Professional Documents
Culture Documents
Teorija Informacija I Komunikacija
Teorija Informacija I Komunikacija
+*
-t
(J
-
.-I
E 4 o
l= Z. l-
tt
SadrZaj
IJvodna razmatranja Uvod
6 tl
6
(
2 Entropija
2.1 2.2 3.1 3.2 3.3 3.4 3.5
Shannon-ova entropija Entropija beskonadne i neprekidne distribucije
13
13
18
3 Informacija
Sopstvena informacija Uzajamna informacija za diskretnu raspodelu Uzajamna informacija za neprekidnu raspodelu Prenos informacije i sistem upravljanja Primeri i zadaci
27
27
,o
.. 32 ts5
36
lzvor informacije
49
49 50 53
4.1 Diskretni izvor informacije 4.2 Izvor bez memorije i. 4.3 Markovljev izvor
5 Kodovi
5.1 5.2 5.3 5.4 6.1 6.2
54
54
55
Kodovi sa fiksiranom duZinom Kodovi sa promenljivom duZinom kodnih zarnena Problem optimalnosti . Konstrukcija optimalnog koda
58 60
6 Komunikacioni kanal
Diskretni kanal Kapacitet diskretnog kanala bez mernorijs kanal
65
65
67
TS
Z. Bner.rovri
Linearni kodovi
77
za BSK za linearni blok-kod
77
8.1 Idealna Sema odludivanja 8.2 Linearni blok-kod 8.3 Idealna Sema odludivanja
80 84
Interakcijsko.komunikacionia.spektobrazovanjaivaspitanja
87
87
9.1 Uvod g.2 Meduljudski odnos - temelj obrazovnog procesa 9.3 Faktori uspe5nosti meiluljudskog odnosa
9.3.1 SocijalnaPercePcija' ' ' ' g.g.2 Emocionalni stawvi 9.3.3 EmPatija
89
92 92
94
95
g.4
Tablice
97
LOz r.07
Literatura
-t -)
l
Uvodna razrnatranja
Osnove teorije informacija postavio je C.E. Shannon svojom poznatom raspravom "A mathematical Theory of Communication" objavljenom 1948. U to vreme, kada tehnologija izgradnje sistema za prikupljanje, prenos, usmeravanje, obradu i duvanje informacija jos nije bila dovoljno razvijena, nisu se mogli sagiedati dalekoseZnost i znaiaj postavljene teorije. Od tog ne tako davnog podetka do danas ova teorija je razvila svoje mnogostruke primene. Na to su znadajno uticali prilozi koje su dali D.K. Fadeev, A.N. Kolmogorov, P.M. Lee, B. McMillan, A. Feinstein, A.I. Hincin, L. Breiman, R.M. Fano, R.G. Gallager, R.V. Hamming, D. Slepian, W.W. Peterson i dr. Uvodenjem kolidinske mere za sadrZaj informacije, informaciji je pridruZena cena tako da se ona moie vrednovati u odnosu na materiju i energiju. Time je ona objektivno dobila znadaj koji imaju materija i energija i tako postala jedan od osnovnih entiteta prirode. SadrZaj ovog kursa je usmeren ka matematidkim aspektima tretiranja problema u vezi sa generisanjem, transformisanjem i prenoSenjem informacije. On obuhvata samo najvaZnije probleme, glavne pojmove. osnovne ideje i metode za reiavanje tipidni! problema. Konkretnije, on obuhvata: I Kvantitativno odredivanje pojma informacije; II Matemati6ki modeli za pojedine elemente informacionih sistema (tzvor informacije, komunukacioni kanal sa smetnjama); III Efektivno konstruisanje kodera i dekodera za obezbedenje pouzdanosti komuniciranj a (algebarska teorij a kodiranj a) : ry Interakcijsko-komunikacijski aspekt vaspitanja i obrazovanja. Osnovu zatzradts. ovog teksta dine [1] i [6].
Uvod
0.1.
sistem u nauenim istraZivanjima obicno oznadava neki svrsishodno organizovan skup objekata. Takvi skupovi objekata ulaze u odredene procese. Pona5anje, funkcionisanje sistema se karakteri5e stanjima u kojima se sistem nalazi u zavisnosti od procesa koji obavlja ili kroz koji prolazi. Pritom se smatra da se sistem u svakom trenutku nalazi u jednom od svojih stanja. Ta stanja se defini5u na osnovu cilja i aspekta istrazivanja, Sto znadi da se faktori, koji nisu u tom smislu bitni, zanemaruju. Svakom moguiem stanju se moZe pridruziti odredeni broj ili (prebrojiv) skup
Red
Pojam sistema.
brojeva.
Primer
Coveka moZemo tretirati kao odredeni bioloski sistem. Obicno se govori o dobrom ili lo5em zdravstvenom stanju tog doveka (Sto. nararno. nije egzaktno opisivanje njegovog zdravstvenog stanja). To se stanje moZe u odredenom trenutku wemena opisati pomo6u niza brojeva 6t,fr2,...,frn (gde, na primer, 11 - olzp;a|ava visinu, fr2 teZinu, 13 - krvni pritisak. za - puls u jedinici tremetra- z5 - broj crvenih krvnih zt1aca, itd.). Ako u ovaj niz uk'ljudimo sle pararnetre koje dana5nja medicina moZe meriti, onda se dobija egzaktno opisano zdrarstteno stanje tog posmatranog doveka.
Jasno je da promena stanja sistcma pre@mtavlja promenu bar jednog od parametara kojima je definisan skup stanja sistemaU realnim sistemima parametri koji opisuju stanje sistema su medusobno zavisni, odnosno promena jednog od parametara utide na ponaSanje nekih drugih. Jedan od osnovnih zadataka naudnog ishrafiwnja u egzaktnim naukama je da se otkriju veze i karakteristike veza iznedu pojedinih parametara. To omogu6ava da se na osnovu poznavanja birdih i trenutnih stanja sistema prognoziraju bududa stanja tog sistema.
Obidno se u egzaktnim istraZivanjimt pretpostavlja da se za. svaki sistem moZe definisati odredeni skup ^9 svih mogu6ih stanja tog sistema. Funkcionisanje sitema u vremenu je zauzimanje odredenog stanja iz skupa ,S . Ako se na osnovu poznavanja stanja sistema u fiksiranom trenutku i veza koje tu deluju molejednoznadno predvideti stanje sistema u budu6nosti, onda se kaZe da je sistem deterministiEki, odnosno da postoji kauzalna zavisnost izmedu stanja u sadaSnjosti i budu6nosti.
Medutim, ukoliko sa na osnovu poznavanja stanja sistema u sada'Snjosti moZe odrediti samo verovatno6a sa kojom 6e sistem preci u neko drugo stanje iz skupa S u budu6nosti, kaZe se da je sistem stohastiian (probabilistidan). Tada se ne moZe jednoznadno odrediti stanje sistema u budu6nosti, ve6 samo, moZda, raspodela (distribucija) verovatno6e na S u bududnosti, budu6i da se radi o manjoj ili ve6oj neizvesnosti u vezi sa stanjem koje 6e sistem zatzeti u budu]nosti' postavlja se problem kolicinskog (krantitativnog) odret[vanja (merenja) te neizvesnosti za posmatrani stohastidki sistem. Razumno je pretpostaviti da se stepen te
neizvesnosti:
izraiava nekim odredenim brojem, da taj broj zavisi samo od distribucije verovatno& na skupu stanja S u momentu t nakon podetnog momenta, c) da se deterministidkim sistemima pridruZuje neizvesnost 0 . O6igledno je da bi krajnost u pona5anju sistema predstavljala situacija kada ne postoji nikakva povezanost izmedu stanja sistema u sadaSnjosti i budu6nosti, tj. kada ,tuau-,,potpuni haos" i ne moZe se nikako (ni sa manjom ili ve6om verovatno6om) predvideti kako 6e se sistem pona5ati u budu6nosti' kod Sre6om, u prirodi su desti sistemi koji su izmeCtu deterministickih i haotidnih. kojih se prognoze o njihovom zauzimanju stanja u budu6nosti mogu davati sa manjom
a) b)
ili
ve6om verovatno6om. Naved.eni brojdani pokazatelj za merenje neizvesnosti, koji se obidno naziva entropija sistema, moLeda posluZi kao mera razlikovanja od deterministidkog sistema, odnosno kao mera nereda (haosa).
tra sa razli6itih aspekata, odnosno, pri definisanju stanja sistema se uzimaju samo oni parametri koji su bitni za odredeni aspekt posmatranja' Tako se npr. Eovek moZe posmatrati sa medicinskog aspekta kada je bitno njegovo zdravstveno stanje. Ali se Eovek moile posmatrati i sa mehanidkog aspekta kao odredeno fizidko telo u prostoru i vremenu, pri demu se pridruZeni parametri mogu
vezivati 11pr. za koordinate njegovog teZi5ta u datom koordinatnom sistemu, sa brzinom pomeranja i sl. Ya1at aspekt posmatranja doveka je njegovo poimanje kao sistema koji proizvodi, generi5e "informacij", & takode je korisnik, konzument informacija koje geueri5u drugi sistemi. Oeigledno je da se treba nrralo zadrlati na preciziranju pojma "informacija'Smatra se, u op5tem sludaju, da svaki sistem promenom stanja generi5e odredenu informaciju. Da bi se moglo govoriti o informaciji neophodno je da, pored izvora informacije,
drugi sistem koji prihvata i "razume" poruke koje emituje'rzl'ror. To podrazumeva da se radi o prenosu informacije od jednog do drugog sistema, odnosno o kanalu putem koga se informacija prenosi od izvora do korisnika. Zbog postojanja vi5e sistema i nemogu6nosti izolovanja jednog, dva ili odredenog manjeg broja sistema, objektivno je svaki primalac "zapljusnut emisijama" raznth izvora informacija iz okoline. Ako je primalac informacija zainteresovan samo za odredenu wstu poruka koje dolaze iz jednog izvora, onda emisije iz drugih izvora mogu samo Stetno uticati na prihvatanje poruka kod tog primaoca. Emisije druguh izvora javljaju se kao odredene smetnje ili Sumovi (buka) za dati izvor i datog primaoca informacije.
tj.
Primer
Neka je izvor informacija covek koji svira violinu, a primalac je dovek slu5alac. Jasno je da dovek putem dula prihvata i razre druge signale, poruke emitovane i iz istog izvora ali i iz drugih (pokreti violiniste, pokreti i1i glasovi u publici i sl.), koji se me5aju sa zvucima violine i time ometaju njihovo disto prihvatanje. Uobidajeno je da se sistem koji se sastoji od izvora informacije, primaoca informacije i sistema posrednika koji omogu6ava prenos poruka od izvora do primaoca naziva komunikacioni sistem. Najprostiji shematski prikaz tog sistema je, prema Shannon-u
F;,wA
lzvor informacije je objekat koji
generi5e odredene poruke (kojima se fizicki
ili
na neki drugi naqin konlmetizuje informacija). Koder je objekat u bme se poruka transformiSe u oblik pogodan za prenoSenje kroz kanal. Obiino se kafo da u kodsu nastaje kodiranje informacije. Kodiranje ima i druge ciljeve keo Sto su: pove6anje brzine prenosa! povecanje pouzdanosti prenosa
sl.
Kanal je medijrrm kojim'putuju" srgnali kao nosioci informacija. Redeno je da je informacija na svom putu od izvora do primaoca"'tzloLena uticajima smetnji koje deluju tako da primljena poruh nije uvek identidna poslatoj. Dekoder je uredaj u kome se poslane poruke ponovo transformi5u, sada u oblik koji je prihvatljiv za primaoca. Zbog delovanja smetnji i dinjenice da se primljena poruka ne mora podudarati ni sa jednom od poslatih poruka, treba naglasiti da
odgovaraju6u upu6enu poruku koju prihvata primalac. U teoriii informacija se nastoji da se wakom od spomenutih objekata (delova komunikacionog sistema) pridruZi odredena matematidka interpretaci;a. Zapravo se izgraduju apstraktni matematicki modeli za ruz}r1ite tipov-e komunikacionih sistema, istraZu.iu odnosi unutar taksih modela i zatim dobijeni rezultati interpretiraju u praksi. Yalan zadatak je, kako je vec napomenuto, da se definisu odredene velidine koje se mogu meriti (rzrai'avati brojem) i koje bi sluZile kvantitativnom uporedivanju pojedinih sistema. To uporedivanje sluZi, jasno, usavrsavanju takvih sistema u smeru povedanja brzine i pouzdanosti prenosa informacija u njima. u primerima koji slede vide6emo ilustraciju do sada navedenog.
i:i
dobijamo binarni simetribni kanal. Neka se dekoder konstrui5e tako da se nuli pridruZi rn1 jedini , to izgleda ovako:
e {0,1}. Akoseuzmedaje
p61
:plo:,d
'izuor
koder
smetn.je
0-+1-e--+0
dekoder
\t
---+
,/\ (\
1--+1-E---+1
I |
IofnJ -''l
t *,1
Neka je
sistem, a sa
sa -O oznadena pojava gre5ke u prenosu poruke kroz ovakav komunikacioni p1(E) njena verovatno6a. Jasno je da je + p(mz)p(E
l^) -
: (p* q) :
Jedna interpretacija ovog rezultata je: Ako izvor emituje jednu poruku u sekundi, a kanalom se prenosi jedan simboi u sekundi, tada primalac korektno prima 1n@) - 1 - e poruka u sekundi.
i dekodir postavlja se pitanje da li je mogu6e. uz odgovarajude kodiranje makar se morala sn pt'I)) - verovatn"ei'.no1'* o"uo: l^o:,":Ti:r'u smanjiti ili se pove6ala brzina prenosa simbola?
ilr#*t;;J"i,
F{
I
La'o
na slici:
ro,o,o)
(o,r,r1 )
(1,0,1) t ) +rn2
(1,1,0)
(1,1,1)
r-l-e-r
tt,o,ol
I
primeru' dok su ostali uslovi kao u prethodnom poruke Sada se greska E :: ,(1':'')"^':l* , (r,1:0) ili (1, 1, 1) - (gde ima jedan sd nizova (0,1, i) '"yl'i u je uslorrna veiovatno6a greske kada se prenosi " nula od jedinica). }iogtoga
Jffl ffi'ff#,
;;;;su
^.
i':
lTLt
,p(EhLL)
: p(0..:
(1
(0,1,1)
(1,0,1)
--' 1)
e)ee
p(Elnu): gl(r -
) + e3 -- e2(3
- 2e) '
h@) : '
'
Da bi uporedili totalne gpske pr(E) 1' r2(3 - Zd , ei:ije grafiEki prikaz na Sl'
i m(E) posmatrajmo
funkciju
/(
11
Za 01r<112 j" f(") (r pridemuznak":" vailiza fr:0 kaoiza r:Ll2Znatida je e2(3-2e) < za 0 (e <112, odnosnoda je pz(E)3p:{E) ra
0<e<712.
brzina prenosa informacija u sekundi, jer je kod binarnog simetridnog kanala korektno preno5eno 1 - e poruka u sekundi dok se sada prenosi
},t
pr(E)):
i,, -
e'(z
- ze)): *,, -
re2
+2e3)<
-e
Napominjemo da se sada kanalom prenose tri signala za svaku poruku paje potrebno tri sekunde za prenos jedne poruke zbog dega brzina preno5enja postaje (t - es@)) l3 .
biti konptruisan tako da se izlaznom nizu u kome ima viSe nula pridruZi poruka m1 .
a izlaznom nizu sa vi5e jedinica poruka rn2 . Jasno je da je svaki izlazni niz element skupa {0,112"+' u kome ima 72nrt elemenata (broj varijacija klase 2n * L od dva elementa). Ako je X sluiajna promenljiva koja oztaZcava broj pogre5no prenetih simbola u nizu y {0,1}2"*r , onda je ta sludajna promenljiva raspodeljena po binarnoj raspodeli B(?" * l, e) 1n je
.
12
p(El*) :
) n * t) :
'),*,,
:\-
k:2n+l
/r
(^;
^r2n*1-fr - E)
pz*+{E)
: p(m)p(X } n+ 1) + p(rn2)p(X ) n *
za 0 < e < 112
7)
: p(X > n *
1)
MoZe se pokazati da je
))ILpr"*r(E)
Stavi5e, totalna verovatnoda gre5ke, pri upotrebi kodnih zamerra "duZine 2n+1" eksponencijalno opada ka nuli kad se n uvedava. To znaci da je opisanim postupkom mogude osigurati prenos poruke sa po Zelji velikom verovatno6om ( 1 - Pzn+t ---+ I kad 72 -+ oo ). ali se time brzina prenosa praktidno svodi na nulu.
Jedan od osnovnih rezultata u Teoriji informacija jeste saznanje da za odredene komunikacione kanale postoje koder i dekoder koji osiguravaju prenos po volji visoke pouzdanosti, a da se pri tome brzina prenosa ne svodi na nulu.
Primer.
Veoma upro$6en komunikacioni sistem mo1e se uoditi i kod prenosa informacija u srednjem veku. Naime, ako bi vladar poZeleo da neSto saop5ti svojim podanicima, onda je to tada mora,o da uradi na slede6i nadin: Prvo je smislio proglas i izdiktirao ga svom pisaru koji ga je zapisa,o na pergamentu. Nakon toga je to predato pismono5i (telalu), koji je trebalo da pergament urudi nekom pismenom doveku, koji 6e ga proditati na nekom trgu, gde se ljudi obidno okupljaju. Na putu od vladarevog dvorca do trga mogle su se odekivati razne neprilike u vidu napada razbojnika, politickih neprijatelja, krade i
sl.
ovde postoje wi ielovi komunikacionog sistema. Vladar koji smislja proglas je izvor. Pisar koji pi5e proglas po diktatu je koder. Pergament na kome je proglas i telal su kanai. Pismen dovek koji Eita proglas je dekoder. Podanici koji slu5aju proglas su
primaoci informacija. Politicki neprijatelji, razbojnici ili zameniti proglas predstavljaju smetnje (buku).
ilt
2
2.L
Entropija
Shannon-ova entropija
il:m:*l:X,:if
.f*::o.g,":"ih
-#;
iH'.:ilJl
odn
iih
signala.
:::iT"?^'"toi"iu;;G;;J'il''"'#'lf
: I(m) * I(n) ,
vih ";l-y;
Kako logaritamska funkcija ima osobinu log(ry): logr * logy da se signalu koji se bira iz.ilp;'od -n-*signala , to se pridruZi ,X1;ffi:i1'deja
I(n):1sgr.
,.#
se
neizves_ nosL tj.. njegov prijem ne donosi nove "" koliEine informacija. ako se dati signar bira iz ,e" taieir" lakle' signala, neizvesnost u pogredu toga da bas on bude primrjen-je ve6a.r"go ,rurrr"rnost da bude primljen ---o- -' signal izabran iz manjeg broja signala.
#*,:fl"' informacija' u stvari, smatra * J" neizvesnost u pogredu prijema-odrea"nog ""Zr'mliiina informacija otklanja ve6u .ignal a. zaista, signal koji se prima sa verovatnoiom 1 (znadi, ostari m r".oritroiom 0) ,;;;;;kvu
::::ll=:l':
uke rz skupa sv
1. 2.
pridruzivanje moZe potkrepiti i sa dve sredeie pogodne osobine rogari_ logn ) 0 za svaki prirodan broj z; m < n =+ logrn^< logn (ako je o..rova ve6a od 1).
9*"U"a"statak
nii
Hartley_eve
u tome
Sto se sve
ne)
Sto
.S
javljuje
uzeo da signalu
koji
se po-
2. ENtRoPua
L4
(Lpr:
Alo ima n
mogu6ih signala koji se pojavljuju sa verovatno6ama Pt pojedini signal 1 ), onda je Jrednja (prosefna) koliiina koju nosi
H(pr,pz,. ..,pn)
-iorrtoi)
i=l
Shannon-ove odigledno je Hartley-eva definicija informacije specijalan sluraj definicije informacije, tz P4: lf n , ier ie
-nlLog
logn
se signali Kod shannon-ove definicije se, dakle, uzima u obzir dinjenica da verovatnode (pt,Pz," ',p') ' tako javljuju u skladu sa odredentm raspodelom drugih i, .r"arr;u informacija po signalu zavisi od te raspodele' a ne od nekih nazvao H(pt,pz, ' ' ' ,Pn) Shannon je veHeina koje karakteriSu signale. Velidinu interpreentropija konaEne r*pod.l" verovatnoda, bududi da se ona moze
po-
tirati
vrednosti kao neizvesnost u pogledu slucajnog izbora jedne od mogu'6ih kojima su pridruZene redom verovatnoie P1,P2,''' ,Pn ' " Pomeniroo da je H. Boltzman, mnogo ranije, koristio izraz
g: -*lnilogpi
i:1
gde
ilot"t
je k
hrakteristi'no je povecanje entropije-' SlededeosobinekojepmedujeShannorrraentropijapotvrdujunjenuprikIJ(1) :6 . p; H(pir,pr,. . . ,Pn) ne zavisi od permutacije verorratno6a i :7r2r. . , )n . H (Pr,Pz,.'',Pn,O) : H (Pr,Pz,''.''?n) (uz konvenciju da je 0log 0 : 0 ) ' H(*,*,..',*) : h(n) 3e rastu6a funkcija od n. N. -H(p,t - p) : -plogp - (1 - p) log(1 - p) je neprekidna funkcija za 0 1P <7 ;
Boltzman-ova konsfianta koji je nazvao entropija idealnog spontano t sa veronatnodom p ,,el,oi u i-tom delu faanog prostora' Za
Iadnost za
Akoje
qr
l3r<ni
pr
Pr*t
* Pr*z*''' *pn
H")
onda je
*^i'(oi,*n,,. ff)
rafik funkcije y --
**u(W,W,
dat je na
H(r,l,
- r)
2. EntRopr;R
I5
-H(x,1-x)
sI 2
tvrdenje 6"
to da je:
qzlogqz
qrn(PJ,q,...&)
\9r Qr
Qr
: -et}Xbr'; -;o,t.*r,
: - !u
TTT
i=t
rogsr)
qrloEsr t
loEpr
*logqrDrn
i=l
i.=t
-DrJogpn +
2. Exrnopue
16
\ 9z Qz
Qzl
:-i i=r*\
:- i i:r*l
piospr*
Iog
q2
i:r*l
o,
prtogpt*q2togq2,
Sabiranjem poslednje tri jednakosti dobija se jednakost u tvrdenju 6o. Ova jednakost ima i jednostavnu interpretaciju. Oznaeimo sa, Y1 skup {*t,*2,.,.,frr}, a sa Y2 skup {4"a1, ar*2t...,tn}, onda se ff(q1, q2) moZe shvatiti kao neizvesnost u pogledu izbora Y1 ili Y2. H(prlqr,...,p,lqr) pokazuje neizvesnost u pogledu izbora jednog od elemenata iz skupa Yr , dok H(p,+rlqz,.. .,p.lqz) to isto pokazuje za neki element iz Y2 . Jednakost u tvrdenju 6" izraZava da je neizvesnost H(pt,pz,...,pn) u pogledu izbora jednog od elemenata {rt,rz,...,firtfir*Lt...,rn} jednaka neizvesnosti u pogledu izbora jednog od skupova Y1 ili Y2 uvedanoj za zbir "ponderisanih" neizvesnosti izbora jednog elementa iz skupa Y1 odnosno Y2. Postavlja se pitanje da li je Channon-ova entropija jedino mogu6a mera neizvesnosti. Odgovor na to daje tzv. teorema jedinstvenosti. Oznadimo sa 2q skup svih raspodela verovatnoia na n-elementnom skupu,
tj.
