"Information content"@en . . "\u0412 \u0442\u0435\u043E\u0440\u0456\u0457 \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u0457 \u0432\u043B\u0430\u0301\u0441\u043D\u0430 \u0456\u043D\u0444\u043E\u0440\u043C\u0301\u0430\u0446\u0456\u044F (\u0430\u043D\u0433\u043B. self-information), \u0430\u0431\u043E \u043D\u0435\u0441\u043F\u043E\u0434\u0456\u0301\u0432\u0430\u043D\u0456\u0441\u0442\u044C (\u0430\u043D\u0433\u043B. surprisal), \u2014 \u0446\u0435 \u043C\u0456\u0440\u0430 \u043A\u0456\u043B\u044C\u043A\u043E\u0441\u0442\u0456 \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u0457, \u043F\u043E\u0432'\u044F\u0437\u0430\u043D\u043E\u0457 \u0437 \u043F\u043E\u0434\u0456\u0454\u044E \u0432 \u0456\u043C\u043E\u0432\u0456\u0440\u043D\u0456\u0441\u043D\u043E\u043C\u0443 \u043F\u0440\u043E\u0441\u0442\u043E\u0440\u0456, \u0430\u0431\u043E \u0437\u0456 \u0437\u043D\u0430\u0447\u0435\u043D\u043D\u044F\u043C \u0434\u0438\u0441\u043A\u0440\u0435\u0442\u043D\u043E\u0457 \u0432\u0438\u043F\u0430\u0434\u043A\u043E\u0432\u043E\u0457 \u0432\u0435\u043B\u0438\u0447\u0438\u043D\u0438. \u0412\u043E\u043D\u0430 \u0432\u0438\u0440\u0430\u0436\u0430\u0454\u0442\u044C\u0441\u044F \u0432 \u043E\u0434\u0438\u043D\u0438\u0446\u044F\u0445 \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u0457, \u043D\u0430\u043F\u0440\u0438\u043A\u043B\u0430\u0434, \u0432 \u0431\u0456\u0442\u0430\u0445, \u043D\u0430\u0442\u0430\u0445 \u0430\u0431\u043E \u0433\u0430\u0440\u0442\u043B\u0456, \u0437\u0430\u043B\u0435\u0436\u043D\u043E \u0432\u0456\u0434 \u043E\u0441\u043D\u043E\u0432\u0438 \u043B\u043E\u0433\u0430\u0440\u0438\u0444\u043C\u0430, \u044F\u043A\u0438\u0439 \u0437\u0430\u0441\u0442\u043E\u0441\u043E\u0432\u0443\u0454\u0442\u044C\u0441\u044F \u0432 \u043E\u0431\u0447\u0438\u0441\u043B\u0435\u043D\u043D\u044F\u0445. \u0422\u0435\u0440\u043C\u0456\u043D \u0432\u043B\u0430\u0441\u043D\u0430 \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u044F \u0456\u043D\u043E\u0434\u0456 \u0432\u0438\u043A\u043E\u0440\u0438\u0441\u0442\u043E\u0432\u0443\u044E\u0442\u044C \u044F\u043A \u0441\u0438\u043D\u043E\u043D\u0456\u043C \u0442\u0430\u043A\u043E\u0433\u043E \u043F\u043E\u0432'\u044F\u0437\u0430\u043D\u043E\u0433\u043E \u043F\u043E\u043D\u044F\u0442\u0442\u044F \u0442\u0435\u043E\u0440\u0456\u0457 \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u0457, \u044F\u043A \u0435\u043D\u0442\u0440\u043E\u043F\u0456\u044F. \u0426\u0456 \u0434\u0432\u0430 \u0437\u043D\u0430\u0447\u0435\u043D\u043D\u044F \u043D\u0435 \u0442\u043E\u0442\u043E\u0436\u043D\u0456, \u0456 \u0446\u044F \u0441\u0442\u0430\u0442\u0442\u044F \u043E\u043F\u0438\u0441\u0443\u0454 \u043B\u0438\u0448\u0435 \u043F\u0435\u0440\u0448\u0438\u0439 \u0441\u0435\u043D\u0441."