Tôi biết bạn đã yêu cầu một lời giải thích rõ ràng và bỏ qua định nghĩa chính thức, nhưng tôi nghĩ chúng khá liên quan, vì vậy hãy để tôi nhớ lại định nghĩa của tập điển hình:
X1,X2,...làiidbiến ngẫu nhiên∼ p(x) thì điển hình bộA(n)ϵ đối vớip(x) là tập hợp các chuỗi(x1,x2,...,xn)∈χn với bất động sản
2−n(H(X)+ϵ)≤p(x1,x2,...,xn)≤2−n(H(X)−ϵ)(1)
này có nghĩa rằng đối với một cố địnhϵ, tập điển hình bao gồm tất cả các chuỗi có xác suất làgầnđến2−nH(X). Vì vậy, để một chuỗi thuộc về tập hợp điển hình, nó chỉ cần có xác suất gần với2−nH(X) , thường thì không. Để hiểu tại sao, hãy để tôi viết lại phương trình 1 bằng cách áp dụnglog2 trên nó.
H(X)−ϵ≤1nlog2(1p(x1,x2,...,xn))≤H(X)+ϵ(2)
Bây giờ định nghĩa tập hợp điển hình liên quan trực tiếp hơn đến khái niệm entropy, hoặc nêu một cách khác, thông tin trung bình của biến ngẫu nhiên. Thuật ngữ giữa có thể được coi là entropy mẫu của chuỗi, do đó, tập hợp điển hình được tạo bởi tất cả các chuỗi cung cấp cho chúng ta một lượng thông tin gần với thông tin trung bình của biến ngẫu nhiênX . Trình tự có thể xảy ra nhất thường cung cấp cho chúng tôi ít thông tin hơn mức trung bình. Hãy nhớ rằng, xác suất kết quả càng thấp thì thông tin cung cấp cho chúng ta sẽ càng cao. Để hiểu lý do tại sao tôi cho một ví dụ:
Giả sử bạn sống trong một thành phố có thời tiết rất nắng và ấm áp, từ 24 ° C đến 26 ° C. Bạn có thể xem báo cáo thời tiết mỗi sáng nhưng bạn sẽ không quan tâm nhiều đến nó, ý tôi là, trời luôn nắng và ấm áp. Nhưng nếu một ngày nào đó, người đàn ông / phụ nữ thời tiết nói với bạn rằng hôm nay trời sẽ mưa và lạnh, đó là một sự thay đổi trong trò chơi. Bạn sẽ phải sử dụng một số quần áo khác nhau và lấy một chiếc ô và làm những việc khác mà bạn thường không làm, vì vậy người đàn ông thời tiết đã cung cấp cho bạn một thông tin quan trọng thực sự.
Tóm lại, định nghĩa trực quan của tập hợp điển hình là nó bao gồm các chuỗi cung cấp cho chúng ta một lượng thông tin gần với dự kiến của nguồn (biến ngẫu nhiên).
$$H(X)-\epsilon\le \frac{1}{n}log_2(\frac{1}{p(x_1,x_2,...,x_n)}) \le H(X)+\epsilon \tag{2}$$
...