Ocigledno
moZe
tretirati kao
je oblika
Teorema 2.1.1 (Teorema jedinstvenosti) Funkcija H kao funkcija od, n e N i (h,p2,.. .,pn) e Dn, koja ima napred, naaedene osobine 4", 5o i 6", nuZno H(pr,pz,. . .,pn)
: -CDprlogapt,
i:L
ru
proizuoljnirealn'i,brojeui.
Ako se pctavi zahtev da se defini5e "jediniina" ili "atomarna" neizvesnost, tj- da se zahteva da je H(112,712) : h(2) : 1 , odnosno da jednidnu neizve$xst imasituacija sa dva jednako verovatna stanja, dobija se veza izmedu konstarrti C i b:
-n*t*r*,:
t * Clog62: I +
log62c
+ b:
2c
r-l
)
2. ENrnopr.ra
Ako se uzme da je C
IT
:1
H(pt,pz,...,pn)
Govorimo da je
: -irolrgzp,
i:1
entropija izrazena u b i t i m a ilibinarnim jedinicama. Jedan bit entropije odgovara situaciji sa dva jednako verovatna stanja. Ako se Zeli da se prirodnim rogaritmima ln r : rog" r in;azava entropija. onda velidinu
H(pr,pz,...,pn)
sa konstantom
: -f
nohon
i=1
kojaizra,ava entropiju.u prirodnim jedinicama iti n i t i, m a, C: L/ln2 da bi se dobila entropija irr"Z""r"* trebapomnoZiti Uiti_r. Napomenimo da postoje tablice vrednosti za _plog2p za neke p , 0 < p< I . Jedna takva tablica je data na kraju ove knjige.-' Funkcija v : H(:,r r) , eiji je gradk na sl. "2] dostiZe maksimum (i on iznosi jedan bit) ako je r - p : rlz. Drugim redima, maksimalnu entropiju ) ima sistem sa jednakoverovatnim stanjima. To vaZi i za svako n , f:r;,:2 Teorema 2.1.2 H(pr,pz,. . .,pn)
a.iednakost uaZi alco i samo ako je za suako
logn
i e {1,2,...,n} pt : l/n
Lemma 2.7.J Neka su za n e N dolz realni brojeui pt,pz,. . . ,p, , Qr,Q2t...tQn, pt.)0, Qt)0 i.neka j" DT=rqn<D?=r'ir'. fo'aoi"
r,tos,qt,
,i e.
i:l
rt: qt/pt:
{1,2, . . . ,n} pt : qt . Dokaz Leme. Koristeii poznatu relaciju rnr I r- 1 (pri iemu jednakost vaZi ako i samo ako.ie r : l, kao i jednakost lr, : I"gr;i;, , dobija se , ln2log2 r { r- 1 . Uvrstimo u poslednju nejednakost."ao*""ru ,i:1,2,...,n
je za suako
rrcrf,=
MnoZenjem ovih nejednakosti
#(# -1)
:
7,2,.
..
dobija
se
sa p; , e
,n i sabiranjem po i
f,,o^r#=
#(Dr,-2,,)
2. ENtnoprre
Po uslovu tvrdenja
18
, pa je
odnosno
n:
-f,o,tos,pr = -irrtos, qu
i:1-
r-1 znati daje qi -Pt. za Sobziromnasmenu u:qt/pt.'i:1,2,...,h, i : 1,2,. . . ,n , tj. pod tim uslovom vaZi ba.S jednakost. tr sve Dokaz. Polazati od Leme 2.1.1, uzimaju6i Q;. : lln 'i : \,2,...,fl , (brojevi pr,p2,. .. ,Pn su elementi raspodele) i kako je onda
n1n
i )]pn:t
x:l -'
dobijase
Jednakost
taj
Zrad-r daje entropija sistema maksimalna ako su stanja u koja moZe pre6i sistem jednako verovatna.
: lnrtosrnn < -Drntos i togn Irt -i:l i=l i.=1 'i,: 1,2,. . . ,rL . tr vaZi za pi : {li :lln
: losn '
,')
2. ENrnopr.le
Ig
Primeri. L. Uzmimo
da
je pi:112i , i
Odigledno je
1
,1
1 L I
- 1.
rc1
Dalje je
H(x):ir,rnr,:
i:t jer, ako je
onda
:2112.
'
je
f,s
paie
je
t-lt:
odnosno odakle
,o: rr:a,
111 2'22'23 t^ 1
--L--L1
Ako se entropija izrazi'o bitima dobija se H(112,714,118,...) :2 bita. Zna.ii da ako diskretna sludajna promenljiva ima dati geometrijski raspored, onda je njena entropija 2 bita.
:2
px
2. Poznato je da red DL, Ffu divergira, dok red Dn, il#T konvergira to, npr. pomo6u Cauchy-evog integralnog kriterijuma). Ako je a:DZzE#T,onda, stavljaj,,tti pp: ;5J,;3.1E, k e {2,3,...} vidi se da je
(pokazuje se
) 0 i DL,
Ako
se
H(x):-ir*trro
k:2
_lnaS
1S
2fl1r11r,t'1
Tako npr. stanje sistema sa desto defini5e pomodu vrednosti nekih fizickih velidina (koordinate, vreme, temperatura, jadina struje i sl.) koje se korr tinuirano menjaju u nekom intervalu realnih brojeva, u skaldu sa nekom raspode lom verovatnoia.
2. ENtRopun
Sada je
20
f(*),re
Posmatra se niz
f(r){[(r) <0,/
r-m
f(r)d,r:1).
Yn: *l"Xl ( [o] - j" ceo deo od a - najveii ceo broj koji od o ) pri cemu je odigledno lim,-- Y-: X kao i niz pridruZenih entropija H(Y.). MoZe se pokazati da je
nije veci
je osigurana ukoliko postoji H(Yr) . Niz entropija {H(Y")} moZe i divergirati. Problem odredivanja entropije za neprekidne sludajne promenljive moZe se sagledati iz sledeie teoreme: Teorema 2.2.L Neka je uerouatno1,e f (r) . Ako je
H(Y) implicira i postojanje entropije za svako n e N. To se moZe i ovako interpretirati: Ako se pode od raspodele date sludajne promenljive x mogu se konstruisati diskretne raspodele varovatno6e za odgovaraju6 sludajne promenljive Yr,Yz,. . . ,Yn. . . koje u odredenom smislu aproksimiraju datu raspodelu verovatnoie sludajne promenljive X (sve bolje sa porastom rz ). Otuda je prirodno da se entropija sludajne promenljive X dobije kao graniina vrednost niza entropija H(Y"). Egzistencija svake od entropija
H(X) < oo i
f (r)ln f(r)
dr
konuergentan, tada
Uobicajeno je da se H(X) : - /: /(r)ln f (r) d,r , ukoliko integral konvergira i H(YL) < oe , zove entropija neprekidne raspodele verovatno6e.
1. Neka je X a<b.tj.
Sada je
Primeri.
intervalu
(o, b)
f(r):
H(x)
(t
oT' a1r1b,
inace
tj- entropija moze biti ma koji realan broj i ona zavisi samo od duZine b - a intervala" odnmo. sne uniformne raspodele nad intervalom iste duZine d
b
2. ENrnopul 2.
27
?u!> inaee dr
"'
1l_:r.
f@
r*
J_*f(")o*: J"
Medutim,
;r7;: r,rrl"
-ff0"
:
tj.
I"*
*- * I"* H
ll*"rat*:
a*,
l.* *r,.:ln(rnr)l*
: so
Primetimo da poSto je
I.*
#, l"* *:*,
i
i
disperzijom) disperzijom
tj.
je X neprekidna sluiajna uelii'ina sa zakonom uero' * QF-. Tada: f(*), a) Ako X i,ma konainu disperziju s2 , onda H(X) postoji i, uaZi H(X) < ln(2resz)L/2 , pri iemu znali ":" uaZi ako i samo ako je X: N(m,s2) ra r <0 b) Ako je X nenegat'iuna sluiajnaueliiina, tj. ako i, f("):0 i ima konaino matemati,iko oi.ekiuanje EX : m , tada H(X) postoji, i, uaZi, IJ(X) S lnme , pri iemu zne,k ":" uaZi ako 'i samo ako je X rasporedena po
.
eksponencijalnom zakonu sa oiekiuanjenx 'ffr . c) Ako je X ograniiena sludajna ueliiina, tj. ako postoji i'nter"ual la,b) , (, < b) takau da j" f ("):0 za r <a ili, r)b, tada H(X) postojiiuazi H(X) S In(b - a) , pri iemu znak ":" uaZ'i ako i samo ako je X rasporedena un'iformno nad'interualom la,b) .
Dokaz. Dokaz ove teoreme bi6e dat nakon dokaza Lemma 2.2.3 Neka su
slede6e leme:
f i g : R --l R nenegat'iune funkcije takue do je /i./(") d*: [l*s(r)dr: a] 0 . Ako i" - [i*f @)lns(r)dr konoion. tada i - Ia f (") ln /(r) dr konuersira 'i aazi
I - J-*
pri iemu
znak
r@
f@)tns(r)dr1
i
samo ako
I - J-* f@)tns(r)dr.
je f (x): g(r)
zo skoro sue
f@
":"
uaZi, ako
, s@) - s@) tnffi=frd-t' dok znak ":" vazi ako i samo ako je f (*) :9(r) , pa je /(c) ln /(z) < s@) - f (") odakle sledi tvrdenje leme' n
a) Ako se uzme da je
proizilazt
lnr< r-1
za
r>0
J@)lng(r)
g(r):
tada je
#*"*o{-@#} ,
:-
rn
R,
l:f
@)tns(r) d,r
l*
tr"l{-tns(2tr)2
- 9:4}
a*
:rn(2ns2)L/'+
# - l*
s2)r
A -n')2f
eL /
@)d.r:tn(2rs')'/'+i
ln(hres2)r
:
odakle sledi
ln(2tr
/2 + ln
/2,
H(x) : - [* /(r) ln f (r) d'x 1rn(2res2)t/2 , J-* pri Eemu zrrak ":" vaZi ako i samo ako je
f
(*):
#"*r{-@#)
tj.
X:
N(m,s2)
b) Stavimo
-1
(
g(r):t
**i-*, II3;
d^r
paie
- J-f
f @)tns(r)
- - Jo rt"l{-tnm - *} [^*
1
o.
lnme
.
: lnrn*lne :
,
: - r@ J_*/(r)ln
f (r) dt <'rnme
vaai ako i samo ako je /(r) : S@), po elryonemcijalnom zakonu sa oiekivanjem 17 . enabsd z.lrljuei se izvode i za c) uzimajudi
n*.n:"
tj. X
je rasporedena
g(r):{
#r,
2. ENrRoPr:n
33
"t*"ri 1. Odrediti
neodredenost
H(*,*,
$)
h(32):rog232:
bita
'
para karata iz svakog od dva raz[dita 2. Odrediti neodreclenost izbora jednog Spila sa Po 32 karte'
/ Xr H(Y):
3. Odrediti entropiju
h$22)
X2 2losz32
Xsz' \
10
bita
'
rrl rr
12
rJ
14 :
frs
H(X) : -4'
O,01log 0, 01
0' 3221
bita
'
4. Odrediti
bombardera),
"a";l;il;"?'dos'o* stanja sistema: c) bombarder pogoden' Iovac ne' a) oba su nepogodena, pogodena' d) uj tou." pogoa"rr' bombarder ne, je oba su za bombarder je 0' 5 ' 0,4 , a Verovatno6a a" f""* U"Ju pogoden d \ c' b a x,( 0'40'5)' 10,60,5 0'40'5 0'60'5 H(X): -2'0,2log0' 2-2' 0'3log0'3:1'971 bita'
dv1 aviona (lovca i entropiju fizickog sistema koji se sastoji o{ rezultat boja je jedno od uoSu' xao koji
'-
')
koja se sastoji od 5 sicra' pri 5. Na6i maksimalno mogu6u entropiju poruke Eemu je broj slova aabuke 32'
H*o,(X) -
Iogz 325
25 bita
'
2. ENtaopr;e
24
6.
Ima.mO
7. Pohebnoje u gradu od 800.000 stanovnika pronaii odredenu osobu koja je shnovnik toga grada. Kolika je entropija tog problema?
H(x) :
loez 800.000
logz 80
Usrojena je proizvodnja novog proizvoda. Pita.nje je da li ga plasirati na trZiEte A koje je snabdeveno sa 45To plasmana ili na trZi5te B koje je snaMeveno sa 65% plasmana istog proizvoda.
8.
H(A) : -0,
45log2 0,45
65 log 0, 65
0, 55log2 0, 55 0, 35log 0, 35
0,992 bita
0,
H(B) : -0,
934 bita
.
belih" 8
g- U prvoj kutiji je 10 belih, 5 crnih i 5 crvenih kuglica, a u drugoj je 8 rtrih i 4 crvene kuglice. Izvladi se po jedna kuglica iz obe kutije. Gde E(I) : -0,5log
0, 5
0, 25log
,25
0,25log 0, 25
0,4515
'i
a
E(At:-r#-'*
E(B)
#-
(r
- lbl
(r
rog(1
- 7fo1:
rog(1
0,e648.
: -+b}#-
#l
.
*l
11. tzvodi * gadanje na dva cilja: na prvi su ispaljena 2 metka, a na drugi 3. Verovahoiapogotkaprvogciljaje lf2,adrugog 7ll . Zakojicilj je
rezultat gafinnja o&eateniji?
H(4
:-r1'* l*lu'j
279
* ] r"* ]) :,,uoo,
H(rr): -(*roc
ros
f * fr,"* 3.
*",s*
2. EN'rnopr.le
25
1.7053
> H(I)
12. Verovatnoia realizacije dogadaja u jednom opitu je p , a suprotnog : L - p . Za koju vrednost p rezultat elsperimenta ima najve6u vrednost? Q H (p) : -(prosp + (r - p) log(1 - p)) , pa je
-p)+) : - bs*.
13. Odrediti entropiju slu6ajne promenljive X sa binomnom raspodelom je p: q: l/2 . i uporediti je sa mopijom eksperimenta sa
6 jednakoverovatnih ishoda-
;p@2): fO.}
dija je
Varijansa sludajne promenljive X koja je ravnomerno rasporedena na inje (b- a)2ltZ, odakle se dobija, izjednadavanjem sa o2 , da je b - a : ot/n . Kako je entropija ravnomerno rasporedene sludajne promenljive na (a, b) jednaka log(b - o) , to se dobija da ona iznosi logo1/72 .
tervalu (o,b)
(*): --"*"-r(-#)
\
H(x)
:tog
*Lffe{*,) :
ot/2tr
tog oJzn
+r-5;
.
:log
+f,ns":logJ2n*'
( o F@):l;, '\*/
t 1 ,irr;
,r<0, ,o.r.r,
fO):{2: o I
'o<r<1'
'inaie'
2. ENrRopuR
pa
26
Je
fr
95% slueajeva, a do znatnog poboljsanja u 5%'slucajeva. Druga dovodi do ozdravljenja ,.s. 95To slu.ajeva, a do smrti u 5% sludajeva. Na6i entropiju kod
obe metode.
Entropija je u oba sludaja ista, ali je jasno da je druga metoda losija. To pokazuje da entropija nije potpuna karakteristika neodredenosti opita.
18. verovatno6a dogadaja A u opitu je p . opit se izvodi do prve realizacije dogadaja -4 . Slucajna promenljiva je broj izvedenih opita. Na6i
njenu entropiju
i objasniti karakter
promene entropije
pri promeni p
'
H(x)
Ako
do
oo '
"'(;:
;:)
'
v,( a, \(r
uz
Qz
vr\
%)
Koji od ova dva izvora ima ve6u neodredenost ako je: a) Pr: P2 ,Qt: Qz:
Pt:Pz:ll2,Paie 11 H(X) :2(- ,log ,) : los2 se dobija da je I/(Y) : log3 > H(X)
. .
(qz
+ Si log(Sz +
qa)
:
fier
log q1
qzlog(qz
je q2>0,
s3
> 0 ).
ft[
3 Informacija
3.1
Sopstvena informacija
u sistemu je Emitovanje i prenos informacija odvija se, kako vei napomenuto, oblika
uu,'NcL
[t'"-l
r' f]*"'l
11,,
.l J' ft"'alacl
I
lsmetn:e
(diskretan izvor) koje X . Primalac prima moZemo shvatiti kao vrednosti sludajne promenljive Y ' koje signaie Ut,Uz,. .. ,an kao mogu6e vrednosti sludajne promenljive smetnji' Smetnje zavise od vrednosti strrOa3ne promenljive X i delovanja sludajnom promenljivom takode imaju sludajan karakter i mogu se predstaviti
funkcijapromenljivih X i Z,li' Y: f(X'Z) ' jednoznadno' Zbog delovanja smetnji signali q i w ne6e biti pridruzeni tj. isti simbol ri moZe p.e6iu razlidite Ui , i obrnuto, Ui se moZe pojaviti istovremene u sludaju emitovanja raznih ri . zato se govori o verovatno6i ( *u na ulazu' ai na p(u,a) fo;urr" puru (*o,ii) , ti. o verovatno6i
Z.
Otlrila-ie
mogu se odrediti
"*Jusmetnji,tj.mehanizamtransformacijesignalafi;usignalEjako su Poznafe To tbezbeduje odredivanje uslovnih verovatno6a p(Ailr;) raspodele dvodiverovatno6 a zd, fri, a time i verovatno 6a p(ra,yi) odnosno
menzionalne siudajne promenljive (X, Y) ' informacije Otuda je prihva6erro du se definise poiam s o p s t v e n e I(*) ,kojrr.,,nosi,, signal X , kao i pojam uzajamne informacije I(X,Y) . koju primalac dobija o X kada primi Y ' post+ Problem definisanja mere za informaciju meze se u opstem sludaju viti kao probiem definisanja parametra /(x) - sopstvena informacija' odnosno I(X,Y) - uzajarnna informaciia,, za datu sludajnu promenljivn
{*r,*r,.'..} iverovatno6ama pt:p(X:'u) generisana informacija f(r') je se emituje sa verovatnoiom pa i pri tome
odnosno za dati sludajni vektor (X'Y) ' Neka je X diskretna sludajna promenljiva sa skupom vrednosti
28
Z. BnaNovri
Razumno je zahtevati da funkcija ri -* I(r;) , ni e R(X) ima slededa svojstva: @ I(r) : C@,). tj- sopstvena informacija ne zavisi od vrednosti n,; signala, ve6 sarno od njegove verovatno6e fu I (tt) p '-- G(p) ie neprekidna tunkcija za 0 < p < t ; (iii) p -. G(p) ie strogo opadajuia funkcija na [0,1] , tj. signali sa ve6om verovatao6om treba da "nose,, manje informacija; (ir) G(p+q): G@)+G(q) zasvako p [0, 1] , sto zna1i d.ainformacija koju "nose" drra stohastiEki nezavisna signala treba da bude jednaka zbiru informacija koju "nmi' svaki od tih signala. Na osnovu oyih zahtevul moie se dokazati slededa teorema:
Teorema 3.1-l Fw*cijo p--- G(p) , koja i,ma suojstua (i,i,)-(i,u), nuZno je oblika G(p) : -clq6p, gde su c > 0 i b > I proi,zuoljni realni, brojeui.
uprimerimaseobidno uzima c: l i b:2, dok je uteorijskim razmatranjirna pogodno uzeti C: 1 i b: e Signal z;, djajeverovatnoid pt , ',nosi,, informaciju I(r): lnp; tako da se v(ziuro za sludajnu promenljivu X moie posmatrati nova sludajna promenljiva f(X) sa skupom vrednosti R(I(X)): {- lrpr, - lnp2, . . .} i pripadnom raspoaaom verovatno6e (h,pz,. . .) . I(x) zovemo sopstvena
.
znadt da je odekivana i1i srednja vrednost sopstvene informacije I(x) za sludajnu promemljivu X isto Sto i entropija te sludajne velidine. Sada se moze re6i da je H(x) mera neizvesnosti u pogledu emitovanja signala kod datog izvorz informacija, dok je E(I(x)) prosedna informacija koju nosi jedan signel emitonan v t6,g izvora. Intuitivno je jasno da se te dve velicine poklapaju, jer emitovanjem signala "nestaje neizvesnost" koja postoji pre emitovanja signala. Jasno je da 6e se onda i sopstvena informacija meriti istim jedinicama kao i entropija. Odigledno je da 1 bit sopstvene informacije nosi signal koji se emituje sa verovatno6om l/2, dok 6e signal verovatno6e 1 nositi 0 bita informacije.