@uk . . . . . . . . . "542447"^^ . . . "In information theory, the information content, self-information, surprisal, or Shannon information is a basic quantity derived from the probability of a particular event occurring from a random variable. It can be thought of as an alternative way of expressing probability, much like odds or log-odds, but which has particular mathematical advantages in the setting of information theory. The Shannon information can be interpreted as quantifying the level of \"surprise\" of a particular outcome. As it is such a basic quantity, it also appears in several other settings, such as the length of a message needed to transmit the event given an optimal source coding of the random variable. The Shannon information is closely related to entropy, which is the expected value of the self-information of a random variable, quantifying how surprising the random variable is \"on average\". This is the average amount of self-information an observer would expect to gain about a random variable when measuring it. The information content can be expressed in various units of information, of which the most common is the \"bit\" (more correctly called the shannon), as explained below."@en . "\u0627\u0644\u0645\u0636\u0645\u0648\u0646 \u0627\u0644\u0645\u0639\u0644\u0648\u0645\u064A \u0643\u0645\u064A\u0629 \u0623\u0633\u0627\u0633\u064A\u0629 \u0645\u0634\u062A\u0642\u0629 \u0645\u0646 \u0627\u062D\u062A\u0645\u0627\u0644 \u0648\u0642\u0648\u0639 \u0645\u0639\u064A\u0646 \u0628\u0627\u0644\u0646\u0638\u0631 \u0625\u0644\u0649 \u0645\u062A\u063A\u064A\u0631 \u0639\u0634\u0648\u0627\u0626\u064A. \u0648\u064A\u062C\u0648\u0632 \u0627\u0639\u062A\u0628\u0627\u0631\u0647\u0627 \u0637\u0631\u064A\u0642\u0629 \u0628\u062F\u064A\u0644\u0629 \u0644\u0644\u062A\u0639\u0628\u064A\u0631 \u0639\u0646 \u0627\u0644\u0627\u062D\u062A\u0645\u0627\u0644\u060C \u0644\u0643\u0646 \u0644\u0647\u0627 \u0645\u0632\u0627\u064A\u0627 \u0631\u064A\u0627\u0636\u064A\u0629 \u0645\u0639\u064A\u0646\u0629 \u0641\u064A \u0646\u0638\u0631\u064A\u0629 \u0627\u0644\u0645\u0639\u0644\u0648\u0645\u0627\u062A."@ar . "26861"^^ . . . . . "In information theory, the information content, self-information, surprisal, or Shannon information is a basic quantity derived from the probability of a particular event occurring from a random variable. It can be thought of as an alternative way of expressing probability, much like odds or log-odds, but which has particular mathematical advantages in the setting of information theory. The information content can be expressed in various units of information, of which the most common is the \"bit\" (more correctly called the shannon), as explained below."@en . . . . . . "\u0421\u043E\u0431\u0441\u0442\u0432\u0435\u043D\u043D\u0430\u044F \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u044F \u2014 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043A\u0430\u044F \u0444\u0443\u043D\u043A\u0446\u0438\u044F \u0434\u0438\u0441\u043A\u0440\u0435\u0442\u043D\u043E\u0439 \u0441\u043B\u0443\u0447\u0430\u0439\u043D\u043E\u0439 \u0432\u0435\u043B\u0438\u0447\u0438\u043D\u044B. \u0421\u043E\u0431\u0441\u0442\u0432\u0435\u043D\u043D\u0430\u044F \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u044F \u0441\u0430\u043C\u0430 \u044F\u0432\u043B\u044F\u0435\u0442\u0441\u044F \u0441\u043B\u0443\u0447\u0430\u0439\u043D\u043E\u0439 \u0432\u0435\u043B\u0438\u0447\u0438\u043D\u043E\u0439, \u043A\u043E\u0442\u043E\u0440\u0443\u044E \u0441\u043B\u0435\u0434\u0443\u0435\u0442 \u043E\u0442\u043B\u0438\u0447\u0430\u0442\u044C \u043E\u0442 \u0435\u0451 \u0441\u0440\u0435\u0434\u043D\u0435\u0433\u043E \u0437\u043D\u0430\u0447\u0435\u043D\u0438\u044F \u2014 \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u043E\u043D\u043D\u043E\u0439 \u044D\u043D\u0442\u0440\u043E\u043F\u0438\u0438. \u0414\u043B\u044F \u0441\u043B\u0443\u0447\u0430\u0439\u043D\u043E\u0439 \u0432\u0435\u043B\u0438\u0447\u0438\u043D\u044B , \u0438\u043C\u0435\u044E\u0449\u0435\u0439 \u043A\u043E\u043D\u0435\u0447\u043D\u043E\u0435 \u0447\u0438\u0441\u043B\u043E \u0437\u043D\u0430\u0447\u0435\u043D\u0438\u0439: \u0441\u043E\u0431\u0441\u0442\u0432\u0435\u043D\u043D\u0430\u044F \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u044F \u043E\u043F\u0440\u0435\u0434\u0435\u043B\u044F\u0435\u0442\u0441\u044F \u043A\u0430\u043A \u0415\u0434\u0438\u043D\u0438\u0446\u044B \u0438\u0437\u043C\u0435\u0440\u0435\u043D\u0438\u044F \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u0438 \u0437\u0430\u0432\u0438\u0441\u044F\u0442 \u043E\u0442 \u043E\u0441\u043D\u043E\u0432\u0430\u043D\u0438\u044F \u043B\u043E\u0433\u0430\u0440\u0438\u0444\u043C\u0430. \u0412 \u0441\u043B\u0443\u0447\u0430\u0435 \u043B\u043E\u0433\u0430\u0440\u0438\u0444\u043C\u0430 \u0441 \u043E\u0441\u043D\u043E\u0432\u0430\u043D\u0438\u0435\u043C 2 \u0435\u0434\u0438\u043D\u0438\u0446\u0435\u0439 \u0438\u0437\u043C\u0435\u0440\u0435\u043D\u0438\u044F \u044F\u0432\u043B\u044F\u0435\u0442\u0441\u044F \u0431\u0438\u0442, \u0435\u0441\u043B\u0438 \u0438\u0441\u043F\u043E\u043B\u044C\u0437\u0443\u0435\u0442\u0441\u044F \u043D\u0430\u0442\u0443\u0440\u0430\u043B\u044C\u043D\u044B\u0439 \u043B\u043E\u0433\u0430\u0440\u0438\u0444\u043C \u2014 \u0442\u043E \u043D\u0430\u0442, \u0435\u0441\u043B\u0438 \u0434\u0435\u0441\u044F\u0442\u0438\u0447\u043D\u044B\u0439 \u2014 \u0442\u043E \u0445\u0430\u0440\u0442\u043B\u0438. \u0421\u043E\u0431\u0441\u0442\u0432\u0435\u043D\u043D\u0443\u044E \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u044E \u043C\u043E\u0436\u043D\u043E \u043F\u043E\u043D\u0438\u043C\u0430\u0442\u044C \u043A\u0430\u043A \u00AB\u043C\u0435\u0440\u0443 \u043D\u0435\u043E\u0436\u0438\u0434\u0430\u043D\u043D\u043E\u0441\u0442\u0438\u00BB \u0441\u043E\u0431\u044B\u0442\u0438\u044F \u2014 \u0447\u0435\u043C \u043C\u0435\u043D\u044C\u0448\u0435 \u0432\u0435\u0440\u043E\u044F\u0442\u043D\u043E\u0441\u0442\u044C \u0441\u043E\u0431\u044B\u0442\u0438\u044F, \u0442\u0435\u043C \u0431\u043E\u043B\u044C\u0448\u0435 \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u0438 \u043E\u043D\u043E \u0441\u043E\u0434\u0435\u0440\u0436\u0438\u0442."@ru . . . . "Autoinformazione"@it . . . . . "\u0412\u043B\u0430\u0441\u043D\u0430 \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u044F"@uk . "1122962463"^^ . . . . . . . . . . . "Zelfinformatie is de hoeveelheid informatie die kennis over (de uitkomst van) een bepaalde gebeurtenis, toevoegt aan iemands kennis. De hoeveelheid zelfinformatie wordt uitgedrukt in de eenheid van informatie, de bit en is nauw verwant met het begrip entropie (gemiddelde hoeveelheid informatie) uit de informatietheorie. De hoeveelheid zelfinformatie is per definitie uitsluitend afhankelijk van de kans op die gebeurtenis. En daarbij geldt: hoe kleiner deze kans, hoe groter de zelfinformatie bij het bekend worden dat die gebeurtenis zich voor heeft