Teoria de la informacion y la codificación

La funcion de la entropía es. concava. convexa. Ninguna es correcta.

Una cadena de Markov posee una distribución estacionaria de probabilidades si y solo si. Es indescomponible. Existe mas de un un conjunto esencial de estados. Ninguna de las anteriores es correcta.

Tenemos la siguiente asignación para los estos tres simbolos de entrada a1 -> 10, a2 -> 01, a3 -> 101. El codificación proporcionada es. Es univocamente decodificable. Es óptimo. Ninguna es correcta.

El segundo Teorema de Shannon dice que. Podemos encontrar un sistema de codificación para un CBS tal que la probabilidad de error en la decodificación sea tan pequeña como queramos. La probabilidad de error cuando la longitud de las palabras códigos tiende a infinito es prácticamente cero. Ambas son correctas.

La entropía de un canal binario simétrico con probabilidad de error al bit e es. 1-h(e). H(e). 0.

La capacidad de un canal se puede calcular. Siempre. Da igual el tipo de cal que tengamos. No siempre es posible determinar analíticamente su valor. Nunca.

¿Qué es la medida de Hartley en el contexto de la teoría de la información?. Una medida de la cantidad de información en un mensaje. Una medida de la probabilidad de un evento. Una medida de la entropía de una fuente. Una medida de la redundancia en un mensaje.

¿Qué concepto se utiliza para medir la cantidad de incertidumbre en un mensaje en teoría de la información?. Redundancia. Información mutua. Entropía. Probabilidad.

¿Cuál es la principal propiedad de la entropía en el contexto de la teoría de la información?. La entropía siempre es igual a cero. La entropía aumenta a medida que aumenta la incertidumbre. La entropía siempre es igual a uno. La entropía es independiente de la probabilidad.

¿Qué se entiende por "entropía condicionada" en teoría de la información?. La entropía de una fuente de información condicionada a un evento específico. La entropía de una fuente de información antes de la condición. La entropía de una fuente de información después de la condición. La entropía de una fuente de información en ausencia de eventos condicionantes.

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

¿Cuál es la relación entre la información mutua y la entropía de las variables en una fórmula?. I(X;Y) = H(X) + H(Y). I(X;Y) = H(X) - H(X/Y). I(X;Y) = H(X) * H(Y). I(X;Y) = H(X) / H(Y).

En el contexto de la teoría de la información, ¿qué se entiende por "eficiencia"?. La capacidad de transmitir información sin pérdida. La relación entre la entropía y la información mutua. La habilidad de minimizar la longitud de los mensajes codificados. La medida de la redundancia en un mensaje.

¿Qué representa la "redundancia" en la comunicación de datos?. La cantidad de información que se pierde durante la transmisión. La cantidad de información innecesaria o repetitiva en un mensaje. La cantidad de información que se comparte entre dos variables aleatorias. La relación entre la probabilidad y la entropía en una fuente de información.

¿Qué se entiende por "capacidad de un canal" en teoría de la información?. La cantidad de información máxima que se puede transmitir a través del canal. La velocidad de transmisión máxima del canal. La probabilidad de que el canal tenga errores. La redundancia en los mensajes codificados.

¿Qué factores influyen en la capacidad de un canal de comunicación?. La probabilidad de error del receptor. La entropía de la fuente. La relación señal-ruido y el ancho de banda del canal. La probabilidad de éxito en la transmisión.

¿Cuál es el propósito principal de la codificación de una fuente en teoría de la información?. Maximizar la redundancia en los mensajes. Minimizar la entropía de la fuente. Minimizar la longitud de los mensajes codificados. Reducir la eficiencia en la transmisión.

¿Qué son los "códigos de longitud constante"?. Códigos que asignan la misma longitud a todos los símbolos de la fuente. Códigos que varían la longitud de los símbolos en función de su probabilidad. Códigos que solo utilizan dígitos binarios (0 y 1). Códigos que eliminan la redundancia en los mensajes.