3. INpoRuncua
2g
znadi da ako sa verovatno6om 1 odekujemo emitovanje odredenog signer-, neizvesnosti u vezi sa emitovanom porukom nema, entropija je nula. pa i kolicina informacije koju nosi taj signal je takode nula.
uzajarnna informacija za diskretnu raspodelu uzajamnom informacijom 6emo zvati informaciju koju izlaznisignal y daje o ulaznom signalu X u tipidnom komunikacijskom kanalu sa smetnjama. Pretpostavimo da su x i y diskretne slubajne promenljive i da je odredena dvodimenzionalna raspodela verovatno6a na skupu R(x,y) : { (ro,A) I i, j : 1,2, . .. } tako da .ie
3.2
p(X
ro)
: k:l.p.ii )
pri
J
Dpr: t i
p(y
kao
: A): ei:\
0,
Dqi: j
: *olY :
:
ai/
gj)
pr/j
?,
O,
Dr,/i:r, i:1,2.....
x
X : *r) : qj/i : O* r- O,
30
Z. BnaNovrd
Dvodimenzionalni raspored se moZe zadati i tako Sto se zada marginalna raspodela X-a (raspodela ulaznih signala) i familija uslovnih raspodela Y-a" (uticaj smetnji na svaki mogu6i ulazni signal). Primetimo da je, zbog relacije pti : piqj/i t pti :0 ako je pt:0 . Na osnovu gornjih relacija mogu se definisati i odgovaraju6e entropije:
H(X,Y): -DDpn,tnprj L3
eilnq,
: -Dp4,lnh/i, j :tr,r,..., i
J
H(XIY):
Naravno da ukoliko ,".u0, o diskretni* rf*u.i'oim promerljivama sa prebrojivim beskonadnim skupom vrednosti R(X,Y) , onda se o upravo definisanim velidinama moie govoriti samo ukoliko odgovarajudi beskonadni redovi konvergiraju. Velidine H(X) i H(Y) interpretiramo kao neizvesnost u vezi sa ulazom X kanala, odnosno izlazom Y . H(X,Y) je neizvesnost u pogledu pojave uredenog para (X,y) (tiaz,
rzlaz,).
H(xla)
ai-
H(Y/r;) je neizvesnost
H(xlY)
3. Ixponuncue
m
H(X) + H(Ylx) :1/(Y) + H(xlY) H(X) + H(Y) > H(x,Y) ,
.
H(x,Y):
pri 6emu znak jednakosti kod ovih relacij a vaii ako i samo ako
je Pu :
P;Qj .
r(x.Y)
se zove
srednja uzajamna informacija X-a t Y-a. Vidi se da je /(X,Y) :0 ako i samo ako su X i Y nezavisne sluEajne velicine (poi : pta) . Takode se i srednja uzajamna informaciia izraiawa istim jedinicama kao i entropija i sopstvena informacija.
Ocigledno da I(X,Y) predstavlja smanjenje neizvesnosti u pogledu ulaza X kada se primi Y (izlaz), tako da se moZe re6i da se jednim signalom prenosi kanalom proseino I(X,Y) jedinica. Ako su X i Y stohastidki nezavisni, onda se kanalom ne moZe prenositi informacija, a ako je H(X,Y) : 0 , onda se kanalom prenosi potpuna informacija. Izraz za srednju uzajamnu informaciju se moZe zapisati u obliku
I(X,Y)
: -\arlnpu - I ijij
n, tn
qj
+DDmilrput
ptihpr'
PtQi
Veli6ina
i.,i :L,2,...
u i Ui i moZe se zapisati u obliku I(ro,a) :lnprj -lrpo -lnej : I(r) + I(ai) - I((rr,ai))
.
To znadi da je uzajamna informaciaj uredenog para (rn,Ai) jednakr zbfoil sopstvenih informacija ulaznog i izlaznog signala, umanjenog za solxtvenu informaciju I((rr,AiD uredenog para (ri,yi) .
Z. BnnNovri
I![F,c
hak
\x,Yl -- \x)
+ I(Y)
- /((x, v))
tako da sludajnu promenljivu I(X.Y) moZemo zvali tzaiamna informacija slucajnih promenljir.ih x i Y . Njeno matematidko ocekivanje
E(IIX.Yl)
H(X) + H(Y)
H(X,Y)
: I(X'Y)
m,
-)
Y-a'
Mfu
3.3
Pretpostavimo da je u pitanju neprekidna dvodimenzionalna raspodela, tj' takva da je funkcija raspodele (*,a) ' F(',il apsolutno neprekidna u R, . Tada su i marginalne raspodele a --- F1(r) : F(2, oo) kao i A -+ Fr(d: F(oo, E) takode neprekidne funkcije na R ' To znadi da postoje izvodi 7Fz(a) 0F1@) ,,,. a2F r,
silml m{
a.ay
skoro svuda Velidina
: f(t'il ;
tr
: ft(')'
ff
: f'@)
,ffi@MJ@
u R.
ffim,
6U
ds
ry,Ee
mni
merl
UH
r(*,a):r,ffh)d,rdy
za svako a-4.
r I a za koje i"
f @,y) >
Ako su X i Y stohastidki nezavisne velicine, tj' f @,a): flr)fr(A) , onda je I(*,A) - 0 . odnosno nezavisne slucajne velicine ne daju nikakve informacije jedna o drugoj.
3. INpoRuacr"le
Kako je
r
t0
(x,Y)
: I:
-
d,r d,s
:
d,y
,
d'Y
l* r@,a) d,r)
:
fz(u)
,
a budu6i da je
: f{r) , I*
f1(r) d,r
f @,y) d,r
to stavljaju6i
H(x) : -
I:fi(r)rn
H
H(y)
: - I:fz@)t f,@) da
(x,Y)
dobijamo
: - l: l]*, t., y)rn f (r,,y) d,r d,y, r(x,Y) : H(x) + H(Y) - H(x,Y)
,
Sto govori da je srednja uzajamna informacija zadri,ala isto znadenje neprekidne raspodele.
za
Primer.
Neka je dvodimenzionalna sludajna promenljiva zadatatako da je marginalna funkcija verovatno6e promenljive X
fr(*): R4fr"*pl-#r)
dok je za svako
fr2t,
,
,:R
p*@):#*;@41
{
34
H(x):ln(2reo?)tt' ; H(Y):ln(2re(o +
H(X,Y)
ol1)r/z
ln 2reoo1
01 i o
Zakljucujemo da srednja uzajamna informacija zavisi samo od odnosa Ta cinjenica ima jednu korisnu interpretaciju na primeru tzv, Gauss-ova kanala sa direktnim vremenom.
Ulazni signal je normalno rasporedena sludajna velidina X , dok je Sum takode normalno rasporedena slutajna velidina Z , pri demu su X i Z nezavisne promenljive. Izlazri signal Y nastaje sabiranjem ulaznog signala i Suma tako da je i Y normalno rasporedena sludajna promenljiva. Sematski
X : l/(0,
a1)
X+Z:,n/(0.o+or)
Z : N(0,o)
Parametar 01 karakteriSe "snagu" ulaznog signala, a parametar o "snagu" Suma. Vrednost srednje uzajamne informacije koju daje izlaz o
ulazu zavisi od odnosa o i o1 . Primetimo da se mo1e odrediti i srednja uzajamna informacija za vi5edimenzionalne sludajne velidine X : (Xt X2,..., X,) i Y : (Yt,Yr,. ..,Y.) (sludajne vektore). MoZe se pokazati da je za svako n > 7
'+
H(hlxt,x2,...,xn_l)
za$raki prirodan
broj m >
3. IxroRuacr"le
t6
3.4
Prenos informacije
i sistem upravljanja
IGj"k t I
1
Delovanje na objekat u cilju poboljsanja njegovog funkcionisanja se u kibrnetici taziva upravljanje. Najjednostavnija sema sistema upravljanja irna oblik
lupravljanjal
I'*"t"Fl
Ponasanje objekta se karakterise skupom izlaznih velidina (y) koje imaju odredene verovatno6e javljanja (zadataje odredena raspodela na y jer je svaka izlazna velidina uslovljena smetnjama. Skup svih mogu6ih ). dej_ stava na objekat odreduje promenljivu x sa odgovarajudom raspodelom verovatno6a. Cilj upravljanja neka bude odrZavanje velidine y u nekom stalnom stanju Uo . U idealnom sluiaju to stanje je izvesno pa je H(y) : 0 , tj p(ao) :1 . u opstem sludaju, jasno, postoji neodredenost izbora y i smanjenje te neodredenosti dejstvomiz skupa X opisuje se jednacinom
r(x,Y)
: H(Y) _ H(Ylx)
je
sada je I(x,Y) informacija u x o y koja karakterise smanjenje neodredenosti izlaza Y ulaznom velidinom iz X . Neodredenost H(X) se moZe interpretirati kao razrovrsnost upravljaikih dejstava i ona mora biti takva da se moze delovati na objekai, q.-d.
odakle
zadnja nejednakost daje krajnje mogu6nosti upravljanja. Neodredenos.t rzlaza se ne moZe smanjiti ispod navedene granice, a jednakost se postiZe ako i samo ako ulazni signal r e x jednoznacno odreduje izlaz e y, jer je a
tada
H(X): I(X,Y)
H(Y)
Da bi se smanjila neizvesnos
H(Ylx):
upravljadkih dejstava
Primer
Z. BnaNovli
Pretpostavimo da je sistem upravljanja takav da entropij a H(ylx) ne sme pre6i vrednost od 0,35 bita. Ako se smetnje u radu sistema opisuju sa 4 razlidite vrste Suma i raspodelom
;l. Imronu
O.rde je
0,2 0,3
0,4
F-Ue
.ffilt.}-i
H(xlY)
H(Y)
izradunati kolidinu informacije koju treba da unese upravljadki uredaj da bi se postigao zahtevani kvalitet upravljanja. Kolika treba da bude raznovrsnost upravljaikih dejstava? Pretpostavlja se da je upravljaEki uredaj idealan,
:0
tj.
: l
.tri.L l
_{p +
-0,21og0, 2 - 0,31og0,3
Primenit foffimmtrij&
I(X,Y)
H(Y)
ffirmrcija-tflm -r iz
.
: r(X,y)
dmt
:0) : t - e - p(y : t/X : L), p(Y : L/X :0) : u : p(y :0/X 1) 0lX
.
ieilem Ca
t&
lffimmfu1fla
,&wfl"fr_trflil:
p(\
e)
q(l
- e)
f,Md
mrmiiidilffimlffi
3. INpoRuect"la
Ovde je
5r[
pa je
H(X):-plnp-qlnq H(Y) : -(p + e(q- p)) ln(p + r(q-p)) - (q + e(p- q)ln(q't'(p - q))' H(X,Y) : -plnp - qlnq -elne - (1 - e)ln(l - e)' I(X,Y):H(X)+H(Y)-H(X,Y):'lne*(1-t)ln(1-e) -(p+ e(q_p))1"(p +e(q-p)) - (q+e(p-q)ln(q +e(p -q)) Primetimo d'a je za e : 0 I(x'Y) : H(x) - kanalom se prenosi cela moi'e prenositi informacija l aza e : ll2 je I(X'Y) : 0 ' tj' kanalom se ne
informacija. Ako se izabere
1(o, o)
In
p(t
p(p+e(q-p))
- e)
In2(1
6) > 0 ,
1(0.1) r \",
. j1-./:lr--- p(q + e(p _ q)) :ln2e (0, : In2e ( o, 1r1.0) : L-. -i1r\r,v/ --q(p+e(q_p))
q(1
t
I
/(1, 1) : in
j
{
!
: 1(0) : B2 Za dovoljno malo e (mala gre5ka u prenosu) je 1(0,0) kao tako da je uzajamna informacija koju izlaz 0 daje o ulazu 0 pribliZno je onda 1(0,1) : -oo Sto sopstvena informacija ulaza 0 . Istovremeno ziad d,a izlaz 1 pruZa potpune dezinformacije o ulazu 0 ' Medutim, ako je e: ll2, onda je /(0,0) : /(0,1) : 0 tako da ni 1 ni 0 kao \zlazi ne daiu skoro nikakvu informaciju o 0 kao ulazu. Srednja uzajamna informacija u tom sludaju je
q(q+e(p-q))
e)
I(x,Y):
elna+
(1
Morse-ove abecede mogu se, po pretpostavci, pojaviti u nekoj emisiji sa slededim verovatno6ama
2. simboli
38
Z. Bnervovr6
tadka
0,51
simbol verovatno6a
crta
0,31
Odrediti srednji sadrZaj informacija u vesti koja sadrzi 500 znakova Morse-ove abebcede ako nema statistidke veze u sledu imedu pojedinih znakova.
Reienje:
skup znakova koji se pojavljuje sa odredenim verovatno6arna se moie okarakterisati prosednim sadrZajem informacije. Srednji sa.drzaj informacije koji donosi jedan znakje
r(x):fdolr"-\
: o, 51h
0,31h#
:
+0,
l2h# . o,o6h #
-
seddi
sadrZaj informacije
I -
dvrld
12 |
Ll32 L/64
GI/M
;
Reienje: Iz
a) Napraviti tablicu za funkciju raspodele sludajne,elidine I(ru,a) b) Naii srednju vrednost velidine I(rt,A)
stedi
p(ni)?(ai
pwil
i+l
/ni)
odn.sas
pa je
:io@,,a) :io*"n)o(u,/*n)
3. INponu.q.cI.ln
t
p(ai:0,5'#+0,5'rp pfur):0,5'H*o'1
_1
Dalje je
r (r;, pa je i I r) * p(r,)e(d a i) -- 6 -?9t-!)- "' p(ni)p(y) - brp@!)p-@
6p(a i
p(ai)
r)
'
I(rr,Ad:
rr#'f : O,
,
I(rz,at): ,, # ' 3t = -u
I(rr,A): ,t # 3t = ,
Znari- da sludajna
velidina
I(rt,A)
moae da uzme
tri vrednosti 0 ,
-5
sa verovatno6ama
p(I
:-5) :
:0) :
p(rt,Az)
p(I p(I
Otuda je
p(r1,yo) + p(*r,Ao)-
*l : *,,
UtH
* Hl
:#
:0,877
3.
IxpoRlvract.lR
6. Pretpostavimo da je u pitanju
4; neka se prvo baca homogena ("po5tena") kocka. Ako je ishod paran brojbaca se nepravilan novdi6 kod koga su verovatnode ishoda ll4 (pismo) i 3/4 (glava). Ako je ishod neparan broj baca se drugi nepravilan novdid kod koga se navedeni ishodi (isti redom) 314 i ll4. Reienje: Sada je
p@tlrp)
rl8 tl24 118 1124 118 tl24 718 Ll24 tl8 7124 718
1
jer je
13 p(q,a) : p(rL)p(a'.lrt) :
24'
H(x,Y)
H(X)
-r(*ros ] + *^r*)
:3,3e6
bita
log 6
2,585 bita
H(Y)
log2
1 bit
.
H(X) + H(Y):
: H(X,Y)
Ut
Az
1/12 7/4 rl12 114 1lt2 7lt2 114 Ll12 114 1lt2 Ll4
tl4
2345
r /at
p(r laz)
42
Z. BneNovri
3/4 r/4
Odavde je
6
114
3/4
r/4
314
3/4
L/4
3/4
r/4
L/4 3/4
a ln6)
H(x/a)
novdiia (Y) je
u odnosu na bacanje
H(x/Y) :
Slidno,zasve
lrr*,rl
je
+)u6la,) :2,3e6
bita
re X
H(Y/r):
H(Y/ x)
o,
8113 bita
Za poruku sludajno odabrane osobe: ',Dan65 mi je rodendan,, izradunati sopstvenu informaciju. Reienje:
7.
I(r;)
-logpo:
logz
= 8,51 bit
I(X) :
ili
ne
je
I(Y)= - 1 log 1 - 364' 364 ry 0, 063 bita = log 365 365 865 365 8- odrediti srednju sopstvenu
30.07.". Reienje:
3. INponrraecue
43
I(r) :
-logpn
rasporeduje na okrugle i ora,lne, a po tezini na lake i teske. U lake spada 70% svih delova. Medu lakim je 80% okruglih. od ukupnog broja delova posmatra se 64% . Koju koliiinu informacije u obliku dela moZemo dobiti njegovim merenjem. Reienje:
4-I r I(x\:-365- 4 lo8a.ms+t "--4.365 + l 4-365+ 1'og- .36t 9. Kolidina delova nekog proizrrcda se u zavisncti od tainosti izrade
''(oiinr:;r) '
\o,z os)'
,
(a,
?tz
P'i'i:P(Y:Y)P(X:ri /Y --a), Ptr: P(Y : A)p(X : qlY : a) :0,7. 0,8 : 0,56 Ptz :0, 08 , Pzt : 0,L4 , p22 : 0,22 , pa je
il9-
0,862s2
10. cilj se moZe gadati n puta pri 6emu je verovatno6a pogadanja cilja u svakom pokusaju p. Posle k-tog gadanja (L < k < n) daje se izvestaj o tome da li je cilj pogoden ili ne. Ako jeste gadanje se prekida. odrediti k tako da kolidina informacije u izveStaju bude maksimalna.
Reienje:
*r, (ii
;:)
(1
Pr
Pogoden ,pz
promaSen
pz:
44
Z. Bnemovri
iz uslova
Pr: Pz:112
dobiia
se
"-
-l,og2(1
p)
'
11. U kutiji su 3 bele i 4 crne kuglice. Izvudene su 4 kuglice i ustanovlieno je da su od njih 3 crne i 1 bela. Izradunati informaciju dobijenu posmatraniem ovog dogada ja B za slededi dogadaj A : sledeia izvudena kuglica iz kutije je bela. Reienje:
I(A,B):
loB'#:
log
#:
--o,TTs
12. Pretpostavimo da je za neko mesto verovatno6a da 6e 15. juna pasti ki5a 0. 4 , a za 15. septembar je ta verovatno6a 0,8 . Neka je meteorolo5ka prognoza za15. juni tadna u 60% sluEajeva ako predvida kiSu, a u 80% sludajeva ako predvida suvo, a za 15. septembar neka su ti procenti redom s0% i 50%. Pitanje je za koji od tih dana prognoza daje vi5e informacije o vremenu.
Reienje: Neka je X1 sludajna promenljiva vezala za 15. jun sa vrednostima 11 - kisa pada i 71 - ki5a ne pada. Za 15. septembar neka su analogne velicine redom Xz , rz i uz . Ocigledno je
H
(Xr)
0, 4
O,6log 0, 6
0, 2log 0, 2
: :
0,
971 bita
H(Xr)
Neka
0, 8
0,722 bita
YL sludajna promenljiva cije su vrednosti h - "prognozira se kiSa" i Ut - "prognozira se da ki5e ne6e biti" za 15. jun, a odgovarajude velidine za 15. septembar neka su redom Yz , Az i g, . Kako je
je
p@t/yt):
iz jedna,kosti
0,6
, p(hlat) :
0,4
p(7.1lat)
:0,2 , p(hlat) :
0,8
p(r):
p(y)p(rr/a)
p(a)p@rlg)
p(a)
:1 - p(a)
3. IupoRriaecr"r,q.
dobija
se
45
p(yl)
Slidno, iz
:0,5 ,
p(gL)
:0,5
p(n2lA2)
:0,b,
p(y2)p(rr/yz) + pfu2)p(r2l
p(uz)
g) i
p(gr)
.
: t - p(az)
o,75
p(a2)
:0,25
Otuda je
0,41og0,4
,
0,
2log0, 2 - 0,81og0, g)
0,846 bita
I(Xr,Yz) : H(Xz) - H(X2|Y2) : 0,120 bita . Informativnija je znaii prognoza za \b. jun (iako je verovatno6a tadne prognoze za taj dan manja).
13. Raspodela verovatnode za
fr1
t2
T3
At Az
*o)tosp(y
: ailX :
*r)
X odnmo
46
Z. BneNovri
/3 1 l2 1 l2
1
112 0
0 0
2/3
tl2
atr-T--rT
tl4 0 rl4
1
At Az
As
1/5
pa Je
H(y/x):0,u(-ir"**-
3.-3) +0,2(;r"*; ,
-i.-i)
1
f - *.- *) :
0,1 0,2 0,3
o,
e6 bita
zad.at
tablicom
0,3 0,5
012
uy
na
ima oblik
r13
Kako je
01
213
H(X)
H(X/a
toe : - 0) : -i )ooc -:
DqQT)
log
':
0, e210
3.
INpoRrraecr;e
ry
H(XIY:
1)
:0,
H(XIY) : p(Y : -L)H(X|Y : -1) + p(Y :o)H(xlY :0) +p(Y : I)H(XlY : l): 0,3 ' 0,9183 + 0,5 ' 0,9710 : 0,781 , I(X,Y): H(X) - H(XIY) :0, L22L .
