിക്കണം. വാസ്തവത്തിൽ, വൈദ്യുതി അക്ഷരമാല പരിമിതപ്പെടുത്താത്തതിൽ. എന്നാൽ, കമ്പ്യൂട്ടറുകൾ 256 പ്രതീകങ്ങളാണ് മതിയായ പവർ അക്ഷരമാല ഉപയോഗിക്കുന്നു. അങ്ങനെ ഞങ്ങൾ വിവരങ്ങൾ എണ്ണം എണ്ണാം അത് കൊണ്ട് കമ്പ്യൂട്ടറിൽ പ്രിന്റ് ടെക്സ്റ്റ് ഒരു പ്രതീകമായി വഹിച്ചു. കാരണം 256 = 2 ^8, ഒരു ചിഹ്നം ഡാറ്റ 8 മാറ്റങ്ങള്.

ബിറ്റ് 1 - ഈ കുറഞ്ഞത്, വിഭജിക്കാനും വിവരങ്ങൾ എണ്ണം. ശ്യാനന് പ്രകാരം അറിവ് അനിശ്ചിതത്വം ഇരട്ടിയായി കുറയ്ക്കുന്നു ഡാറ്റ അളവാണ്.

8 ബിറ്റുകൾ = 1 ബൈറ്റ്.

1024 ബൈറ്റുകൾ = 1 കിലോബൈറ്റ്.

1 കിലോബൈറ്റ് = 1024 എംബി.

ചിന്ത

നിങ്ങൾക്ക് കാണാൻ കഴിയുന്ന പോലെ, വിവരങ്ങൾ അളക്കുന്നത് വരെ സമീപനങ്ങളുടെ വളരെ വ്യത്യസ്തമാണ്. അതിന്റെ അളവ് അളക്കാൻ മറ്റൊരു വഴിയുണ്ട്. ഇത് അളവ് മാത്രമല്ല ഗുണമേന്മയുള്ള മാത്രമല്ല വിലയിരുത്താൻ അനുവദിക്കുന്നു. വിവരങ്ങൾ അളക്കുന്നത് അർതഥവത്താണെങ്കിൽ സമീപനം അക്കൗണ്ടിലേക്ക് ഡാറ്റ ഉപയോഗക്ഷമത അനുവദിക്കുന്ന. കൂടാതെ, ഈ സമീപനം ഡാറ്റയുടെ അളവ് സന്ദേശം, ആളുകൾ പുതിയ അറിവ് അളവ് നിർണ്ണയിക്കുന്നത് കടന്നു എന്നാണ്.

ഗണിതശാസ്ത്ര ഫോര്മുലകളില് പ്രകടിപ്പിച്ച എങ്കിൽ, ൧ബിതു തുല്യമായ ഡാറ്റയുടെ അളവ് 2 തവണ മനുഷ്യ അറിവിന്റെ അനിശ്ചിതത്വം കുറയ്ക്കാൻ വേണം. അങ്ങനെ, ഞങ്ങൾ വിവരങ്ങൾ തുക നിർണ്ണയിക്കാൻ താഴെ ഫോർമുല ഉപയോഗിക്കുന്നു:

ഡാറ്റ എണ്ണം, എൻ - - തുല്യ സാധ്യമായ പാടുന്നവർ എണ്ണം എക്സ് = ₂ വ, ഉൾകൊള്ളുന്ന എക്സ് ലോഗ്. ഉദാഹരണത്തിന്, പസിൽ.

ഞങ്ങൾ നാലു ഭാഗത്തും ഒരു മൂന്നു ഇരുവായ്ത്തലയുള്ള പിരമിഡ് ഉണ്ടെന്ന് കരുതുക. നിങ്ങൾ അതു ടോസ് അത് നാലു ഭാഗത്തും ഒന്ന് വീഴും ഒരു അവസരം ഇല്ല. അങ്ങനെ, എൻ = 4 (എകുഇപ്രൊബബ്ലെ പാടുന്നവർ എണ്ണം). നിങ്ങൾ അറിയുന്നു പോലെ, നമ്മുടെ വസ്തു മുഖം ഒന്ന് വീഴും, അതുകൊണ്ട് നിങ്ങൾ ഒരു നാണയം കൃത്യമായി അത് എഡ്ജ് എഴുന്നേറ്റു പ്രതീക്ഷിച്ച കുറവ് ആയിരിക്കും അവസരം.

തീരുമാനം. എക്സ് = ലോഗ് ₂ വ = ₂ 4 = 2 ലോഗ്.

നിങ്ങൾക്ക് കാണാൻ കഴിയുന്ന പോലെ, 2. ഫലം എന്നാൽ ഈ കണക്കുകൾ ആണ്? സൂചിപ്പിച്ചതുപോലെ അളവിന്റെ, കുറഞ്ഞ വിഭജിക്കാനും യൂണിറ്റ് - ബിറ്റ്. തത്ഫലമായി, വീഴ്ച ശേഷം വിവരങ്ങൾ 2 ബിറ്റുകൾ ലഭിച്ചു.

ഡാറ്റ അളവിന്റെ വരെ സമീപനങ്ങളുടെ കമ്പ്യൂട്ടിങ് ലൊഗരിഥ്മ്സ് ഉപയോഗിക്കുന്നു. ഈ പ്രവർത്തനങ്ങൾ ലളിതമാക്കാൻ ഒരു കാൽക്കുലേറ്റർ അല്ലെങ്കിൽ ലൊഗരിഥ്മ്സ് ഒരു പ്രത്യേക പട്ടിക ഉപയോഗിക്കാം.

പരിശീലനം

നിങ്ങൾ വിവരങ്ങൾ അളക്കുന്നത് ഒരു അർത്ഥവത്തായ സമീപനത്തെ കുറിച്ച് പ്രത്യേകിച്ച് ഡാറ്റ ഉപകാരപ്രദമെന്ന് എവിടെ അറിവ് ഈ ലേഖനത്തിൽ നേട്ടം? സംശയമില്ല, കമ്പ്യൂട്ടറിൽ പരീക്ഷ. പ്രശ്നത്തിന്റെ പരിഗണന ലളിതമാക്കി പ്രത്യേകിച്ച് ആന്തരിക, ബാഹ്യ മെമ്മറി വലിപ്പം, കമ്പ്യൂട്ടർ സാങ്കേതിക നാവിഗേറ്റ് ചെയ്യുന്നു. വാസ്തവത്തിൽ, ഈ അറിവ് ആണ് ശാസ്ത്രത്തിൽ അല്ലാതെ പ്രായോഗിക മൂല്യം ഇല്ല. ഇല്ല തൊഴിൽ പ്രമാണത്തിൽ അച്ചടിച്ച വിവരം തുക നിങ്ങളെ നിർബന്ധിക്കരുത്, അല്ലെങ്കിൽ ഒരു പ്രോഗ്രാം എഴുതുക. പ്രോഗ്രാമിങ് ൽ, നീ എവിടെ ഒരു വേരിയബിൾ നീക്കിവച്ചിരിക്കുന്ന മെമ്മറി വ്യക്തമാക്കാൻ വരും എന്നതാണ്.