Mas preguntas teoría de la información y codificación

¿Qué concepto se utiliza en teoría de la información para medir la cantidad de incertidumbre o sorpresa en un mensaje?. Información. Conocimiento. Datos. Comunicación.

La entropía de una fuente de información mide. La cantidad de información contenida en el mensaje. La cantidad de desorden o incertidumbre en la fuente. La velocidad de transmisión de la información. La longitud del mensaje.

¿Qué fórmula se utiliza para calcular la entropía de una fuente de información?. H(X) = -Σ p(x) * log2(p(x)). H(X) = Σ p(x) * log2(p(x). H(X) = Σ p(x). H(X) = -Σ p(x).

¿Cuál es el valor mínimo de entropía para una fuente de información que siempre produce el mismo símbolo?. 0. 1. ∞. 0.5.

La compresión de datos se basa en. Aumentar la entropía de la fuente. Reducir la entropía de la fuente. Aumentar la longitud de los mensajes. Transmitir datos sin codificar.

¿Cuál es la función principal de un código de Huffman en la codificación de una fuente?. Minimizar la entropía de la fuente. Minimizar la longitud promedio de los mensajes codificados. Maximizar la entropía de la fuente. Maximizar la longitud de los mensajes codificados.

En la transmisión de información, ¿qué es el ruido?. Un código de corrección de errores. Información adicional en el mensaje. Interferencia o distorsión que puede corromper el mensaje. La entropía de la fuente.

¿Qué es un canal de comunicación en el contexto de la transmisión de información?. Un dispositivo que codifica la información. El medio a través del cual se envía la información. El receptor que decodifica la información. El protocolo utilizado para la transmisión.

¿Qué es la capacidad de un canal de comunicación?. La velocidad de transmisión máxima del canal. La cantidad de información en la fuente. La entropía de la fuente. La longitud de los mensajes.

¿Qué es el teorema del canal ruidoso?. Un teorema que establece que la entropía de la fuente es siempre igual a cero. Un teorema que describe cómo los códigos de corrección de errores funcionan en canales ruidosos. Un teorema que establece la capacidad máxima de un canal de comunicación. Un teorema que describe la relación entre la entropía de la fuente y la capacidad del canal.

En teoría de la información, ¿qué se entiende por "canal ruidoso"?. Un canal de comunicación con alta capacidad. Un canal de comunicación que elimina todo el ruido. Un canal de comunicación propenso a la interferencia y errores. Un canal de comunicación que solo transmite información binaria.

¿Cuál es el propósito de la codificación de fuente en la transmisión de información?. Minimizar la entropía de la fuente. Minimizar la longitud de los mensajes transmitidos. Maximizar el ruido en el canal. Maximizar la redundancia en los mensajes.

¿Cuál es la diferencia principal entre la codificación de fuente y la codificación de canal?. La codificación de fuente se utiliza en el emisor, mientras que la codificación de canal se utiliza en el recepto. La codificación de fuente se utiliza para corregir errores en el canal, mientras que la codificación de canal se utiliza para reducir la redundancia. La codificación de fuente aumenta la redundancia, mientras que la codificación de canal corrige errores. La codificación de fuente y la codificación de canal son conceptos idénticos.

¿Qué es un código de paridad?. Un código que codifica la fuente de manera eficiente. Un código de corrección de errores que agrega bits de paridad al mensaje. Un código que aumenta la entropía de la fuente. Un código utilizado para comprimir datos.

¿Cuál es el propósito de la codificación de Huffman en la compresión de datos?. Reducir la entropía de la fuente. Aumentar la longitud de los mensajes codificados. Eliminar el ruido del canal. Incrementar la velocidad de transmisión.

¿Qué es un código binario?. Un código que utiliza solo ceros y unos para representar información. Un código que codifica mensajes en formato de texto. Un código que utiliza solo letras del alfabeto.

¿Qué significa "tasa de bits" en el contexto de la transmisión de información?. La cantidad de información que se transmite en un solo bit. La velocidad a la que se transmiten los bits en un canal. La cantidad de bits que se transmiten por unidad de tiempo. La entropía de la fuente.

¿Qué es el teorema de Shannon-Hartley?. Un teorema que establece que la entropía de la fuente es siempre máxima. Un teorema que relaciona la capacidad de un canal con la relación señal-ruido y la anchura de banda. Un teorema que describe cómo se codifican los mensajes en el código de Huffman. Un teorema que establece que la codificación de fuente es siempre necesaria.

¿Cuál es la unidad de medida común para la entropía en teoría de la información?. Bits por segundo (bp/s). Bits por símbolo (bps). Bits (b). Bytes.

En un canal de comunicación, ¿qué es la "relación señal-ruido"?. La proporción de bits de paridad en el mensaje. La relación entre la señal transmitida y el ruido en el canal. La cantidad de información en el mensaje. La velocidad de transmisión de datos.

En un lanzamiento de un dado justo de 6 caras, ¿cuál es la probabilidad de obtener un número impar?. 1/3. 1/2. 2/3. 1/6.

En un mazo de cartas estándar de 52 cartas, ¿cuál es la probabilidad de sacar una carta roja (corazón o diamante)?. 1/2. 1/4. 1/3. 2/3.

¿Qué mide la información mutua entre dos variables aleatorias?. La dependencia entre las variables. La entropía de una variable. La probabilidad conjunta de las variables. La probabilidad marginal de una variable.

¿Cuál es la relación entre la información mutua y la entropía de dos variables?. La información mutua es siempre igual a la entropía de una de las variables. La información mutua es la diferencia entre la entropía conjunta y la suma de las entropías marginales. La información mutua es igual a la suma de las entropías marginales. La información mutua es igual a la entropía conjunta de las variables.

En una cadena de Markov, ¿qué propiedad define la probabilidad de transición?. La probabilidad de que el estado anterior sea el mismo que el estado actual. La probabilidad de que el siguiente estado dependa del estado anterio. La probabilidad de que el estado actual sea independiente del estado anterio. La probabilidad de que todos los estados sean iguales.

¿Qué es la matriz de transición en una cadena de Markov?. Una matriz que representa las probabilidades de transición entre los estados de la cadena. Una matriz que almacena la información mutua de la cadena. Una matriz que codifica la información de la cadena en binario. Una matriz que almacena las probabilidades marginales de los estados.

¿Cuál es la propiedad clave de las cadenas de Markov homogéneas?. Las probabilidades de transición son diferentes en cada paso de tiempo. Las probabilidades de transición son constantes a lo largo del tiempo. Las cadenas de Markov no tienen estados. Las probabilidades de transición son siempre 1.

¿Cuál es la importancia de la matriz estocástica en una cadena de Markov?. La matriz estocástica almacena los estados iniciales de la cadena. La matriz estocástica define las probabilidades de transición entre estados. La matriz estocástica es una matriz identidad. La matriz estocástica no tiene importancia en las cadenas de Markov.