15. Raspodela verovatnoia sistema dogadaja je data tablicom
fr1
fr2 frg
0,L2 0,08
0,1 0
0,1
Odrediti H(X)
Reienje:
Az
Ut
fr1 fr2 fr3
Uz
Uz
0,5
fr2 fr3
dobija
se
H(XIY)
-0, -0,
0, 15log0, 15)
+ 0, 44log0, +
44
0, 55 Iog0, 55)
-0,
56(0, 17log 0, 17
0, 71 log 0, 71
0,
log 0, 1)
: -
1,1835
-0, 2(0, 5 log0, 5 + 0 + 0, 5log 0, 5) -0, 6(0, 2log 0, 2 + 0,13 tog 0, 13 + 0, 66log 0, 66) -0, 2(0, 2log 0, 2 + 0,51og 0, 5 + 0, 3log 0,3)
H(Y I X)
Z. BnaNovri
:
I(X,Y)
L,2417
,
.
H(X)
- H(XlY) :0,1875
0,08 0,05 0,L2 0,04
0,03 0,02 0,L2
r,
| 0,L2
0,08 0,1
H(X) :
1, 388
L7. Poznato je da od jedne bolesti oboleva 4% ljudi. Radi konstantovanja bolesti koristi se jedna reakcija koja je pozitivna kod svih bolesnih a i kod 20% zdravih ljudi. a) Kolika je neodredenost u konstantorranju bolesti? b) Kotika je neodredenmt u korstantormnju bolesti ako se znaju rezultati
- opit da li je 6ovek bolestan ime d'na ishoda: 81 - bolestan i Bz nije bolestan; opit B - rezultat reakcije takode sa dva ishoda : Ar - reakcija je pozitivnai A2 - nije pozitivna.
reakcije?
Reienje: a) H (P)
gde
-0,
04 log 0, 04
.
0, 96log 0, 96
b)
je g(r) : -plogp
p(A)
n
(0
I Ar)
P(Az): 0' 768 ' - p(tu I A) tos p(h I A) - p(8, I Ar) ros p(82 I A1)
o7n
o,2zz
ts
Izvor informacije
izvor informacije
4.L Diskretni
Zamislimo sistem koji se sastoji od doveka i pisa6e masine a proces koji tede je kucanje nekog teksta. U odredenom vremenu nakuca se tekst od n zna.kova. Proces kucanja je ograniden skupom znakova koje ima doticna masina kao i zahtevom da "proizvedeni" niz bude tekst sa smislom. Taj se sistem moZe posmatrati kao odredeni izvor informacije, a kucanje ka.o " generisanje" informacija. Neposredan cilj je da se izgradi matematidki moder koji "pokriva,, sustinske osobine generisanja informacija u realnim sistemima. Generisanje informacija se sastoji u emitovanju niza znakova (simbola) iz nekog nepraznog skupa A od svih moguiih znakova. Ako je A konadan skup i ako se, recimo, svake sekunde emituje jedan znak. onda ie se za n sekund.i emitovati poruka od n znakova, koja se moZe zapisati u obliku n-clanog niza
r : (at,a2r...,an), aa A r,i:L,2,,..rn, Jasno je da r An: {(at,(12t...tan) lqe A, i:1,2,...,n}. Kao Sto je poznato broj elemenata Kartezijevog proizvoda An skupa A sa c, dlanova iznosi o'
.
e An pripada odredena verovatnoia p(d > 0. pri demu KaZemo da je rei o rlisfos6ns* izyoru-informaci;a (a,p) sa konadnom azbukom ,4, i merom p. Kako je emitovanje znakova u datom izvoru informacije odreden proces koji se zbiva tokom vremena na sludajan naiin, pogodno je definisati dis}retni izvor informacije ka.o odredeni stohastidki proces {x1 : t e ?} sa diskretnim parametarskim skupom T : {7,2,. . .} i skupom vrednosti ,4, .
Poruke koje se sastoje od niza znakova razlikuju se po verovatnoii sa kojom se emituju. Tako npr. medu porukama od b znakova AAAAA . NAA,IAS . DANAS najverovatnije je da ie se emitovati poslednja od njih. Diskretan izvor informacije se, zbog toga, matematidki definise tako da se odredi neprazan skup A : {or,az,...,o,a} - azbuka izvora i raspodela verovatno6a na skupu An za svako n N.
svakoj poruci
ie D,e.t* p@) -
Oznaka
P(Xt
e An
1 , simbol
02 umomentu
t: t:2 itd. Akozasvako nN vaZi p(XX+t : at, Xk+2 : azt.,,, X*+n : an) : p(Xt : dL, X2 : a2t . . . , Xn : an) : p(at, a2, . . . ,an) ,
kaZe se da je izvor informacije stacionaran. To znadi da probabilistiike osobine tog izvora ne zavise od vremena. Verovatno6a emitovanja odredene poruke isa je u bilo kom vremenu.
4. IzvoR lNroRlvllcur
jednaka je bezuslovnoj verovatnodi p(a',,) simbola an e A
5[
Zbogtoga se tah \rrr, ,ou" izvor bez memorije - jer je emitovanje signala u sadasnjem mosimbola' mentu stohastiiki nezavisno od prethodno emitovanih
'
Za ovakve izvore je
1 --.-H.: !gt1x)
+ H(X) +
'
.
n:7'2' "'
-irotosn,
i:r
I.(r):-lnp(r): -f
mP1,,)
'
i=l
moZemo
1(aa) Stavimoli /(a;) :-lnp(a;) , aeA' i:!'2'"''n'tada informaciju simbola a1 A ' Yaii interpretirati ka,o sopstvenu
In(r):itton)
i=l
tj.
#,
emitovana iz datog izvora sopstvena informacija 1,(z) koju nosi poruka pojedina slora memo.i3e jednaka j" ,rir,r-ropstvenih informacija koje nose odredene diskretne sludajne veriine pri te poruke. Kako su demu. za izvor bez memorije, one imaju istu raspodelu' imamo
i*(*) i i(a)
D(I(a.t)):
Isto tako i disPerzija
oz(I(a)):\nr\n'po i=l
K2
Dalje se dobija
E(l.(r)):iu1r1on)):
i=l
nH
'
odnmo
4. IzvoR lNroRlracr.lp
52
o21t.1r17 To znaci da je
:\o21t(ai)):
i:1
nK2
u(*'"at) _H:
Ako se na niz dobija se
*(!,"a0 :
#
n : 1,2,...
I"(r)
,(l*r"r,ri ,o)=#,
gde
"ry*r(l*t
(1)
@)
Hl, r)
'
: o,
rj
)t.1r1;*u.
je I.(r) : _lnp(z)
7'naij dzfiz r-(z|/n konvergira u verovatnoi i ka H , odnosno da za veliko sopstrena iuformacija Irc srovu poruke priblizno je kao entropija fr datog izvora informacije
p[l"p(")+nill>n6)<e,
odakle -akUucujemo da relacija
(2)wfur*uooaotuwcorn
l-e. M,
"-n(H*6)
"-n(H-6)
takavda M1 i
! Grubo reteno. svaki element iz M1 louiiro )iu";;;i" verovatna -aor.'ll' poruka") im* verovatnoiu emitovanjr probiizrro "" verovatno6a emitovanja bilo koje poruke iz Mz "-lnu-, friUliZno jednaka nuli. KaZemo da izvor ko]i i3a svojstva (1) i (2) i*,,"o;.i_ AEp (Asymprotic Equipartition Prooerry). primetimo d,a'je M1 * a i da u M1 ima najvise poruka. ioa ia moZe biti i p.rr*, sto se dobija zaizvorbez memorije "n(H+6) gdeje p; : L/a, i : L,2,...,a.
se skup svih z-.lanih poruka moze podeliti na dva disjunktna podskupa Ifiz ta,ka da za srrako va,i:i (2), dok je p(r e"Mz)
:i6nl .,
4. IzvoR
rNpoRuecr.lp
53
4.3 Markovljev
izvor
a1) >0) , i:1,2,...,a,imatrica tI prelaaihverovatnoda p;i--p(Xp: ,i lX*-t : o,r) 2 o , (ILr p;: l) . Izraz peti interpretiramo kao veronatnodu da se u po-etnom momentu emituje ai i da se nakon toga emituje ai , ti. da se dobije ureden par (at,*j). PiSemo
Ovde se pretpostavlja da diskretan izvor (A,p) poseduje odredenu ,,memoriju,,. Jednostavan tip te memorije je da verovatnoda emitorranja pojedinog signala zavisi od prethodno emitovanih signalaPretpostavimo da verovatno6a emitovanja simbola aa u trenutku f > 1 zavisi samo od neposrednog prethodnike a1-1 . Proe emitolanja informacija 6e biti odreden ako se zna poietna ra.spodela p vexolatn&" po : p(X1 :
p(di,aj) : pipij ,
Velicina
aa
pj
predstavlja verovatno6u emitovanja simbola ai , bez obzira na to sta mu je prethodilo. Da bi izvor informacija bio stacionaran mora biti py : Fj , j --
f,rrrnni
i:1
ni
j :1,2,...
)e,
TI'p
: p
n' -
transponovana matrica od II )
An
za
niz (or,or,...,an)
p(a)p(a2l
a)
..
p(a*f
a._)
Markovljev
svaki (ar,azr...,an) e An .
Tako opisani diskretni izvor informacija zove se jednostavni
.,o,-,
: o(?r':"':''''
P\at,or,.ffi
an- 1, an)
P(an/an-t)
'
To znadi da verovatnoda emitovanja nekog simbola an zavisi samo od prethodno emitovanog simbola an-! t a ne i od ranije emitovanih simbola ar, a2, . . . t an-2 . KaZe se da ovakav izvor ima memoriju prvog reda, dok se za izvor bez memorije kaZe da ima memoriju nultog reda. Napomenimo da se moZe dokazati da i jednostavni Markoder- iapr tu*o
svojstvo AEP.
54
5.1 Kodovi
F.."jq
Za uodavanje uloge kodera i dekodera iztrorainformacije vratimo se jos jednom na primer doveka i pisace masine. pretpostavimo dL tekst koji je rovek nakucao na maSini treba poslati kao telegrem do odredenog prima,oca. poznato je da se u telegrafskom sa.obra6aju primenjuje Morseov k ip"r".n koga se slova azbuke, kao i jos neki znaci, zamenjuju ,*tavljenim od l[odiraiu) "crta" i "taaaka". Takode se upotrebljavaju i drugi "i^"i*" (Baudotov kodovi i Mur_ rayev) u kojima se kodiranje vrsi petodlanim nizovima sustaitie.rim od nula i
neprazan
jedinica (iridi tablicu u prilogu). odredeni tekst, pre nego sto ude u komunikacioni kanar, prvo se kodira na jedan od navedenih naiina a zatim se moZe ponovo kodirati u cilju prenosenja putem kanala. osnovni cilj kodiraaja informacija koje generise odredeni izvor informacija je.u tome da se osigura sto brZi i pouzdaniji prenos informacija od izvora do primaoca. PoZeljno je da se poruka.ma kodiranjem pridruZe sto je mogu6e kraii nizovi kodnih simbola, a da istowemeno verovatnoia ta.6nog dekodiranja (korektnog primanja poruka) bude Sto je moguie veia. Formalni opis navedene problematike pretpostavrja da je zadat diskretan izvor informacija sa konainom aabukom A _ i konafan
b baza koda.
{or",o2,..".,""1
eemo
obicno se kao ,4 pojavrjuje skup u kome se naraze znaci slova, znaci inter_ punkcije, znaci cifara i osnovnih raiunskih operacija i st. zaskup B se desto yzima dvodlani skup. Tako je npr. Morseov t oa ru aru ,rrut r-gd'" duZina niza kojr_se pridruZuje datom simbolu nije fiksirana (kre6e se oa f aZ a;. Pretpostavimo da se kodiraju rn-erani (zn e N) tukstovi koje generise dati izvor.informacije u nizove elemenata iz skupa B , odnosno da se erementu x A* pridruZuje element y e Bn ka.o njegova kodna zamena. Nekaje U+g , UgA* i l:(J-Bn injektivnopreslikavanje. Tada se l*ze da je uz dati izvor informacije {A,p) zaait k"d ft;;;;iuzine od n kodnih znakorraSvakoj poruci u e (J je kort.a ziunena f (u) eB, pri demu je _pridruzena , f (u) n-elani niz aiji su elementi A E , t1-
rli e
A, i :1,2,...,rn, bi e B, j :L,2,...,Tt
5. Kooovr uzrzvoe"
Neka je
TNFoRMAcTJE
55
f(U)
{ulu
e Bn,'u
f(u),u e U }
Zbog pretpostavljene injektivnosti preslikavanja / moguie je svakom /(I/) pridruZiti jeda.n i samo jedan u eU zakoji je f(u) :o . PiSemo
u:f-r(r), aef(U)
da je o dekodirano l<ao u . Ako uzmemo neki r A* i r /U, onda zanjega nije definisana kodna zamenal pa se moZe uzeti bilo koji element y e B" kao kodna zamena, Sto moZe imati za posledicu nekorektno dekodiranje. To znaci da 6e sve poruke iz
i kaZemo
skupa [/ C A* blti kodirane i dekodirane, dok se to ne moZe tvrditi za poruke iz skupa A* \U . Ako je definisan broj p : p(r U) : p(U) kaZe se da je p pouzdanost
zadatog skupa. Sigurno daje poZeljno da se odredi skup [/ tako daje p Sto bliZe broju 1 , a da ima Sto manje elemenata, tj. da U ukljueuje sve najverovatnije poruke. Ako se uzme da je U : A^ onda je potreban i dovoljan uslov za egzistenciju koda pouzdanosti 1 sa bazom b i fiksiranom duZinom od n kodnih zamena da bude
a* lbn
odnosno
n lna _>_
n1,
InD
Kako se nf m moZe interpretirati ka,o broj kodnih simbola na jedan simbol poruke, emitovane iz izvora informacije, moZe se reii da taj broj ne moZe biti manji od lnalhb. Sigurno ja da ie brzina prenosa zavisiti od nf rn. tako da ie manjoj vrednosti kolitnika nfm odgowarati ve'ca brzina prenos:L Ako izvor informacije ima napred opisano wojstvo AEP, tada pri kodiranju, uz dosta veliko rn , ne treba obra6ati painju nztztr. "rna.loivrvatne" mtlane poruke, ve6 je dovoljno konstruisati talav kod koji 6e omuguC{ti kodiranje i
korektno dekodiranje za
tw.
sa promenljivom duZinom kodnih zarnena Polaza6i od aabuke B : {0r,02,.. .,B6} koda moZe se konstruisati skup C
na slede6i nadin
5.2 Kodovi
Bt-t 82 uB3
u...
Elementi ovog skupa su svijednoclani, dvodlani, troilani i td. nizovi sastavljeni od elemenata skupa B .
kodnazamer,a
Akoje A:{or,d21...,o,a} azbukaizvorai f :A--C injektivno kod (a, b, /) , tako da svakom 9 .4 pripada
f(U)e C.
6e se, bez posebnog naglasavanja,
U daljem
pretpostavljati da
je o > b -
56
Prirner.
Neka
zad.ata tablicom
je A: {or,az,o;} i
p(ai)
ql
A2 Ag
:
I
{0,
kod
1
kod
1
III
01
10 100
10
11
Ako npr. izvor emituje niz simbola ata2a3 , onda primenom koda I se dobija niz 0101, koji se moZe dekodirati kao a7e2a,, ali i kao o,r",2",t",2 , odnosno a3o3 ili l<ao a3a1a2. To znadi da kod I ne omogu6ava jednoznadno dekodiranje svakog niza koji moZe emitovati dati izvor informacije.
Kod
II
komuniciranja. Ako je, recimo, potrebno dekodirati niz 110, orria, ako se zna da je proces komuniciranja zavrsen, taj niz se dekodira putem koda II l<aa a1a2 . Ako komuniciranje nije zavrseno, onda je mogu6e da se taj niz produzi nulom - tada se dekodira u kodu II sa o'ro,t Ako bi se navedeni niz produZio sa jedinicom, onda bi se dekodirao kaa a1a2a1 . To predstavlja i nedostatak kod
ovog koda.
Kod koda III se ma koji niz sastavljen od nula i jedinica moZe dekodirati takav niz nije uopite u tom kodu (npr. 111). odigledno
ili
fovoljnih koje je moguie jo5 prilikom procesa komuniciranja. Drugi problem koji se ovde postavlja jeste tzv. problem optimalnosti. Posmatrajmo to prvo na prethodno datom primeru. simbol o, ," emituje sa verovatnoiom p(CIr) : 0,5 i u kodu I se zamenjuje sa /(a1) : 0, tj. ia nizom od jednogelementaizskupa B. Takode je p(az):0,3 a f(az):1 (duZina niza je opet 1 ), dok je za simbol o3 .f (as) : 01 (duZina niza je 2 ). buzina kodnih zamena kod koda II i koda III tekode je razlidita. Broj D : r,t-pt * nzpz * nzps moZe se interpretirati ka,o ,,prosedna duZina,,
uslo-va da zadati
ja da je neophodno postaviti problem utvrdivanja potrebnih i kod (o,b, f) omoguiuje jednoznaint dekodiranje,
proiztlazi da bi kod I bio najpovoljniji jer daje najmanju prosednu duZinu kodnih zatnena. odigledno je da se problem optimalnosti sastoji u tome da nade takav kod koji omogu6uje jednoznaino dekodiranje i ima najmanju prosednu duZinu kodnih
zamena.
5. Kooovt uz tzvoR
INPoRURCI;n
57
Da bi se mogao formulisati stav o potrebnim i dovoljnim uslovima za kon' jod strukciju koda koji omoguiuje jednoznadno dekodiranje neophodno je uvesti
neke oznake.
paru (c1,c2) e C2 pridruZimo element c: crc2 C koji se je c1 dobija tako dase niz c1 c "produi'i" nizom c2 c . Kaze se da prefiks od c a c2 sufiks od c ' Defini5imo slededi niz podskupovaskupa C: Bu82UB3 u"': So: f(A):{ce Cl.: /(at) ; i:!,2,'..,o}
Uredenom (skup svih kodnih zamena);
{ c1 C I c6c1 So ; co ,90} (skup svih sufiksa elemenata iz 56 sa prefiksima iz So ); Sz: SLI) 5" 2 , gde je SL : {c!, e C l"o"L eSr i co So}, Sl', : {c"z e C lcl|'2 Ss ; c1 e,Sr } . Uop3te, za svaki prirodan broj k ) 1 se defini5e: Sr : S[ U,S"r gde je SL : {Ck e C lcsclk St-r ; co ,So }, d; p : {c" 1, e C l cpa|'t So ; ck-L e'St-r }' Primetimo da u nizu So,Sr,52,... ima samo konaino mnogo razlicitih skupova. Skupovi St,Sz,'.. su sastavljeni od sufiksa elemenata iz skupa Ss kodna t<o3i.ie konaian i njegovi su elementi kodne zamene konadne duzine. Ako 7 sufirksa te kodne ,u*"ttu /(oa) ima duZinu n.; ' onda postoji na,jviSe nt zamene tako da ukupan broj ne prelazi broj !i=r(u - 1) '
St
Toznadidapostojeprirodnibrojevi
ispunjeno
Tada je
n)!
Sa46:Sm1t k:0,1,2,-..
S:
,S
Sr U Sz U -. - - 51U.9z
U..'U S*-r
f)
prazan skup,
tj.
ornogu'uje jed,nomaEno ilekodironje oko i samo ako ne postoii sufilcs koji je uiedno i kodna
zarnena.
Ako je ,Sr prazan skup. tj. ako nijedna kodna za,irlerla nije prefiks neke kodne ,u^"n", onda se kaZe da kod (o,b, f) ima svojstvo prefiksa' On omoguiuje sukcesivno dekodiranje, pa se zato jo5 zove i trenutni kod'
Tad je ,s prazan skup pa su ispunjeni svi uslovi iz upravo navedenog stava, Sto zna6i da svaki trenutni kod omoguiuje jednoznadno dekodiranje. Za napred navedene kodove imamo: Zakod.I je So: {0,1,01}, Sr: {1} , 52:A: Ss- 54: "', pa je jednoznaino ,S : Sr i otuda S lt ,90 : {l} * 0 Sto znadi da kod ne omogu6uje
dekodiranje.
Zakod.IIje
So
S:
Sr
So
Za-kod,III
- {1,10,100},
51
: {0,00},
Sz
:'""
Sr
:A:
-,S3: "'
(trenutni kod,}-
58
Problem optirnahosli Ako diskretni izvor (A,p) emituje simbol c1 sa verovatno tom p(a6) : (i:1,2,...,o) iakoukodu (c,b,/) kodnazamena /(a;) imaduZinu ( q - b.oj dlanova ntz'a l@) c ), tada, kao sto je napomenuto, veridina
5.3
po
n6
^:f,nro, i:l
se zove
Postavlja se zadatak konstrukcije kodova koji obezbeduju iednoznadno kodiranje kod kojih 6e D imati minimalnu vrednost. Kod ima svojstvo prefiksa (kaZemo da je kod prefiksni) ako nijedna njegova kodna zamena nije prefiks neke druge njegove kodne zamene. svi kodovi sa fiksiranom duZinom kodnih zarnena su odigledno prefi.ksni. Ima i drugih prefiksnih kodova. Takav je recimo kod {01, 11, 000, 0011, 0010}
.
f)
l_tl
ooo 0010
koda
001 1
to moze videti i sa kodnog drveta tog
59
HVFLPJBXCYZA
Ako
kod ji
(o,b,
f)
razmatranje: --ilk
skupova
n :max{n1,
Defini5imo niz
Bin
: {rlr
8", f(o)je
(i.+
preflks
B;n.lBin:0
tj.