¿Qué ventaja ofrecen los "códigos de longitud variable" en comparación con los códigos de longitud constante en la codificación de una fuente?. Mayor eficiencia en la transmisión. Mayor redundancia en los mensajes. Mayor probabilidad de error en la transmisión. Menor longitud de los mensajes codificados.

¿Qué son los "códigos instantáneos" en el contexto de la codificación de una fuente?. Códigos que se generan instantáneamente en el emisor. Códigos que permiten la transmisión en tiempo real. Códigos en los que ningún código es prefijo de otro código. Códigos que se utilizan para transmitir mensajes largos.

¿En qué aplicación común se utilizan los códigos instantáneos para la compresión de datos?. En la transmisión de video en tiempo real. En la compresión de imágenes en alta resolución. En la compresión de archivos de audio sin pérdida. En la compresión de datos de texto, como en la codificación Huffman.

¿Qué son las "cadenas de Markov" en el contexto de la teoría de la información?. Modelos matemáticos que describen la dependencia temporal de eventos. Códigos de longitud constante utilizados en la codificación de fuentes. Técnicas de compresión de datos. Técnicas de corrección de errores en la transmisión.

¿Qué característica clave define a una cadena de Markov?. La independencia entre estados consecutivos. La dependencia temporal de los estados. La alta entropía en los estados. La presencia de códigos instantáneos en los estados.

¿En qué tipo de aplicaciones son comunes las cadenas de Markov?. En la compresión de datos de alta resolución. En la modelización de sistemas de procesamiento de lenguaje natural. En la transmisión de video en tiempo real. En la generación de códigos de longitud constante.

TEMA 3.¿Qué caracteriza a un canal de transmisión discreto?. Un canal que solo puede transmitir información en formato digital. Un canal que puede transmitir información en formato digital y analógico. Un canal que es incapaz de transmitir información. Un canal que siempre tiene errores en la transmisión.

TEMA 3.¿Cuál es el propósito de clasificar los canales de transmisión?. Determinar la velocidad de transmisión máxima. Identificar la probabilidad de error en la transmisión. Evaluar la capacidad de un canal para transmitir información. Establecer la redundancia en los mensajes.

TEMA 3.¿Qué método se utiliza para calcular la capacidad de un canal en teoría de la información?. Método de Euler. Método de Fibonacci. Método de Lagrange. Método de Newton-Raphson.

TEMA 3.¿En qué consiste el algoritmo para calcular la capacidad de un canal en teoría de la información?. Calcular la probabilidad de error en la transmisión. Encontrar la relación señal-ruido del canal. Maximizar la información mutua entre la fuente y el canal. Minimizar la entropía del canal.

Tema 3.¿Qué es la "decodificación con mínima probabilidad de error" en teoría de la información?. Un método de decodificación que siempre comete errores. Un método de decodificación que minimiza la probabilidad de cometer errores en la transmisión. Un método de decodificación que elimina la información redundante en el mensaje. Un método de decodificación que maximiza la entropía del mensaje.

TEMA3.¿En qué consiste la "decodificación por máxima verosimilitud" en teoría de la información?. Decodificar los mensajes utilizando la máxima redundancia. Decodificar los mensajes asumiendo que todos los símbolos son equiprobables. Decodificar los mensajes asumiendo la máxima probabilidad de ocurrencia de cada símbolo. Decodificar los mensajes utilizando la mínima probabilidad de error.

TEMA 3.¿Qué establece el teorema de Shannon en teoría de la información?. La capacidad de un canal no puede superar la entropía de la fuente. La capacidad de un canal es siempre igual a cero. La capacidad de un canal es independiente de la fuente. La capacidad de un canal es la máxima velocidad de transmisión alcanzable.

TEMA 3.¿En qué consiste el segundo teorema de Shannon?. Establece la relación entre la capacidad del canal y la redundancia de la fuente. Establece que la capacidad de un canal es siempre igual a la entropía de la fuente. Establece que la capacidad de un canal es independiente de la fuente. Establece que la probabilidad de error en la transmisión es siempre cero.