MUTUAL INFORMATION
相互情報量の計算
カテゴリ別度数表から、プラグイン推定による相互情報量、周辺エントロピー、条件付きエントロピーを求めます。
計算結果
結果
—
計算手順
手順を1つずつ、またはまとめて表示できます。現在の入力値を使った計算手順です。
計算方法
表を共同の経験的分布に正規化し、正確率セルのみを合計する。
I(X;Y)=Σ pij log2(pij/(pi pj)); H(X|Y)=H(X)−I(X;Y)
計算例
カウント40、10; 10、40は等しいマージンと相互情報を持つ 1−H₂(0.2)≈0.278071905 bits.
前提条件と入力上の注意
非負の数の総和、正の合計、および2 – 20行/列。プラグインの経験的情報は有限サンプルに偏りがあり、バイアス補正、有意性検定、因果的解釈、またはカテゴリラベル順序付けは提供されない。
このツールの使い方
自分の値を入力できますか?
はい。入力例をご自身の値に変更してください。結果・計算手順・表・対応する図が入力に応じて更新されます。空欄や無効な値がある場合は結果を消去し、不足した入力を自動的に例の値で補うことはありません。
結果は厳密ですか?
浮動小数点演算を使用し、表示時に丸めています。計算式・前提条件・記載されたデータ精度を確認して結果を解釈してください。
入力内容は送信されますか?
計算はブラウザー内で行います。アカウント・ファイルのアップロード・外部AIサービスは不要です。ページを再読み込みすると入力値は保持されません。
シンボル数からシャノンエントロピー計算
↗
ラベル付き記号の件数から、経験エントロピー、観測した種類数、理想的な符号長の限界を求めます。
カイ二乗独立性検定
↗
分割表から、ピアソンのカイ二乗、期待度数、近似p値、クラメールのVを求めます。
イェンセン・シャノンダイバージェンスの計算
↗正規化した2つのカテゴリ分布を、底2のイェンセン・シャノンダイバージェンスとその平方根の距離で比較します。
広告
広告掲載用スペースです。