Kakokodnazarnena elemenata, tako da vaZi
i) i Ul:rbi, c B"
tz B"
'
iu,-,, . r,
fr
Nakon deljenja sa
b"
dobija
se
*u-',
.,.
i obrnuto' tj' da za date prirod-
uvek je ne brojeve ?LL,TL2,...,n, i b , 'u koje vaZi Kraftova nejednakost' kodne zamene imaju moguie konstiuisati kod sa svojstvom prefiksa u kome
duZine TtL,'172,. , . rfra . jednoznaino dekodiKraftova nejednakost vaLi zasvekodove koji obezbeduju
ranje.
MoZe se dokazati sledeia teorema:
60
Teorema 5'3'1 Neka je (A,p) d,iskretn'i stacionami izuor i,nformacija u reome se znak ar A em,ituje sa ulroaatnolom fil 0,, : 1,2,...,o, 7 . Tada postoji, trenutni kod, (a,O, g Di:rpt. : )a'*oii i"
koja je (A,p) izvor_bez memorij.,.nL j. arr-: se moZe dosti6i za n fl, g;;l; II enrropija izvora. Takode je H(x1,{2, ,x:l:;E zasvaki prirodni tro; r. Ako r_ torke slova azbuke ,4 .tretiramo u" "r".," (pojeainacne simbore) u novoj azbuci A' , moze se konstr,lsati trenutni * -rJ-,ar) u kome je prosecna duZina kodnih zarnena
Ako
.
minimatnavrednst
fi.,
Tada waii
rH -_ rE IoD:rl'.ET*1,
Broj r+/r
moiamo
ili
fl=?=#.1
r+@ r
fut.rprc.Eti ho prwecaa broj kodnih simbola koji otpada na jedan simbol izrora rzuoron aotuino nelikog broja r veridina D, se moZe po volji priblEiti k" h,"j" f,lh.b - Relacija
,-t*E :
hb
5.4
ai bi
pridruZivanje
: t,i,..'.,o. tar;;:
se za fiksirane
konstruiSe
ai*, f(a),
sa svojstvom da dobijeni da prosedna duZina A(g) kodnih zamenau svakom *'"iir::n::;lXXi,,tl1*" a(/) kodnihdrugom trenutnom kodu (o, b,g) nije )u*o^u kodu @,;, ' (I) Azbuka A izvora-informacije se uredi po opadajuiim verovatno6ama emitovanja
simbola.
tj.
o.#')
Akosu brojevi
ai b
tako-da.vaUi
1, >
rakav
a:r(b-1)+b,
h s I ou ak o
6r
c)oduzmeod b-1,tj.
(2)
Ako je b takav da vani
a':b-L-c. : 2
(l),jer
(binarni kod) oiigledno je da uvek postoji prirodni
se tada (1) svodi
na a :
kojaima &r*r:a,-(b-1):
pomoiu jednakosti
azbuku ,4 fiktivnim slovima. (III) Formira se nova azbuka AL tako da se zdruZi poslednjih b slova azbuke A u jedno slovo, kome se pridruZi verovatnoia dobijena sabiranjem verovatno6a koje odgovaraju zdruZenim slovima. Redukovana azbuka ima o1 : a * at - b+ 1 : a -c slova. Svakom od b zdruZenih slova pridruZi se na bijektivan nadin jedan od simbola azbuke B . (IV) Ponavlja se prethodni postupak sve dok se nova azbuka ne redukuje na b slova. Kodna oznaka za slovo o; formira se tako da se redom, polaze6i od kraja prema podetku postupka, uzimaju svi simboli azbuke B koji su se pojavili uz indeks i . Oiigledno je da se nakon r * 1 koraka dolazi do redukovane azbuke Ar11
r*b
broj r
Ar+L:
a-c-r(b-l) slova. Kako je c definisano a-b: r(6- 1)*c, tj. c:a-b-r(b1) vidi se da je
azi,(7).
5. Kooovr uz rzvoR
rNpoRrrlacr.lp
62
aoUilaostatak 1,toje a,:b_1 _c: fiktivno slovo. Procedura Huftnanovog algoritma prikazana je sledeiom tabricom, u kojoj su date i verorratno6e emitovanja pojedinih slora date azbuke.
_ 3- 1- 1:
B:{0.1,2}.
1 . pa se dodajejedno
saD-t
0,30 0,20
0, 15 0, 10 0, 10
0,30 0,20
0, 15 0, 10
0,08
0,05 0,02
I
2
: oo : or /(or) f (on) : oz
f (oz)
Takode je
O
/(o,):
T\:1 TL2 :2
fl3:2 fL4:2
f (o") : f (oa) :
n6
:D: i=1
1 . 0, 30
+ 2. 0, 20 +
...
+ S .0,02 : t,Tb
..u
se binaran kod koji se zove Shannon_Fanov kod. Ako jedat izvor (A,p), A : {at, c,2t.. ., ao}, slova se urede po nerastu6im verovatnoiama emitovanja, tj. pr ) pz > ... ) po odredimo i (1 <z<o) takoaur" pr*pz+...*pt i pr.+t*pa'2a...*po pribliZno isti bro.ievi.
0 i 1.
simUot . Ponovimo postupak posebno za svaki od A1 i A2, deleii ih na po dr"a, po verovatnodi uravnoteZena, podskupa lkupova kojima se ,edom
..
skupa
Az:
{ai+r,oti+2t.
,ao}
't
ioau5rr;,, simboli
63
Postupak se ponavlja dok se ne dobiju jednoclani skupovi. Za svako di azbuke A , kodne zamene f (a) 6ine redom simboli dodeljeni tom slovu u svakom koraku.
Primeri. L. Odrediti kod Senon-Fanoa z,z;zwr (4p) , Sde je d pr :0,27 , P2: 0,21 , ?3:0,15 , Pr:0,15, ft
pz
:0,04
1
0
? 3
3
3 4 4
1 1111
-0,271og 0, 27
0,21 log 0, 2l
:2,62
'
Dakle, entropija izvora i prosedna duZina kodnih zarnena se kod ovako jenog koda malo razlikuju. Kodno drvo u ovom sludaju ima oblik
dobi
5. Kooovl uz rzvoR
wr.oRrraact.le
64
.a
2. U sledeioj tablici su dva binama koda.,1f i g w izvor (A,p), gde je A:{or,Q2t...,oz} i pt:p2:0,2, p3:0, ]lg, ps:0,12, p5:0, 11 P6:P7:0,09'
,
tO z 11 2 000 3 010 3 011 B 0010 4 0011 4 Ovde je / kod Senon-Fanoa i za njega je n(/) : 2,g0 dok za kod 9 , imamo n(g):2,78. Kod / dakle nije optimalan kod.
0,20 010 0,19 011 0,72 100 0,11 101 0,09 110 0,09 111
a1 a2 a3 a4 05 a6 az
0,20 00
2 3 3 3 3 3 3
65
Komunikacioni kanal
Diskretni kanal
6.1
kanala uz Razmotri6emo problem modelovanja dislretnog komunikacionog pretpostavke da postoje smetnje l kanalu' ve6 kodirane Da bi se poruke, generisaneizizvorainformacije i eventualno niza o&edenih signala, nuzno na neki nadin, p..ooril" putem kanala u obliku je pretpostavjati da postoii odredeni nepraz.ni skup svih mogu6ih signala (obicno po,,oA, kojih se po.i* izrtra prevodi (kodira) u obli]ru niza signala jadina struje, Ll"ktrierrihlmpulsa koje karakteriSu odredene velidine kao Sto su napon struje, frekvencija i s1.)' Na svom su "putu'; signali izloZe,,i uticajima smetnji Sto moZe rezultirati time d.a izlazri signal nije obavezno ka,o ulazni, Sto znaii da se moie posmatrati i skup mogu6ih \zlaznth signala' zakoniDelovanje smetnji se takotle podvrgava odredenim statistidkim pretpostavke po6i od tostima tako da opisivanje komunikacioirog kanala mora skup v izlaznih signala i da postoji odreiteni skup u ulaznih signala, odrld"rru familija funkcija raspodele koje odraZavaju statistidku zavisnost uiaznih i izLazn\h nizova signala. ondS' se Ako je t : (at,a2t...,an) (J" i A : (br,b,,"',bn) Vn iz kanala dobije moZe govoriti i o ,rriorrroj verovatno t:i p(y lr) da se na izlaz:u niz g- akoje ulazni bio niz z . Jasno je da ta uslovna verovatnoia zavisi i od ;stanjai' kanala koji se menja tokom vlemena u zavisnosti od prenetih signaia ili nekih drugih uticaja. zako seu opSternsludaju uvodi i skup s svih mogu6ih stanja komunikap(y l@, s)) cionog kanala iulo au ima smisla govoriti o uslovnoj verovatno6\ je kanai u da setobij e izlazni niz y e V" ako je ulazni niz r e U" i ako stanju s S. Formalno: Diskretni komunikacioni kanal ((I,p,s,v) sa ulaznom azbukom u : i skupom stania {r,r,...,,} ,lzlaznom azbukom V {'ll,',rlz'"''\') te u" zaaata s oa..a..rjeakozasvaki n N,svako ss isvaki raspodela verovatnoie p('l@,s)) tako da je
p@l@,s)) >
za
svaki a QV",
gevn
e@l(r,s))
66
Z. Bnarvovri
Ako je stanje lanala odredeno samo na osrovu prethodno prenosenih signala, onda se kaze da kanal ima odredenu memoriju. Stanje kanala moze zavisiti na odredeni nadin i od signala koji 6e tek biti preno5eni i tada se kaZe
da kanal ima odredenu anticipaciju. Za analizu su svakako jednostavniji kanali bez memorije i bez anticipaciie. To znadi da se moZe uzeti da je S jednodlani skup i da uslovna verovatnoda pfulr) ne zavisi od stanja kanala. Na takvim kanalima 6emo se kratko zadri,ati. Neka su U i V konadni skupovi i
II
{pni
),tL
;j
1,2,...,u i f,pni
i:t
: tj
zadata stohastidka matrica, pri demu je pu : p(qj da je izlazni signal \i ako je ulazni signal $ .
lt)
- uslovna verovatnoia
nN
onda se dobijeni diskretni komunikacioni kanal taziva stacionarni kanal bez memorija i oznadava sa (U,fI, y) , a n se zove matrica kanala. zna1i da je takav lenal (}race 6emo ga zuati: kanal bez memorije) potpuno odreden ulaznom i izlazrLom matricom, kao i matricom prelaznih verovatno6a fI. Ako matrica II ima specifican oblik onda se dobijaju i razlidite vrste kanala bez memorije. Tako, recimo, ako je rI kvadratna matrica i ima za elemente samo 0 i 1 i ako ima rang u , tada svakom ulaznom signalu pripada, sa verovatnodom 1 , odgovarajudi izlazri signal, pa se takav kanal naziva kanal bez smetnji. Druga krajnost je tzv. beskoristan kanal koji ima matricu fI sastavljenu od identicnih vrsti. To znadi da svaka kolona te matrice ima isti element na svakom mestu, tako da je p4 : Qi , j : 1,2,...,n , odnosno uslovna verovatnoia p(qj l) ne zavisi od ulaznog signala, pa je jasno da se ne moie komunicirati pomodu takvog kanala, jer izlazni signal "nema nikakve veze" sa ulaznim signalom.
6. KorrauNrx.AcIoNI rAN.q'l
6?
Primeri.
l.Akoje
[o 1o.l II: | 1 o o | 0 1J
L0
dobija se kanal bez smetnji, gde {1 prelazi u Tlz t tz t rh, a s u 4s sa verovatno6om I i\zla.zntsignal se sa verovatnoiom 1 odreduje na osnoYu ulaznog signala.
2'
za ":
0,25 I 0,25 l
7lz
jer primaju6i bilo koji od signala 41 , nemamo moguriosti da preferiramo ulazni signal (r ili (z '
rlz
3'Akoje
n:1-9'5 o'5 ol 0 1l
vidi se da moZemo ulazni signal sa verovatnodom 1 odrediti na osnovu izlaznogsignala, jer su izlaznisignali ry i qz dobijeni sarno od ulaznog (1 . dok je izlaz r1s dobijen samo od ulaza (2 .
Navedeni primeri ukaauju na potrebu da se definiSe odredeni parametar koji bi karakterisao odredeni komunikacini kanal u smislu njegove prikladnosti za prenos informacije.
LU
6.2
(a
Pretpostavimo da
Stavimo
pt -- p(t) ;
i,:1,2,.
.. ,n
Dru: L i:L
F\rnkcionisanje diskretnog kanala bez memorije se mole zemisliti i na slede6i nadin: Izlaarisignal 4i se mole dobiti tako da se na izlazu pojavi Hb
68
Z. BneNovrd
koji odsignala r,r,...,, izatimdase, zbogsmetnji, $ (ti : 1, 2,...,u) primi naizlazulao r1i. Ako je qi:p(q) U:L,2,...,u) verovatnoiada izlazni signal bude 4r. na osnovu teoreme o totalnoj verovatno(i dobijamo
(1)
qi
'
Odmah se vidi da je
j:l
in,:ir,i*:r,
i:l i:l
tako da se moZe govoriti o raspodeli verovatnode na skupu izlaznih signala. Znaii da se ulaz diskretnog kanalafu,memorije moZe tretirati kao odredena diskretna sludajna velidina x sa skupom vrednosti R(x) : ry i raspodelom verovatno6e p, : (pt,h,.--,pr) , dok se izraz kanaia moze takode tretirati kao diskretna sluEajna prommlji\ra y sa skupom wednosti R(Y):V i raspodelom verovatnoie pc: (qr,h,- -.,e,) . Kako su p, i pu matrice-vrste, to se sistem (1) moze zapisati u obliku matridne jednadine
' matrica datog kanala bez memorij e. Iz wejednacine proizilazi da se izlaznaraspodela py dobija,, delovanjem" (matridnim -roZenjem) kanala (matrice tI ) sa ulaznom raspodelom p, .
gde
PY:
PgfI
je fI
Primer.
Neka se na ulazu u kanal pojavljuju siguali r i z , tako da je p((1) : 0,2 , p(r): 0,8 . Kanal (stacionaran bez memorije)-odreden;" *uiri"o-
1,0,2
I'
6.
KorrauNrKAcroNr KANAL
{rlr,qz} . Na
0,76 l
Iti
3;3]:
lo,z+
Ako je er.j : p(ulrt) verovatnoia da je ulazni signal o ako se kao izlazni signal primi \j , onda je prema Bayesovoj formuli
zasvako
i:1,2,...,ui
isvako j :1,2,...,u
k'ot:
Ocigledno je da se za svaki uredeni par (ti,q) . (i : 1,2,. . . ,u) , 1,2, . . . ,u) moi,e govoriti o njegovoj verovatno6i p(,,4i) i pri tome je
(j :
P(r,q)
Jasno
PrPri
je da se mogu posmatrati za navedene sludajne velidine i velidine H(X), H(Y) - entropije; H(Yl X), H(XIY) - srednje uslovne entropije; H(X,Y) - entropija uredenih parova, kao i srednja uzajamna informacija
I
(x,Y)
H (X)
H (x I
Y) :
H (Y)
H (Y I x)
Velidina I(X,Y) se moZe interpretirati i kao srednja kolicina informacije koja se prenosi datim kanalom bez memorije pomodu jednog signala. MoZe se re6i da ulazni signal "nosi" prosednu sopstvenu informaciju H(X) i da zbog uticaja smetnji u kanalu izgubi prosedno H(X,Y) sopstvene informacije po signalu, tako da I(X,Y) postaje prosedno prenesena kolidina informacije po signalu. Ocigledno je da se za I(X,Y) moze dobiti i oblik
I (x, Y)
:,r-F-ort, q )
odnosno
70
Z. BneNovri
I(X,Y):
skupu
Ako se sa Du oznadi skup svih funkcija raspodele verovatnoie na datom [/ , onda se moZe dobiti para.metar koji opisuje osobine diskretnog kanala bez memorije u smislu njegove pogodnosti ru p.eoos informacija rrczavisno od ulazne raspodele verovatnoda p, _ Velidina
mo6 datog diskretnog kanala bez memorije. Ako se koriste binarni logaritmi dobija se kapacitet C izrai,enu bitima. Velidina C oznadavamaksimalan prose-can broj bita koji prenosi jedan signal kroz dati kanal bez memorije. Vratimo li se na pomenuti beskorisni kenal (poi : ei ii : 1,2,. . . ,u) , onda je I(x,Y) : g tako da je c : 0. tj. iovori se o kanalu nula kapaciteta. Iz definicije je ocigledno da je c > 0. pri iemu znak jednakosti vazi ako i samo ako je pU : Qj ;,i : 1,2,,...0u, tj- ako zu ulaz X i izlaz y nezavisne slucajne velidine. Kanal bez gubitka informacije se msZe defoisati kao diskretni kanal bez memorije zakoji je H(X/Y) :0 , tj. H(Xiyi\:0 za j __ 1,2,...,r.r . To znadi da za bilo koji izlazni signal rlj sz veronatno6om 1 se moZe odrediti pripadni ulazni signal. Tada je kapacitet
zove se
: H(! ' 1
\21
r.r,' u)
t _l
1,.
Primer.
Diskretni kanal bez memorije, cija stohastidka matrica ima vrste sastavljene od istih brojeva (vrste se eventualno mogu razlikovati sarno u permutaciji dlanova), a isto tako i kolone, zove se simetridan kanal. Neka su vrste sas_ tavljene od brojeva @i 2 0,Dr;: l) , a kolone od brojeva ^r1,r2,...,r.,.
se
I(x,Y)
:ipnfrinrj
i:L j:r
-Deibqi, j:L
odnosno
6. KouuNrxlcloNr xeNer,
,n
- H(rr,rz,. . .,ro)
.
I(X,Y) :
p, , tako
H(qt,,ez,. . .,Qo)
,:
#ff"H(qr,ez,...,Qu)
- H(rr,rz,,. .. ,r,)
:
se
#&H'(q''Qz' "''Qo)
i maksimum
se postide za
'(:':'
'*)
""
p,:u(!,1,".,'), \uu u/
jer ako je
:f-o,o,i:
c:
*I", : *,
-
i :1,2,...,u
r(:,:,..,, i) - H(,,,r2,...,ro)
C
:Iogzt +ir;log2r6.
i,=L
Za u:1)
:2
rI:|.l-u I e
i govori c(e)
1-uJI
(BSK). Tada je kapacitet
72
Z. Bnnxovri
Lako je videti da se za e : 0 lli E : L12 je dati BSK nula kapaciteta.
e:
Da bi se stekla informacija o kolidini informacije koju mogu da prerade neki realni sistemi, navodimo nekoliko primera: Propusna moi ljudskih uSiju (za zvtbne informacije) j" = 5. 104 bita/sec, a kapacitet ljudskih odiju iznosi = 5. 106 bita/sec. Obradi (u jedinici vremena) informacija u ljudskom mozgu odgovara znatno manja propusna mo6. Tako rtpr- zacitanje (sa razumevanjem smisla) i to zalS do 40 slova u sec. potrebno je 20 do 50 bita/sec, dok razgovor "nosi" oko 50 bita/sec.
73
TKoderidekodet:rtzkomunikacionikanal
AkosezadrLimonadeiukomunikacionogkanalapredstavljenomnanarednoj
Semi
koderkanal
moZe se provesti slede6e
Wr""l
C*64
-1
zt fri dekoderkanala
11 t--+
sh- t'-+
rasudivanje'
Zaodredenovlemeizvorgeneri5eodredeninizporukakojeseukoderu kodne azbuke B ' tako da u koder \zvotakodiraju * oJs""u*:"z'tini'simbola se kodira- u n-dlani Iiiz r . u" ' kanala dolazi zn-cl# riz e B* koji Niz fr ulaziukanal iizlaz\kao g Vn 'k9*?.seudekoderukanala i dekodiranja se mogu opisati pridruZuje niz z' e B* . Procesi koiiranja
odredenim funkcijama'
tz B*
O;;,
h(21):au' 'i:!'2'"''k; zteD; riU" : h(D) : {rt'n2t "'':F} ' Tada je od'reden i skup M
moilejavitibilokojielementskupaV"iondajepotrebnodonositiodluke kakodasedekodiru;,,tuk,iiz|azninizoviaevn.Zalosedefini5efunkcija g:Vn_,Mr.o3u,"zovesemaodluEivanjaipritomesepazidaSeotra ldredi tako da se Sto vi5e smanji uticaj smetnji' i odredeno particioniPrimetimo au 3" tort "ijom I : v" - M zadalo ranje skuPa V" , tako da je
l'2'"''k : St^lSi:A 'l'+ i' kao r; ]I{ . pri To znaci da se svaki izlazni niz Ul, S dekodira S,:
{ae
Vnlg(a):*'};
i_-
6emuje,naravno,*os"e"dajedekodiranjepogre5no'tj'dajeizla-niniz
74
Z. BnarvovK
e Sr dobijen od nekog ulaznog niza r*U. Kakoje h-r:M--+D bijekcija, to 6e se i dekodirana poruka z: h-l(r) razlikovati od ulazne poruke z: h-L(r) . Kod konstrukcije kodera i dekodera kanala moZe se birati proizvoljan broj n , funkcije g i h , pa 6e se oni izabirati tako da pogresnog dekodiranja
U bude Sto manje. Kako su greske u prenosu signala datim kanalom opisane pomo6u odredenih funkcija raspodeie verovatno6a, moze se govoriti o uslovnoj raspodeli p(a e Sol*), (i:1,2,...,k) - dase rratzlazu dobije niz y koii pripada skupu St, e V" , ako je ulazni tiz ri (r; e M g tl") . Tada, uz primenu dekodiranja pomo6u date funkclie g , imamo prenos poruke z; bez greske, pa je p@
Srlro)
t:'?'-%P(El"')
tada nam parametar (0 < 6 < 1) karakterise dati koder i dekoder u smislu pouzdanosti prenosa informacija. Odmah je jasno da konstruktori kodera i dekodera nastoje da postignu sto je mogu6e manju vrednost za . Uobidajeno je da se odredeni n-dlani nizovi simbola, koji se podvrgavaju procesu kodiranja i dekodiranja, zovu blok-kodovi. Tako se govori o blokkodu duZine n . S tim u vezi se defini5e velidina
R:lnk
n
gde je
prenosi.
sa k oznaden broj svih moguiih poruka koje dolaze u koder kanala. Kada bi sve poruke bile jednako verovatne, onda bi svaka od njih ,,nosila,, informaciju I :lnk nita, tako da se R moie tumaditi kao maksimalna kolidina informacije koja otpada na jedan signal u n-dlanom nint r [Jn . velidina E se obidno zove koeficijent prenosa ili brzina prenosa datog blok-koda. Drugim redima. u datom kodu je svaki signal n-dlanog niza r "prosedno optere6en" najvise sa R nita informacije emitovane iz datog izvora, koju treba da "prenese" kroz dati kanal. PoZeljno je da ,B bude sto je moguie ve6e, jer se tada informacija brZe
75
Osnovni problem je u tome da se nadu uslovi koje moraju zadovoljavati koder i dekoder pa da signal prenese kroz kanal svu mogu6u informaciju koju je preuzeo od izvora i to sa verovatno6om bliskom jedinici. U cilju formulisanja osnovnog stava o re5enju tog problema uvodimo
slede6e oznake:
1. Ako su dati prirodni brojevi k i n > Inkllnz i ako je izabrano k razlicitih elemenata rt,tz, - -.,rk e Un , kaZemo da je zadat koder kanala ili blok-kod duZine n , u oa.aci (r, k) . 2. Svaka funkcija g:Vn -'+ M: {rr,:r2,...)rk) zove se dekoder kanala ili Sema odluEivanja. Da bi se do5lo do najpogodniieg oblika funkcije g : Vn -- M sledi se ideja da se medusobno pridruiuju "najverovatniji" ulazni i izlazni nizovi.
Neka
je
p(r)
: p(zi)
(Dp(r,)
i:1
r)
ri M
niz y
k
V"
ako
je ulazni
niz
p(u,a)
L)
niz y e V* i
k
p(ulil: p(rtillp@)
uslovna verovatno6a da a evn
(D,e@rla)
i:L
1)
je rlazni niz ri e M
ako
je dobijen izlaznt
ntz
76
Z. BnaNovrd
Ako
p(r'/d:
onda se
,_?gr(, o/il
g zove sema odludivanja sa minimarnom verovatno6om greske. ZtaEi da svakom izlazt e V" A or,ul ,rtu, r e M koji ,pridruzuje maksimizira uslovnu verovatno6" p(*o/i) ou*";;{i l rruu takvih nizova u skupu M , ond,a se proizvoljro ,rirrru jedan oa n;ifr. F\rndamentalna je slede6a teorema:
Teorema T.o.L Ako je
realan broj R (g . odluii,uanja g tako d,a je
E < C) ,
memorije kapac,iteta
ond,a postoji,
Otoinoa
@,
k)
,i iema
c>0
e:ms;5(1 -p(&/n))s1.,2-^"
gd,esu
i
n.
klenR,
l>0 i
To znadi da je mogu6e konstruisati koder i dekoder tako da beskonadnosti, a da e - maksima.lna gre.ka pri prenosu pojedinog
^>0
ptarametrinezauisniod,
n teii
n_dlanog
il
77
8
8.1
Linearni kodovi
Idealna Sema odluEivanja za BSK
ie
: y:
{0, 1}
(r)
C(e)
I
I
,:i':',.'-l I e I-61
H(t
H(ll2,t12)
e,e)
:1
(1
e)log2(1
- ) +elogre bita'
s].
Uslov
gde
za s (0 < e < tl2) je postavljen da bi kapacitet bio pozitivan. u daljem ie se pretpostavljati da je raspodela verovatno6a na skupu M c : M p(t) : llk, je {0, 1}' uniformna, tako da za svako x {ar,a2, - -.,an} e
je
Ako je
ypr@lr):P(Ylr'),
: r,
, onda
{0,1}'
je time definisana
Da bi se elakFalo konstruisanje takve idealne Seme, deinise se funkcija rastojanja na skupu {0, 1}, svih n-ehnih binarnih nizova na. slededi naiin: Za dva
8. LrxpeRur xooovr
niza r {0,1}, i ye{0,1}, defini5e se njihovo ,,rastojanje,, broj koordinata u kojima se r i gr razlikuju, tj.
78
d(*,y)
kao
r:
(ar,a2t...,a,.),
y: (bt,b,,...,bn) + d(r,U):ilon_Ur1
i:1 fi)110 i y: t010t je d,(r,y) i petoj koordinati. d@,y) :
Tako recimo za
se ova dva niza razlikuju u prvoj. etvrtoj Lako se proveravaju sledeia svojsbrra n
n:5 i nizove r:
S,
ier
"l"l:.
bin;ih
L}n
zove se Hammingovo
soojonr
zi > p{ol q) + d{q,s) < d(rz, u) za sa&i ! e S i dpwuiufu z,r,tz M Dokaz. Neb je dlr,g):* (0 < ,z ( z) pa kako je , p(y / r) : ((U.,h, . - -,h) (ot @2, . ., oo)) : p(br aip@z az) . . I
-
p(b. / a^),
l} , (j :
l,Z, -- - , z) , to je
(0 <
p(y/z):eP(t - e),t-m;
MoZe se, znafi, pisati
*. r)
Bde je m2 :
gde ie
mr
d(q,u)
d(*z,A)
,
.
M:;4_F,,,,:\_;/
Kakoje 0 < e < 1f2,to ie
p(y/q)
e-'(1 - e)n-m,
17
- cxn2-n\
tr
li
(r-e)/e)
t.:
M g {0,1}*
odigledno je kako treba konstruisati idealnu semu odrudi vanja zadati skup ulaznih nizova i dati BSK. T}eba ,u svaki izlazni
niz a e s
t ! *
8. LrNpeRNl xooovr onaj r' e M za koji je Hammingovo rastojanje minimalno. Ako ima takvih r' e M moZe se uzeti bilo koji od njih. Znaii, 9(y) : t' (s e S) , gde je r' odreden iz uslova
na6i
79
vi5e
pip{d(r,a)}
d(r',y)
Osnovni problem koji treba re5iti je u tome da za dati broj k mogudih poruka odredi minimalan broj n (duZina kodnih zamena), tako da uz idealnu Semu dekodiranja i odgovaraju6e ulazno kodiranje imamo korektan prenos porukaiakosedopu5tadapostoji r (0<r<n) greSaka(promena 0 u 1 ili 1 u 0 ) u prenosu n-dlane binarne kodne reii. Nekaje M : {rt,rz,...,nx} i nekaje r takav daje d(ri,ri) > 2r *1, i' + i , (i'i : 1,2,.. ., k) , tako da su svaka dva razlidita niza iz M udaljena bar 2r * L jedinica Hammingovog rastojanja. Tada je moguie konstruisati idealnu Semu odludivanja tako da tz r ili manje gre5aka u prenosu n-elanog binarnog niza imamo korektan prijem ulazne poruke. Naime, za svaki r; M formirajmo skup & svih g {0,
d(A,A)(r,takodaje
1}'
za koje je
(3)
&-{y{0,1}"ld(*n,a)(r}, ('i:7,2,...,k).
Stavimo S@) : ni za ! e Si , (i, :7,2,. . .,k) . Prema tome, ako je ulazna poruka ri e M , moie nastupiti r ili manje gre5aka u prenosu ulaznog n-dlanog niza pa da pripadni izlazni n-dlani binarni niz g pripada skupu .9i i tada ie se primljeni izlazni niz dekodirati l<ao ra - imamo korektan prijem. Ako nastupi vi5e od r gre5aka u prenosu ulaznog niza 14 , izlazni niz y pila izlan skupa Sl i tada nemarno korektan prijem
poruke.
Skup 51. definisan sa (3) moZe se interpretirati ka,o kugla radijusa r sa centrom u taiki ni u prostoru S : {0, U' svih n-dlanih binarnih nizova sa Hammingovom funkcijom rastojanja.
VaZi slede6a teorema:
Teorema 8.1.2 Da bi se rnogla konshru,isati idealna iema odlui,iaanja za k jed,nako uerouatnih ulaznih poraka koje treba prenositi d,atim binarnim simetriinim kanalom, pa d,a'imamo korektan prijem uz r ili manje od r pogreino prenetih binarnih cifara, mora b,iti,ispunjen (Hammingou) uslou
(4)
#m=r
Dokaz. Utvrdimo koliko
elemenata sadrZi
definisan sa (3). U 1 od centra kugle irna n elemenata. Na udaljenosti 2 od centra kugle ima (;) elemenata i to su svi oni koji se od z6 raalikuju u dve koordinate (na udaljenosti 1 su njemu je svakako
skup S,i
l<aa
8. LtrupaRNI xooovl
80 se razlikuju samo u jednoj
:il|fi'j
L*n,
ie i*i,
(;). .0 :f ()
-f (, {2*'
je SrO Si: 0 ako (i.,j:1,2,..::t)-,.t:._d"*;;; i S, nepresecaju. Dakle, za konstrukciju k rakvih.disj*"+ t"+-fiLU": * je bar kD;=o C) binarnih nizova. Kako js U-iill"I*in nizova 22 , mora biti n_dlanih "t"pu"
t, r i t
6 32lt ry 2.9 T t?ff8x4,4 a ZSO3Zc O,O g Wr 11,1 J56n 28,S l0 1287 ry 18.8 !__ =
pri prenosu detvoroilanih :? binarnil Iz tablice se vidi da z.a konstrukciju "iro* ,rLog koda, kada imarno recimo k : 10 mogu6ih poruka i kada zelimo d"i;, d"" grle prijem' mora se uzeti : g . oa ,"rsrreih 29 u prenosu imamo korektan
idealna Sema odludi",u"i.u
4 5 6 7
ozb2
*o
k:2
je k:2,arine
Jasno da porast /c dovodi i ao"lr"**fanih po.urtu broja veliki; .to prouzrokuje praktidne teskoii
uiir*il*rilru za ovakvo -.* iskoristiti viSe od 11 Kada ne bi zeleli sigurno kodiranje"3 iad a bi za to J-^i poruka bilo dovoljno :uzeti n 4 , jer postoji / binarnih nizova. je
sigurnosno kodiranje ulaznih poruka
,n
8.2 Linearni
blok_kod
rq* broj. onda u darom primeru "ir*u y --{(r,o,o), fo, i, ,1, (1,0, 1;, (1, 1,0)} Na iztazu se moZe dobiti bito koji od 23-: 8' i."ri."il';il;ii,;;LZt,
dobijamo skup ulaza outestiranjem
y2.: {g,0), (0, 1), (1,0), (1, 1)} skup ulaznih nizova za aatiBSK. af." "irlo* Saljemo kako su dati, onda svaka creska u prenosu neke, cifre dovodi ao-fog."sr,og prijema. Zato svakom nizu dopisimo jednu cifru tako da ruir uli!
je
8.
LrNpaRNl xooovr
81
izraza u.odlosu na parnost zbira cifara u izraanom nizu moZemo otkriti svaki neparni (1 ili 3) zbir gresaka uprenosu. Odigledno au orur*., toJir" o*oguiu* korigovanje grasaka vei samo korrrtut*r;" iu je nastupila jedna ili tri greske u
Generalizacija ove idejesa-proverom parnosti zbira cifara neke poruke moZe se obezbediti uvodenjem odredenog aogo-r* o racunanju (sabiranju i mnoZenju) sa binarnim ciframa. To je sabiranje i irnozenje po modulu 2 definisano slede.im tablicama.
tizaiz M
Skup {0, 1} sa ovako definisanim operacijama ,, +,, i ,, . ,, j" Galoisovo , GF(2) . U posmatranom primeru za svaki (at,az,a3) e Mje ispunjeno aL + a2 + o3 :
polje reda 2
Posmatrajmo opStiji sl.unaj. Neka je F lti ll : I,2,...,m} vnl matrica ei;i * elementi _ {ili 1 i posmatrajmo ; j : 0 - rvv..^uvr sistem linearnih
7'2'"''n;n)
iz Ci1z1:
: :
0, 0, 0.
ovog sistema je u Gp(2) neka n-torka binarnih cifara, tako da je skup M svih re5enja ovog sistemaidretieni podskup od je da se elementi skupa M iskJste {0,1}, . Ideja ul*nokodiranje p;;; ri datom BSK, a da se svaki izlazni niz testira da "u li zadovdava gornji sistem.
Matrica
frn
lzo
t:
vrednosti na osnovu kojih sa dobija.ru odredene .,rr"aoorii^ 1- nepoznatih. zato tebiti upravo 2s binarnih n-torki kgje su resenja ,i"t"*.
matrica pariteta ili kontrolna matrica. Ako je rangp, : f (1 < t < rn) , onda postoji t linearno nezaisnih kolona u matrici F , pa se za preostalih s:
zove se
!*n
rn
-f
8. LrNpaRNr rooovr
82
Primer.
Neka je
n-t:6-3:8,
Prva' druga
':l? ; I I B l],
At
iL1
Ir o o I 1 ol
rang,F': 3
i treia kolona su, Iinearno nezavisne. sada je s : -recimo, pa imamo 2z resenjaodgovarajuieg sistela linearnih
AS
fr2
frB
t4 I5 I6 t7
Sg
A6
0 0 0 0
1 1 1
0 0
1 1
01
0
1
0 0
1 1
0
1
0
1
cifre
cifre
svako resenje (sestocrani binarni niz) sastoji se od 3 proizvoljno izabrane cifre. koje se zovu informacione cifre i r dobijene resavanjem sistema
Fr
:0,
gde
je z
vektor-kolona
a0
"n" nula_vektor.
Tako dobijeni kod (n, &) , gde je k : 2" , zovese linearni kod sa kontrol_ nom matricom F ' Veliiina R: sln se zove koeficijent p"*". koja, kao i ranije, predstavlja prosednu kolicinu informacije 1o"a" tiii*uj1".i, ,,preuzima" pojedini
signal.
i tn - s kontrolnih cifara. Informacione cifre su dovoljne ,, k"J;;;j" infbrmacije sadrZane u porukama, dok se kontrone cifre koriste za redukovan;e gresaka u prenosu informacije putem datog BSK.
informacionih
"
F:111...
Jednaiina
1].
koeficijent prenosa
Njenrangje, : 1 i
Fr :0
: tu- 7,paje
at
ima oblik
R: I _ l/n.
az
+...+ &n:0
8. LtttpeRNl xooovt
83
koeficijent rB po volji pribliZiti ka jedinici. Dobijeni kod, ocigledno, omoguiuje velike brzine prenosa informacije, ali su moguinosti otklanjanja gre5aka male jer je minimalno Hammingovo rastojanje izmedu kodnih redi jednako dva.
pouzdanosti prenosa najbolje .ozeti
se dobijaju
tako da se dobijeni linearni kod sastoji od k 2n-r kodnih zamena, od kojih svaka zadovoljava uslov parnosti zbira cifara. Primetimo da se tada izborom dovoljno velikog prirodnog broja n moZe
2.
k : 2 poruke, onda je, s aspekta 11: (0,0,...,0) i rz: (L,1,...,1) , koji resavanjem jednadine Fr :0 tn izbor sledeie kontrolne matrice
F_
0 0l 0 ol,
0 0l
(nx
(n
1))
10 000
Ovdeje rangF: 1, paje s: n-t lf n , pa se vidi da dobijeni kod ima,
za
,,J
: n- (n1) : 1, odnosno R:m/nveliko n , vrlo mali koeficijent prenosa.
iz GF(2).
Navedena dva koda su ekstremni slutajevi pa se postavlja zadatak konstruisanja takvog linearnog koda koji osigurava dovoljno visok koeficijent prenosa uz dovoljno malu verovatnodu gre5ke pri prenosu. Jasnoje da se skup s : {0, r}n moze tretirati ka.o konadan vektorski prostor nad poljem GF(2), gde se sabiranje vektora definise na uobidajeni nadin kao saviranje uredenih dvojki po modulu 2 , a slidno se definise i mnoZenje skalarima
Tadaje skup M , kao skup svih resenjajednaiine Fr : o, odreden konaian potprostor od s . znaii skup M e ,s je i skup svih kodnih redi (zamena)
Iinearnog blok-koda
(n,2*).
MoZe se dokazati
glasi:
Ar :0 je
Teorema 8.2.L za suak'i potprostor M c ,g : {0, 1}" postoji, matri,ca A sa kolona tako da za suaki, r M uai,i Ar : 0 . suako resenje jednaiine
element skupa
Primer.
Neka
: : :
(0,0,0,0,0,0)
(L,0, 1,0,0, 1)
(0, 1, 1,0, 1, 1)
, ,
ba:
,
.
: : b6 b7 :
bs
(L,1, 1, l,0,0)
8.
LrueeRNr xooovr
videti da su recimo br
kolone matrice
Matrica B formira.na od ovih elemenata kao vrsta ima rang 3 i moZe se , b2 i bt linearno nezavisni vektori. Tri poslednje
t[]:Ii ii?iB]""
*^*^*
Ii]
Ii] Ii]
:^,,Ii]*^,,
:^,,
Ii]
[; ]
:^,,I
i]
Otudamatrica
A tipa 3x6
f: ].^"
Ii]
*^,,:,33:1,\32:Q
imeoblik
Ir o o 1 1 rl A: I o I o I I o lo o r 1o rl
tako
daje F: A
(n:6,k:
g)
Idealna Sema odluEivanja za linearni blok-kod Nekaje F matricatipa mxn (mln,rangF:rn) inekajesanjom definisan blok-kod sa skupm M kodnih reii. Za bilo koji izlazni niz y .9 : {0, 1}, , opStem slutaju je Fa: c gde , c e {0, 1}" . vektor c je n-dimenzionalni vektor-kolona i ror" ," korektor vektora y.
U skupu
8.3
S.:{UeSlFy:s}
svi y ,S koji imaju zajednidki korektor. Ako uzmemo odredeni Uo S" i posmatrarno linearnu mnogostrukost ao* M : {y e Sly:ao*r ,r e M} e ,S, onda je
se odigledno nalaze
Stozna.di da
S":Uo*M, AoeS.. Zaista, ako y ,S., odnosto Fy: FAo: c, tada je F(U-Ao): Fy_ Fys: c-c:0,tj. postojitakav reM daje e:U-yo,odnosno y:yo+x),
je ye ao+M,pajedakle S"gyo*M.
Takocle,iz
ye ao+rn
8.
LTNpRnNI
xooovt
gde
85
sledi
F(yo * r) : Fyo + Fr : Fao : c, tj. A e S, , Sto znadi da je yo + M g 5", odakle sledi navedeno tvrdenje' Da bi opisali konstrukciju idealne seme odluiivanja za linearni blok-kod pogodno je za svaki U : (br,b2,.. . ,b,) definisati velidinu
gr
ao
* m,
M,
pa je
Fy
T(y)
:irn:
i:1
d(o,a)
koia se moZe interpretirati kao "udaljenost vektora g od koordinatnog potetka" u vektorskom prostoru {0, 1}' : S ' Velidina f @) se zove i tezina binarnog
niza
y ili norma vektora y i ima sledece osobine )0 zasvaki yS; (u) (U) "(y) :0 + Y:0 e S; r(y) @) r@ + v) : d(*,Y) < T(") +T(Y) , r,Y e S '
d(r,g)
sledi
vo,d
T(vo)
li takav y' e S
da
je T(y') >
ad < d(v
d(v
"(yo) v',a)
, onda je i
.
To znaii da se idealna Sema odludivanja za linearni blok-kod sa kontrolnom matricom tr, i skupom M kodnih redi moZe konstruisati tako da se izlaznom niztt y S pridruZi onaj ulaz no: g(A) M koji se dobije tako da se prvo nade skup ,s. , a zatim odredi c/o e s" koji ima minimalnu teZinu. Tada x)o : A- y0 ima osobinu da je d(rs, A) < d(t,A), n M, jer dok y' varira
po
^9.
, A - A' varira pb M
F_
l-r o o o 1 1l lo r o o l ol lo o r o 11l' lo o o 1 o 1l
Fr: 0 s:rt,-t:6-4ima 4 re5enja i ona su
Kakoje rangF:4
kontrolne cifre. Jednadina
imarno
2 informacionei4
, .
rr : fi3 :
(0,0,0,0,0,0) (1,0,1,1,0,1)
, ,
fiz
ca
: :
Za m:4 postoji 2a :76 razliditih korektora, pa se za svaki od njih formirati pripadni skup s" izlaznih nizova koji su dati u slede6oj tablici
moZe
8. LTNpIRNI xooovr
c
S"-E*m
mun0
1UXn0
[11010
011010 101010 110010 111110
101101
T(ao)
010111
110111 0
1 1 1 1 1 1
Ko
0000
lu(ru
K1
0100 0010 0001 1110
1011
1
001101
111101 100101 101001
01uno
001ofi) 0001m
000010 000001 1 10000 101000 100100 100010 100001 010100 010001 110100 110001
111m0
111011 001010 010010 011110
100
1010
1001
2 2
m1001
Kz
0110m
011010 101110 101011 001110 001011
m1l11
001100
2 2
2 2
101 10
u1001
K3
1100 0111
111lm 01lm1
0111m
000011 000110
10001
1
2
3
100110
6/
DODATAK A
9.1
u:
i vaspitanja-potrebno je isti' U cilju jasnijeg sagledavanja sistema obrazovanja Obi.no se ti aspekti grupiSu sa vise usp"ku'ia' putem misaone analize, 'ugt"dutl
- dru5tveno-generacijski; - individualni aspekt tazvoia licnosti; - interacij sko-komunikacij ski'
Sa
gleda kao na pojavu' sa drugog kao na Sa prvog ," *p"fttu t'u oUt-o'*j" pro."", a sa tre6eg ka'o na delatnost' definisati ka'o prenos iskustva' dru6tvenog aspekta obrazovanje se moZe
da je sa starije generacije na mladu' s tim nove prenosen;a i usvajanja znanja osposobi zadatak obrazovanja da u procesu generacije zarazvoj i boga6enje tog iskustva' shvatiti kao t-" aspekta Sa drugog po 3blazov.anJe -T:i" '"a"-iu'"a""og
;;i"dt
Svesnoinamernodelovanje,odnosnosamodelovanjenarazvojflzickihipsihiakih osobina liCnosti pojedinca' sve vise proudavanju vaspitno-obrazovne delatnosti Savremene t"rra"t'"i]" u prida' iija se vrednost nalazi naglaSavaju l.rt"r*."f'tto komunikacioni,uspltt uienika' Naime' taj pristup re5ava dilemu vanju znadaju ,Iog""t'*tavnika i
otomekojeodnjihvaZnijiuobrazovnomprocesuiucentarpaZnjestavlja
meduljudskiodnosnadijimseosnovalnagradislozenazgradaobrazovno-vaspitne
delatnosti.
je usko vezano i'primarno odrede- vaspitanik, odnosno nastavnik no kvalitetorn *"dr5-rrJriit, oarroru.,*pitur ve6 deo opsteljudskih odnosa u uienik (studenr). Ki;;6 "d"os nije izolovan sa druStveno -generacijskim jednoj drustvenoj sredini, io ,e, jrs.ro, uodava veza '*p"f.i"-. NaveJeno se moZe predstaviti Semom na Si' 4'
Sagledano sa ovog aspekta obrazovanje
su: o-d Eega zavisi uspeSan Pitanja koja se name6u u vezi sa ovim aspektom otie,., *ogu li se upoznati zakonimeduljudski odnos,;;ii;;" faktori na njih jednog meduljudskog odnosa i kako tosti u procesu ,r.po'-#5u"3a i odrZavanja
budu6e nastavnike osposobljavati za
to'
9. INToRexcr:sxo-xonuNxn'cloNl I'sppxt
dru-5tvo
"'
88
roditelji
natawnik
meduljudski
odnosi
interakcija i komunikaclja
sl.
4
operacionalizaci:aikonkretizacija
vaspitne sadr2aje' obrazovnih zidataka ka,o odrettenih s*erdca za obrazovno - kreativnmt nastavnika (vaspitaca) kao pri to*" je veoma bitna komponenta njihove i respektovanje individualnos; s\rakog u6enika (studenta) i podsticanje
daseodvijaumeduljudskomodnosu,dase^i*nasaradnji'dazavisiod proces obrazovanja kvaliteta interakcije i komunkacije u odnosu loo i da sarn nastavnika i u6enika' treba da usavr5&va Iidnost i
odnosa' Ako se Zeli da se obrazovanje odvija u celokupnosti meduljudskog u njemu uiestvujy ka,o celovita biia, da se to znadi da i vaspitai i vaspitanik i aktivno deluju. u njega ukljucuju kao bi6a ioia re samo da misle vei ose6aju na promene u dubljim sferama ljudske psihe obrazovanje se na taj nadi odrazava i pri tome vrSi integiiraju6u i aktualiziraju6u funkciju ljudskog biia' obrazovanjesezapravozasnivanastvaralaikojsaradnjisubjekatauprocesu. kada doprinos Ta saradnja nije samo zajedni.ki rad ve6 znatno vise od toga, rezultatima rada. Rezultat saradnje nije jednak ,*Los pojedninca da3e kvhitet u kvalitetu zbiru rezultata srrakog pojedinca u saradnji, vei vise od tog zbira' i kvalitet saradnje' tog rezultata se odraZava ostvarivanjetakvestvaraladkesaradnjeukazujenatodajeobrazovanje je uticaj kreativan cin koji se ne moze u potpunosti racionalizovati. odlu6uju6i (intuicija, nadahnu6e onih komponenti koSe izmidu racionalizaci.li i verbalizaciji koji nisu dovoljno proudeni)' i drugi iracionalni momenti
9. INrpRexcusr<o-xouuNrxlcroNr aspnxr
...
89
9.2 Meduljudski
Meduljudski odnos je veoma sloZen proces koji sa ne moZe u potpunosti racionalizovati i do kraja objasniti. U njemu postoje dva nivoa nesvesnog: intrapersonalno nesvesno (u pojedincu) i interpersona,lno nesvesno (medu pojedincima). Koliko god da prihvatamo obrazovanje kao svesnu aktivnost, ostaje dinjenica da njegova uspe5nost (posmatrano u globalu ostvarivanja ciljeva) zavisi od nesvesnih, iracionalnih snaga koje deluju u polju meduljudskog odnosa. Upoznati meduljudski odnos jo5 ne znadi i njime ovladati. Nastavniku nije dovoljno samo znanje o tome ve6 se radi o ve5tini uspostavljanja i odrZavanja meduljudskog odnosa. Meduljudski odnos je sloZen i dinamiian proces koji uslovljava meduzavisnost pona5anja osoba u njemu. Bilo kog pojedinca u odredenom odnosu moZemo razumeti samo ako ga sagledamo u njegovoj interakciji sa drugom osobom u
odnosu. U obrazovanju meduljudski odnos je proces koji se uspostavlja izmedu vaspitada i vaspitanika, udenika ili grupe udenika (razreda, godine studija) kao celine. U tom procesu nastavnik svojim ponaianjem utide na uCenika (studenta) ali imamo i uticaie u obrnutom smeru. Obrazovanja i nema izvan meduljudskog odnosa. U obrazovanju su zapravo najbiinije ljudske relacije. Svaki odnos pretpostavlja bar minima,lnu interakciju i od stepena i kvaliteta uspostavljene interakcije zavisi uspeSnost maduljudskog odnosa. Kako ie se neka osoba pona5ati u odnosu zavisi od toga kako ta osoba doZivljava sebe i kako doZivljava drugu osobu. DoZivljaj nje same ie uticati na percepiranje druge osobe i na njeno pona5anje prema drugoj osobi. Druga osoba u skladu sa doZivljavanjem sebe doZiveie i proceniti ponaSanje osobe sa kojom je u odnosu i adekvatno svom doZivljaju i proceni reagovati. Ako su se osobe adekvatno procenile uspostaviie se medu njima prirodna interakcija. Medutim, ako je iz nekog razloga doSlo do neadekvatne procene bilo sa jedne bilo sa druge strane, bi6e prirodna interakcija onemogu6ena. Graficki prikaz meduljudskog odnosa dat je slede6om Semom (Sl. 5):
9. INrpRexcr.lsxo-xotrruivrxecloNl espBxr
..
90
doiivljaj
..,. A(A)
PonasanJe
stim ulan s
"
doiivljaj B(B)
"doii vljaj
A(B)
(reakcija)
doZivlja..l
B(A)
sl.
podsticaja koje prima od svojih uinila (studenata). Potrebno je da bude neprestano otvoren duhu generacije koju odgaja. da sebe usavrsava i da bude primer mladima koje obrazuje. Odnosi medu ljudima se mogu podeliti na dve kategorije i to: - lidni odnosi;
U meduljudskom odnmu pstoji cirkularna, a ne linearna stimulacija. Vaspitac deluje na vaspitenike, ali ime.mo i povratno delovanje vaspitanika na vaspitada. Otuda je nastavnik duzan da u sebi razvija stav i spremnost za poimanje
jvaZnije karakteristike ovih odnosa su: - oni su bez svesne namere i praktidnog cilja, - subjektivni su - zasnovani na emocijama, - trajnost odnosa zavisi od medusobne privlainosti, - odnosi su li5eni hijerarhidnosti, - rezultat su lidnog izbora i izrazito se privatni. Za r azlik:u od ovih, profesionalno-dru5tvene odnose karakteri5e: - namera i cilj su jasno odredeni, - objektivni su i zasnovani na racionalnom, - trajnost odnosa ne zavisi od promena u privladnosti,
- profesionalno.druSveni odnosi. U prvu vrstu bi spadali odnosi medu supruZnicima. ili prijateljima i sl. Na-
- hijerarhiini su, - ispunjeni su latentnom energijom, - rezultat su sticaja okolnosti. Takvi su recimo odnosi izmedu lekara i pacijenta, advokata i klijenta, nastavnika i ucenika. Medutim, svaki takav odnos u kojem su ljudi u medusobnoj vezi, ne moZe biti li5en nekih elemenata lidnog odnosa. To, iz vise razloga,
9. INtBRaxcttst<o-xoltuNtxectotlt RspBt<t'..
91
vazi i za odnos nastavnika i udenika. zapravo, bitna je specificnost obrazovanja kao delatnosti da se tu proZimaju i prepli6u profesionalno- drustveni i iidni momenti u odnosu nastavnik - udenik. Druga specifidnost obrazovanja je neravnoplavnost partnera u odnosu, zbog eega nikada ne moZe biti uspostavljena potpuna reciprodnost. Ta je neravnopravnost razlidita po razliiitim fazama j"i"oi*") obrazovanja i ogleda se u mnogim faktorima kao sto su uzrast, znanje. psihidka i firi"t u zrelost, iskustvo. Ako se obrazovanje shvati kao saradnja onda se javlja problem kako da se medu neravnopravnim partnerima uspostavi Sto ravnopravniji odnos.
- udenik. Zna(aja]r element za uspostavljanje reciprociteta je naizmenidno zauzimanje pozicije subjekta i objekta u odnosu. Pri tome, pod subjektom podrazumevamo onog partnera koji je vise aktivan, dok je objekat vise pasivan. Medutim, dobro je poznato koliko je tesko staviti u.enika u ulogu subjekta,
tj. uspostaviti proces osposobljavanja u.enika za samostalniji rad, za aktivni poloZaj i ulogu u procesu udenja i saznavanja. je mogudnost konfrotacije, sudeljavanja
Druga karakteristika reciprociteta misljenja. za ovo treba osposobljavati nastavnika, budu6i da on u odnosu sa ueenikom ima privilegovani polozaj i teSko mu je da prizna uteniku da je u pravu kada to situacija zahteva. slede6a karakteristika reciprocitetaje uspostavljanje saradnje. Dijalogje najhumaniji oblik komuniciranja medu ljudima i za njegovo uspostavljanje moraju titi ostvareni i subjektivni i objektivni uslovi. Bez njega nema uspeSne obrazovne komunikacije. uodeno je da odredeni tipovi nastavnika odgovaraju odredenom tipu ueenika' Poznataje slede6a klasifikacija nastavnika i udenika:
nastavnici
llcentcl
1. akademski tip
f. intelektualni tip
2. emocionalni tip 3. kreativni tip
nastarmika u prvi plan stavlja znanie i intelektualne sposobnosti. Njemu najvise odgovara intelektualni tip udenika, koji takode u prvi plan stavlja znanje, koji je racionala,n i koji na isti naci dozivljava i svog nastavnika. savetniiki tip nastavnika brine u prvom redu da zadovolji emocionalne, a zatim intelektualne potrebe udenika. Njemu odgovara emocionalni tip uienika kome je najvaZnije da zadovolji svoje emocionalne potrebe kao $to su potreba za naklonost i sigurnost da bi u obavljanju svojih obaveza mogao biti uspe5an. Kreativan tip nastavnika je kombinacija dvaju prethodnih sa izrazitom teZnjom da budi i podstide kreativnost udenika time Sto svom radu pristupa na kreativan nadin. Njemu najvije odgovara kreativan tip uienika, koji kod svog nastavnika ceni i vrednuje kreativan pristup kao i podsticanje njegove licne kreativnosti u nastavnom radu. Kako se, medutim, odnos izmedu nastavnika i ucenika ne uspostavlja putem naklonosti i sopstvenim izborom, ved na manje-viSe sluiajan nadin' neophodno
tip
:lffi|Pn*
9. INrpRa.xcr:sxo-xorvruNrxecroNr asppxt
...
92
je da nastavnik upozna svoje udenike kako bi bio u mogu6nosti da ostvaruje optimalnije uslove za uspostavljanje tog odnosa.
Sto
9.3
njima, vei one upravljaju nama. Za nastavnika, koji treba da upravlja obrazovnim procesom, znaeajno je da upozna i u sebi razotkrije te nesvesne mehanizme, kako bi onemogu6io njihovo delovanje u svom pona,Sanju prema uienicima.
Osnovnu zakonitost socijalne percepcije je jednostavno formulisao F. Heider:
"Osoba A percepira psihidke procese osobe B kroz psihiike procese u samoj sebi". Na osnovu poznavanja sebe, dakle, prosudujemo druge. Sto smo objeki tivniji prema sebi, Sto smo vi5e raare5ili unutraSnje konflikte i spoznali nesvesno u narna to smo sposobniji da objektivnije prosudujemo o drugima.
93
zasluZuje".
ve6 je rezultat-nesvesnog ..,"t *rrir-, u osobi koja obja5njava pona5anje druge, onda tu moZe biti problema. osetljivo pitanje medurjudskog odnosa kod koga narocito dolazi do izrazaja mehanizam projekcijske introspekcije je pitanje poverenja. Poverenje je kamen temeljac svakog istinskog, humanog pravog i meduljudskog odnosa. Ako nastavnik nema loverenja u sebe ,ru -oz" ga imati ni u svog udenika, a ako ga nema u uienika, onda se ne moze prihvatiti ni da ga udenik ima prema nastavniku. Pitanje poverenja u odnosu nastavnik - uienik ima dalekoseZne posledice. T\r se radi o tome da odnos graden na poverenju sruZi udeniku kao moder za njegove buduie odnose u Zivotu. Postoji nekoliko pristupa prema poverenju. optimisticki pristup prema poverenju ogleda se u poverenju prema svakom; pesimisti.ki u nepostojanju poverenja prema bilo kom, dok je realni pristup;,imati poreren;, u onog koji to
sasto.ii se u tome da se u meduljudskom odnosu tude p."onxanje objasnjava na osnovi nesvesne funkcije psihe, da se drugoj osobi pripisuju neke tsobine, stavovi, motivi ponasanja koji su zapravo u nama samima, a kojih nismo svesni i ne Zelimo ih priznati, pa ih se resavamo tako da ih pripisujemt drugima. Ako je pri tome rei o pozitivnoj motivaciji tu i nerna problema. Medutim, ako se drugoj lidnosti i njenom ponasanju zeli pripisati neki negativni motiv,
i prosudivanjem licnosti drugog na osnovu percepiranogje posebno vaian za nastavnika. Ako nastavnik ni;e obijek_ tivan prema sebi nede biti u moguinosti da bude objektivan ni prema uceniku. Ako nastavnikovo pona^Sanje determiniSu neki nesvesni iracionalni motivi moZe se dogoditi da ih on pripisuje uEeniku, a da toga ni sam nije svestan. Jedna takva nesvesna funkcija psihe, koju je p. Diel nazyaa projekcijska introspekcija,
za razliku od raanih Zivotnih situacija, ne moze se zamisliti nastavnik koji nema poverenja u svog uienika i u tom sludaju optimisticki stav ne znadi ne_ realan stav (u opstem sludaju, naravno). Tlenutna manifestacla nepoverenja prem? uceniku koji je to zasluZio ne sme narusiti opsti stav poverenla koji nas_ tavnik mora u sebi izgra.diti kao bitnu komponentu na kojoj on gradi svoj odnos prema mladoj generaciji. od prvog utiska, koji je uvek emocionalno obojen, zavisi stav koji utiie na interakciju i komunikaciju i od njega desto zavisi i t<vatitet meduljudskog odnosa koji treba da se uspostavi. prvo medusobno percepiranje dovodi i do prvih pro:ela licnosti drugog i do prosudivanja njihovih osobina i kvaliteta. Ako je doslo do medusobne adekvatn" p.o"".r" uspostaviie se prirodna i spontana interakcija i komunikacija, a u protivnom ie isto biti otezano, pa u od.edero* smislu nekada i onemoguieno.
svi ljudi nisu.iednako sposobni da na osnovu percepiranja drugog tivno procenjuju njegovu licnost. Ta se sposob.rori ,rrrrilr. "iutoje objekbitno da se u procesu osposobljavanja nastavnika putem posebnih veZbi utice na razvoj sposobosti percepiranja, prosudivanja i procenjivanja licnosti ucenika. Zakljudimo time da nije dovorjno da nastavnik tadno i adekvatno percepira i proceni lidnost ubenika, vei je njegov zadatak da pomogne uee.riku da
sam
is_
94
pravno percepira i procenjuje i da ga tako osposobljava za uspesnije meduljudke odnose izvan Skole i kasnije u Zivotu.
9.3.2 Emocionalni
stavovi
zatzimanje medusobnih stavova u odnosu je znacajna odrednica za uspostavljanje interakcije. odnosa nema bez interakcije, a ona se ogleda u medusobnom delovanju osoba koje zauzimajtt stavove i time odreduju svoje mesto u odnosu. Pitanje stavova je posebno znadajno za nastavnika jer od kvaliteta njegovih stavova zavisi njegovo ponaianje prema uieniku, koje reciproeno utide na stavove uienika prema nastavniku. G. Alport je prouiavanjem literature doSao do dvadeset razliiitih odredenja stava. Izdvojio je ono Sto je zajedniiko i za stav dao odredenje da je to tendencija koja usmerava naSe ponaSrnje.
l'
t
t
stav kao slozena psihidka pojata povezan je sa saznajnom, emocionalnom i motivacijskom sferom liinosti. Saznajni elementi stala odnose se na znanje o netemu ili nekome; emocionalni za ono Sto mecamo prema nekome ili neiemu, dok je motivacijski aspekt stara vezan sa podsticajirna za pona5anje prema
nekome
ili
nedemu.
ts w
Fl
Emocionalna komponenta je sv'aloko najlaznija jer odreduje vrednost, jaiinu i kvalitet stava i bitno uti6e na motivacionu komponentu. Emocija se u stavu polarizuje na dva osnovna pola: pozitivni i negativni i to svaki sa svojim modalitetima, kao Sto je pokazano na semi na slede6oj strani. Humani ljudski odnos se moze zasnilati samo na pozitivrrim emocionalnim stavovima. Negativni emocionalni stavovi onemogucalaju i blokiraju uspostavljanje meduljudskog odnosa i predstavljaju barijeru za uspesnu zajedniiku akciju. Na pozitivnim, odnosno negativnim stavovima gradi se medusobna naklonost, odnosno neneklonost izmedu ucenika i nastavnika. u slucaju uzajamne nenaklonosti postupci se mogu iak i zlona.merno doZivljarati i obiasnlavati, tako da je tu zapravo red ne samo o intenciji osobe koja salje poruku, ve6 i o doZivljaju i tumadenju osobe koja tu poruku primaNastavnik mora biti svestan toga da su njegovo i uienikovo ponasanje u interaktivnom odnosu i da je tesko odvojiti dije je ponasanje uzrok. a dije posledica. Isto tako, nastavnik mora biti svestan svoje uloge i shratiti da je on po prirodi polozaja u odnosu sa udenikom odgovorniji i da to kako 6e se ucenik ponasati i kako 6e dozivljavati njihov odnos mnogo zavisi od njegove lidnosti, njegovih
stavova
ry
( { (
{ ,{
,{
i njegovog
ponasanja.
q d roli d
,{
9. INrpRexcr:sxo-xolruNmectoNt .tsppxt
...
95
strahopoitoranje
zloba
zavist
divljenje
poBtovanje
antlpatUa
simpatija
omaioraiavanje
uialjenje
prezir
9.3.3 Empatija
Upotreba ovog termina (engl. "empathy") datira iz 1897, a dolazi od grikih redi "empaso" i "pathe", Sto otprilike znadi "utkivati se u doZivljaj drugog". U enciklopdijskom recniku iz pedagogije iz 1963. taj je termin objaSnjen kao "uZivljavanje, akt projektovanja samog sebe u nediji poloZaj, oblik identifikovania sa nekim". Slikovito obja5njenje daje R.R Carkhuff da je to zavladenje pod tudu koZu,
koje nam omogu6uje da sagledamo svet odima druge osobe. U obja5njenju empatije iz Reinika sociologije i socijalne psihologije naglaSava se veza koja se ostvaruje na kognitivnom planu, koja nam pomaZe da shvatimo emocionalno stanje drugog, ali bez emocionalne identifikacije. Jednostavno se moZe reii da je empatija saznajno emocionalna sposobnost uZivljavanja u poloZaj druge osobe i sagledavanje sveta njenim odima. M. Kalliopuska smatra da je empatija skladan, koherentan proces u organizmu koji uskladuje fiziolo5ke. afektivne i kognitivne aspekte. NajceSie se paZnja obra6a na kognitivni i afektivni aspekt. U kognitivne komponente empatije spadaju: - posmatranje druge osobe sa njene taike gledi5ta; - preuzimanje uloge druge osobe u odredenoj socijalnoj situaciji. Kod posmatranja druge osobe sa njene tadke gledi5ta odigrava se proces da se prvo mora"iza(i" iz vlastite koZe, da bi se mogli "uvu6i" pod koZu drugog. ZnaLi dasmo sposobni da posmatramo svet ocima druge osobe, da se postavimo u njen poloZaj, da se shvati njen nadin miSljenja i gledanja, ali bez napuStanja vlastitog miSljenja i vlastitog stajaliSta. To nikako ne znadi gubitak vlastitog
9. IxtpRaxcr.rsxo-xolruNIx.e,ctoNt esppxr
identiteta,
...
96
a jo5 manje iskori5davanje nevedene sposobnosti da bi se manipulisalo drugima. Empatidko razumevanje se ogleda u tome da se iz trenutka u trenutak uhvati ono Sto druga osoba doZivljava u svom unutraSnjem svetu. U afektivno emocionalne karakteristike spadaju: - osetljivost prema ose6anjima druge osobe; - sposobnost suoseianja (ueestvovanja u osedanjima drugog). Biti osetljiv na ose6anja drugih ne znadi i sam ih proZivljavati ili pasti pod uticaj onog Sto druga osoba ose6a. To znaii biti sposoban na osnovu spolja5njih, vidliivih simptoma ponasanja osobe tumaditi onako kako ih tumaii druga osoba, Sta ti simptomi za nju znale, a ne za nas. Da bi bili otvoreni za ose6anja drugog, da bi razvili senzibilitet prema osedanjima d*Sih moramo u nama samim imati razvijen pozitivan emocionalni stav prema ljudima u Zivotu, biti oslobodeni svih unutraSnjih konflikata. nemira, negati'rmih emocija. jer bi nam to moglo blokirati otvoren put prema drugoj osobi. "Sva.ka mala mrZnja truje sve moje ljubavi" (Unamuno). Poznate su dve teorije empatije. Pn"a. psiholoSki usmerena teorija, polazi od toga da je za razvoj empatije bitna koncepcija vlastitog "ja" koju svako ima o sebi i koja ukljuduje sposobnost samoposmatrania: zauzimarrja distance u odnosu na sebe i svoje ponaianje i formiranje pojma o sebi. Svaka osoba najbolje poznaje sebe i na osnovu poznavanja sebe, posmatra i drugu osobu. U unutra.Snji svet druge mobe se ne moZe "direktno uii" vei o njemu zakljudujemo na osnovu onog Sto moZemo da neposredno uobimo, odnosno na osnovu spolja5njih simptoma ponaSanja druge osobe. Vezu izmeclu unutra5njeg doZivljaja i spoljainjeg ponaSanja prvo stvaramo kod sebe i na osnovu toga tu vezu prenosimo na prosudivanje druge osobe. Ako druga osoba na slidan nadin reaguje kao mi. manifestuje svoje unutra5nje doZivljaje istim ili slidnim simptomima, tada 6emo je lak5e razumeti. Primetimo da su razlike u takvom manifestovanju desto posledica sredine i kulture, ali i temperamenta, prilika u kojima osoba Zivi, Zivotnog iskustva i sl. Sposobnost samoposmatranja, koja se ogleda u Sto objektivnijem uoiavanju veze izmedu unutraBnjih doZivljaja i spolja5njih simptoma pona5anja, pretpostavlja i razotkrivanje nesvesnih mehanizama i motiva koji mogu upravljati na5im pona5anjem. Druga, socioloSki usmerena, teorija empatije ne negira potrebu da je za razvoj empatije potrebna koncepcija u vlastitom "ja", da je potreban oseiaj vlastitog identiteta, ali vi5e ulazi u proces razvoja te sposobnosti. Tako. izmedu ostalog, naglaSava da se empatlja razvija u komunikaciji s drugima, u preuzimanju razlicitih socijalnih uloga. Primetno je da se ove dve teorije empatije ne iskljuduju, vei se medusobno dopunjuju. VaZnost empatije u obrazovno-vaspitnom procesu proizllazi iz slede6ih nuZno postojeiih aktivnosti u ovoj delatnosti:
otkrivanje ose6anja koja prate ponasanje udenika, prihvatanje udenika onakvog kakav on zapravo jeste,
otkrivanj e emocionalno-motivacionih faktora, shvatanje vaspitanika u njegovom totalitetu,
9. INrnRaxct.lsxo-xo\auNxncloNt aspsxr
...
97
- biranje adekvatnih obrazovnih sredstava i postupaka, - prilagodavanje komunikacije udenicima. Sprovedena istraZivanja u nastavi ukazuju da ako se Zeli da se deluje na razvoi empatije kod udenika, posetrno kod studenata koji se pripremaju za nastavnidki poziv, onda se to ne moZe postiii samo predavanjima, ve6 se moraju stvarati situacije u kojima 6e empatija biti doZivljena kao neposredno iskustvo.
U komunikacionom odnosu imamo osobu koja Salje poruku i osobu koja tu poruku prima. Ako je prenos poruka jednosmeran, onda je to informisanje, za razliku od sludaja kada poruka teie u oba smera Sto nazivamo komunikacija. s aspekta meduljudskog odnosa nuZan uslov koji mora biti zadovoljen da bi komunikacija bila uspe5na, jeste maksimalno ispoljavanje kooperativnog duha, saradnje i poverenja, buduii da postoji niz faktora koji spredavaju uspe5nost komuniciranja kao Sto je prikazano na Semi na SI. 6. oblici komunikacije se mogu razvrstati po razliditim kriterijumima. Prema broju osoba i'nadinu komuniciranja razlikuju se: - komunikacije izmedu dve osobe; - komunikacije u maloj grupi; - organizovana komunikacija; - javna konunikacija; - komunikaciia masmedijumima. Naravno da se u obrazovanju sreiu svi od navedenih oblika i pored toga jto kod svih ne postoje jednake mogudnosti za uspostavljanje interakcije medu Najpogodniji oblik za uspostavljanje interakcije je komunikacija u paru, izmedu dve osobe koje mogu u veioj ili manjoj meri zauzimati empaticke stavove jedna prema drugoj i postiii vi5i nivo interakcijske povezanosti. Watzlawick je 1967. sa saradnicima razradio elemente komunikacije koja, po njemu, ima slededi oblik: - ioveka je neophodno Posmatrati u odnosu sa drugima, u interakciji sa drugima; - meduljudski odnos je neophodno proudavati u izmeni informacija, tj. u komunikaciji;
osobama koje komuniciraju.
ili
viSe osoba.
98
- povratna informacija je bitna za ponasanje, odnosno uzroini faktori odredenog pona$anja ne traZe se ni u pojedincu ni u njegovoj okolini, vei u interakcijskom trouglu Sto ga tine pojedinac - okolina - pojedinac; - postoje razliditi stepeni svesnosti o sopstvenom pona^Sanju; je zahvatiti celokup- medusobno uticanje je uslovljeno situacijom i nemogu6e
formacije i fenomen medusobnog stricanja; - komunikacija je ditavo pona.5anje i utide na pona5anje' Isti autor je, takode, postavio i pet osnovnih aksioma komunikacije: 1. Nije mogu6e ne komunicirati (dak i odbijanje komunikacije je takode komunikacija, odnosno pojedini pokusaji nekomuniciranja su zaptavo oblici porerneienog ponasanja);
strutni termini
PoJmovr
intelige ncij a
koncentnclja
reti
sl.
svaka komunikacija ima sadrzajni aspekt odnosa. Ekstremni pozitivni sludaj je kada se partneri slaZu Sto se tide sadrZaja komunikacije i definicije svog odnosa u njoj. Ekstremni negativni sluEaj je kada se pa.rtneri ne slaZu ni u pogledu sadrZaja ni u pogledu odnosa. Izmedu ta dva ekstrema postoji viSe
2.
varijanti;
uslovljena redosledom komunikacionih tokova; 4. Komunikacija se sluzi digitalnim i analognim modalitetima. Komunikacija tede na dva nivoa: jedan je verbalni - digitalni, a drugi neverbalni - analogni. Ova dva dela komunikacionog procesa je nemogu6e deliti i odvajati, jer uz verbalnu paralelno teie i neverbalna komunikacija. Verbalno'digitalnim delom se preteZno prenose sadrZaji, a neverbalno-analognim iztaZavamo i odredujemo nai odnos prema drugom.
9. IN:rBRaxcI.tsxo-xotvtuNtx.q'ctoNt e.sppxt
...
99
5. Tok meduijudskih odnosa je ili simetridan ili komplementaran. U simetridnim odnosima teZi se za siiinosiu, a izbegava se razliditost, dok se komplementarni od.nosi dopunjavaju razli.itostima. Pri tome moZe postojati superiorna ili
primarna i inferiorna ili sekundarna pozicija' odnosima Jasno je da simetriinost i komplementarnost u interpersonalnim i moraju odgovarati odredenim sposobnostima moraju Uiii Ret<sifitne kategorije pojedninca u odredenoj situaciji. Tako, recimo, ako je neko u
i karakteristikama odredenoj situaciji superioran po svojim sposobnostima za resavanje odredenog problema, orrd. je logidna komplementarnost prema nekom drugom koji tih sposobnosti u vezi s tim problemom nema' verbalna i neverbalna poruka mogu biti u razliaitim odnosima i to: verbalnu (klimanje glavom umsto "da")' ru - neverbalna poruka "niti ^ri" imaju ponekad razlidito znadenje u raznim kulturama; Gestovi i znaci - neverbalna porr.L moZe dati ve6u snagu verbainoj poruci (sme5ak pri izrazavaniu veselja); ali ip protivreiiti drugoj ( - jedna poruka moZe nrotivreriti drusoi (recima izrai'avamo zaclovoljstvo, nam izgled to ne Potvrduje). verbalna komunikacija je vise pod kontrolom svesti od neverbalne; neverbalni znaci su pod kontrolom niZih centara i vise su pod uticajem nesvesnog
dela na5e lidnosti' Funkcije neverbalne komunikacije su: - izraZavanje emocija'
- izraLavanje uzajamnih stavova' - prezentiranje vlastitih osobina, - praienje, dopuna i podrika verbalne komunikacije'
- zamena za verbalnu komunikaciju, - konvencionalno izraZavanje. Tako npr. za otkrivanje emocija i unutrasnjeg raspoloZenja bitni su sledeii znaci (rangirani po znaiaju): - autonomni znaci,
verbalna komunikacija se sluZi govorom. ovom komunikacijom, koja moZe biti pismena ili usmena, informisemo o objektivnom stanju, o zbivanjirna i predmetima oko nas i o subjektivnim stanjima i idejama. Ova je komunikacija pod naSom svesnom kontrolom i u literaturi je daleko vi$e izueavana od neverbalne
komunikacije.
znaci nogom i stoPalom, - znaci truPom, - neidentifikovani gestovi, - identifikovani gestovi, - izraz\ lica, - izraLavanje redima.
s.L. Tutbs i s. Moss navode podatak da u komunikaciji licem u lice neverbalni znaci sadrZe 65% celokupnog socijalnog znaienja, dok verbalni podraZaji dine samo 35% .
100
akciji,
- svi propratni gestovi i Sumovi koje dujemo uz izgovor reii, - otvorenije ili zatvorenije izgovaranje samoglasnika, - karakteristike u brzini i intenzitetu izgovaranja u emocionalnom stanju, - intonacija izgovaranja redenica, - nagla5avanje odredenih redi u redenici, - duZe ili kraie pauze medu redima. Drugu grupu dine kinezidki i proksemidki znaci. Kinezicki su vezani za razrre vrste pokreta i poloZaja tela (razlidite vrste pozdravljanja kod raznih naroda, kontakti oiima i sl.). Proksemiiki znaci se zasnivaju na udarjenosti i na prostornim odnosima medu udesnicima u komunikaciji Sto. recimo, obuhvata: - fiziiku blizinu odnosno udaljenost medu osobama u komunikacijskoj inter_
- prostorni raspored uiesnika u komunikaciji, - teritorijalno ponasanje koje se odnosi na drZanje i postupke kojima jedna osoba stavlja do znanja drugima pravo na odredeni p.orto.. smatra se da neverbalna komunikacija kod doveka zavisi od nasleda i uienja,
5' neverbalna komunikacija osim verbalne predstavlja jos jedan dopunski kanal uzajamnog informisanja. Primetimo da su u komunikaciji nastavnika i uienika vaZne ne samo verbalne vei i neverbalne komunikacije. U medusobnoj komunikaciji ljudi mogu uticati jedni na druge na razliditim stepenima interakcijskog odnosa. od nivoa unutrasnje povezanosti medu osobama koje komuniciraju zavisi stupanj njihove interakcijske povezanosti. Za obrazovni proces, u kome se ne prenose samo informacije, vec doLzi i do medusobnih uticaja, vrlo je vaZno na kom se stupnju interakcijske povezanosti komunikacija odvija. svakako da sto-se komunikacija u procesu vaspitnog delovanja sprovodi na viSem stupnju interakcijske povezanosti, to ie i vaspitno d-elovanje Liti uspesnije. Primera radi, dim se nastavnik pojavi na vratima razreda, on taia na odredeni nadin stupa u interakciju i komunikaciju sa udenicima. sama prisutnost nastavnika deluje da udenici na odredeni nadin reaguju. Kod jednog nastavnika uienici bez redi zauzimaju svoja mesta, a kod J.rgog to iine uz upozorenja i, ponekada, i svadu. Isti uienici se razlidito pona.saju prema razliiitim nas_ tavnicima, a, takode, i isti nastavnik moZe izazvati,urlieli" reakcije kod raznih udenika i odeljenja.
verbalnim znacima, 2. neverbalno izraiavmje je desto snaZnije sredstvo izrazavanja, 3. neverbalni znari su menje kontrolisani, pa otvorenij" gorror" o osobi koja
se stavovi ne izraze tako eksplicitno kao
neverbalnom komunikacijom. M. Argule navodi da ima pet razloga za koris6enje neverbalne komunikacije: 1. neverbalnim znacima je nekada mogu6e borje izraziti neku pojavu nego
9. IwrnRRxcusxo-xouuNrxlcIoNl esppxt
...
101
Svakako da je vi5i stupanj akcijsko-reakcijskog komuniciranja empatijsko komuniciranje. U ovrazovno-vaspitnom procesu otuda nastavnik mora dobro poznavati svoje udenike i mora empatijski prilagodavati na.din komuniciranja sa
njima.
Kod osoba koje u odnosu empatijski medusobno komuniciraju moZe se ostvariti najviSi stepen interakcijske povezanosti u komunikaciji. Empatijsko ko" municiranje podrazumeva da se u odnosu naizmenidno i reciprobno preuzimaju uloge; da se sagovornici medusobno uZivljavaju u poloZaj druge strane; da medusobno uvaZavaju stavove i mi$ljenja drugih i u procesu komuniciranja probIem sagledavaju i oiima drugih, a ne samo svojim vlastitim. Na tom stupnju komuniciranja ostvaruje se zapravo ideal ljudske komunikacije, a to je dijalog. Dijaloga u Ijudskoj komunikaciji zapravo i nema bez medusobnog empatijskog
komuniciranja.
Uslovi koji omoguiuju empatijsko komuniciranje i dijalog su: 1. komunicirati sa malim brojem osoba, 2. dobro poznavati osobe sa kojima se komunicira, 3. biti osetljiv za ljudsko ponaSanje, 4. imati razvijenu empatiju, 5. biti motivisan za uzajamnu povazanost. Na kraju, primetimo da u nastavi od posledica uspe5ne komunikacije najlak5e
je ostvariti razumevanje sadrZaja, odnosno postiii da na5a poruka bude nekom razumljiva. TeZe je posti6i da se osoba sa naSom porukom sloZi, a najteZe da postupa u skladu sa njom. Mnogo je lak5e uticati na razumevanje nego delovati na stavove, oplemenjivanje odnosa i izazivanje akcije u procesu komunikacije.
t02
DODATAK B
Morseov kod
Z. BnnNovri
A B C D E
K
L M
I\/
0
1
V W
X
Y Z +
o
P
F
G
a
R
,s
BCD
cifra
0
1
kod
0000 0001 0010 0011 0100 0101 0110 0111 1000
1001
Grayov kod
0000 0001 0011 0010 0110 0111 0101 0100 1100
1101
kod plus 3
0011 0100 0101 0110 0111 1000
1001
Stibitz-Grayov kod
0010 0110 0111 0101 0100 1100
1
Aikenov kod
0000 0001 0010 0011 0100
101
1
2 3
,i
'{
4
5
6 7
8
101
1100 1101
1010
1011
1111
1100
1110 1010
1110
11 11
TReLIcp
I
prelaz na slova prelaz na znake
11110 11101 01111
11001
II
111 11
III
11011
A B C D E
11000
10011
01001 00001
101
t1
F
G
K
L
M
IT
o
P
a
R
s
T
U
V W
X
Y Z
01101 01100 00100 10100 10000 00011 00000 01000 11101 11000 01010 11010 10100 01010 00001 01011 11100 00010 01111 10010 11001 10110 10111 11001 10101 00110 10001
01110 10010 10000 10110 01011 00101 01100 11010 11110 01001 00111 00110 00011 01101
1000001 1000010 1000011 1000100 1000101 1000110 1000111 1001000 1001001 1001010 1001011 1001100 1001101 1001110 1001111 1010000 1010001 1010010 1010011 1010100 1010101 1010110 1010111 1011000 1011001 1011010
10001
11
11011000
1
101 1001
11100010
1
110001
101001
t04
Z. BneNovri
I
+
00100 11000 10110 11010 00001 01111
10111 11011
II
10001
III
IV
01001110
01 101 101
0
1
2
J
D
4
5 6
7
8 9
01001
0101011 11000 0101101 00110 0101100 00111 0101110 01101 0110000 11101 0110001 11001 0110010 10000 0110011 01010 0110100 00001 0110101 10101 0110110 11100 0110111 01100 0111000 00011 0111001
11 10101
11001
u koloni I navedene su kodne zamere Medunarodnog koda br. 1 (Baudotov kod), u koloni II Medunarodnog koda br. 2 (Murrayev kod), u koloni III ASCII koda, u koloni ry EBCDIC koda i u koloni V , na uobibajeni nadin zapisane, kodne zamene Morseovog koda. Tablice su nepotpune, tj. nisu navedene kodne zamene za sve mogu6e znake, kao na primer zd,:t ", !, (, ), :, ? itd, koje su inade sadrzane u nekim od navedenih kodova. NajopseZniji je EBCDIC kod, koji sadrzi kodne zamene za 86 razliditih znaka, pri cemu velika i mala slova alfabeta imaju razlilite kodne zamene.
TesLrcp
105
0,01 6,6439 0,0664 0,02 5,6439 0,L129 0,03 5,0599 0, 1519 0,04 4,6439 0,1959 0,05 4,3219 0,2761 0,06 4,0599 0,2435 0,07 3,9365 0,2696 0,08 3,6439 0,2915 0,09 3,4739 0,3127 0,10 3,3219 0,3322 0,11 3,L944 0,3503 0,12 3,0599 0,3671 0,13 2,3434 0,3926 0,L4 2,9365 0,3971 0,15 2,7370 0,4105 0,16 2,6439 0,4230 0,17 2,5564 0,4346 0,18 2,4739 0,4453 0,19 2,3959 0,4552 0,20 2,3279 0,4639 0,21 2,2515 0,4729 0,22 2,1844 0,4906 0,23 2,1203 0,4977 0,24 2,0599 0,4941 0,25 2,0000 0,5000 0,26 1,9434 0,5053 0,27 1, ggg0 0,5100 0,29 1,9365 0,5142 0,29 1,7959 0,5179 0,30 L,7370 0,5211
p -logzp
-plogzp
0,51 0,9714 0,4954 0,52 0,9434 0,4906 0,53 0,3159 0,4854 0,54 0, ggg0 0,4900 0,55 0,9625 0,4744 0,56 0,8365 0,4694 0,57 0,8110 0,4623 0,58 0,7959 0,4559 0,59 0,76L2 0,4491 0,60 0,7370 0,4422 0,61 0,7131 0,4350 0,62 0,6997 0,4276 0,63 0,6666 0,4199 0,64 0,6439 0,4121 0,65 0,6215 0,4040 0,66 0,5995 0,3956 0,67 0,5779 0,3971 0,68 0,5564 0,3793 0,69 0,5353 0,3694 0,70 0,5146 0,3602 0,71 0,4941 0,3508 0,72 0,4739 0,3412 0,73 0,4540 0,3314 0,74 0,4344 0,32L5 0,75 0,4150 0,3113 0,76 0,3959 0,3009 0,77 0,3771 0,2903 0,79 0,3595 0,2796 0,79 0,3301 0,2697 0,80 0,3213 0,2575
-logrp -plogzp
106
Z. Bnexovr6
0,31 1,6897 0,32 1,6439 0,33 1,5995 0,34 1,5564 0,35 1,5146 0,36 1,4735 0,37 1,4344 0,38 1,3959 0,39 1,3585 0,40 t,32L9 0,41 1,2863 0,42 L.2415 0,43 L,2176 0,44 1,7844 0,45 L,L520 0,46 1,1203 0,47 1,0893 0,48 1,0589 0,49 1,0291 0,59 1,0000
-logrp
-plogzp
0,5238 0,5260 0,5278 0,5292 0,5301 0,5306 0,5307 0,5305 0,5298 0,5288 0,5274 0,5256 0,5236 0,5211 0,5184 0,5153 0,5120 0,5083 0,5043 0,5000 0,81 0,82 0,83 0,84 0,85 0,86 0,87 0,88 0,89 0,90 0,91 0,92 0,93 0,94 0,95 0,96 0,97 0,98 0,99 1,00
-logrp -plogzp
0,3040 0,2863 0,2688 0,2515 0,2345 0,2176 0,2009 0,1844
0, 1681
0,1971
0,1748
0, 1623
0,1520 0,1361
0, 1203