gedaan. Verder geldt voor de zelfinformatie per definitie het volgende. Als een gebeurtenis C is samengesteld uit twee van elkaar onafhankelijke gebeurtenissen A en B, dan is de informatie bij bekend worden van C, gelijk aan de som van de informatie bij het bekend worden van gebeurtenis A en gebeurtenis B afzonderlijk. Rekening houdend met deze randvoorwaarden heeft men de zelfinformatie die behoort bij een gebeurtenis A met kans gedefinieerd als: . Door deze definitie, waarin gebruik wordt gemaakt van de logaritmefunctie, is voldaan aan bovengenoemde randvoorwaarden. De definitie is te herschrijven als:"@nl . . "\u81EA\u4FE1\u606F"@zh . . . . . . "Zelfinformatie"@nl . . . . "\u0412 \u0442\u0435\u043E\u0440\u0456\u0457 \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u0457 \u0432\u043B\u0430\u0301\u0441\u043D\u0430 \u0456\u043D\u0444\u043E\u0440\u043C\u0301\u0430\u0446\u0456\u044F (\u0430\u043D\u0433\u043B. self-information), \u0430\u0431\u043E \u043D\u0435\u0441\u043F\u043E\u0434\u0456\u0301\u0432\u0430\u043D\u0456\u0441\u0442\u044C (\u0430\u043D\u0433\u043B. surprisal), \u2014 \u0446\u0435 \u043C\u0456\u0440\u0430 \u043A\u0456\u043B\u044C\u043A\u043E\u0441\u0442\u0456 \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u0457, \u043F\u043E\u0432'\u044F\u0437\u0430\u043D\u043E\u0457 \u0437 \u043F\u043E\u0434\u0456\u0454\u044E \u0432 \u0456\u043C\u043E\u0432\u0456\u0440\u043D\u0456\u0441\u043D\u043E\u043C\u0443 \u043F\u0440\u043E\u0441\u0442\u043E\u0440\u0456, \u0430\u0431\u043E \u0437\u0456 \u0437\u043D\u0430\u0447\u0435\u043D\u043D\u044F\u043C \u0434\u0438\u0441\u043A\u0440\u0435\u0442\u043D\u043E\u0457 \u0432\u0438\u043F\u0430\u0434\u043A\u043E\u0432\u043E\u0457 \u0432\u0435\u043B\u0438\u0447\u0438\u043D\u0438. \u0412\u043E\u043D\u0430 \u0432\u0438\u0440\u0430\u0436\u0430\u0454\u0442\u044C\u0441\u044F \u0432 \u043E\u0434\u0438\u043D\u0438\u0446\u044F\u0445 \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u0457, \u043D\u0430\u043F\u0440\u0438\u043A\u043B\u0430\u0434, \u0432 \u0431\u0456\u0442\u0430\u0445, \u043D\u0430\u0442\u0430\u0445 \u0430\u0431\u043E \u0433\u0430\u0440\u0442\u043B\u0456, \u0437\u0430\u043B\u0435\u0436\u043D\u043E \u0432\u0456\u0434 \u043E\u0441\u043D\u043E\u0432\u0438 \u043B\u043E\u0433\u0430\u0440\u0438\u0444\u043C\u0430, \u044F\u043A\u0438\u0439 \u0437\u0430\u0441\u0442\u043E\u0441\u043E\u0432\u0443\u0454\u0442\u044C\u0441\u044F \u0432 \u043E\u0431\u0447\u0438\u0441\u043B\u0435\u043D\u043D\u044F\u0445. \u0422\u0435\u0440\u043C\u0456\u043D \u0432\u043B\u0430\u0441\u043D\u0430 \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u044F \u0456\u043D\u043E\u0434\u0456 \u0432\u0438\u043A\u043E\u0440\u0438\u0441\u0442\u043E\u0432\u0443\u044E\u0442\u044C \u044F\u043A \u0441\u0438\u043D\u043E\u043D\u0456\u043C \u0442\u0430\u043A\u043E\u0433\u043E \u043F\u043E\u0432'\u044F\u0437\u0430\u043D\u043E\u0433\u043E \u043F\u043E\u043D\u044F\u0442\u0442\u044F \u0442\u0435\u043E\u0440\u0456\u0457 \u0456\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0456\u0457, \u044F\u043A \u0435\u043D\u0442\u0440\u043E\u043F\u0456\u044F. \u0426\u0456 \u0434\u0432\u0430 \u0437\u043D\u0430\u0447\u0435\u043D\u043D\u044F \u043D\u0435 \u0442\u043E\u0442\u043E\u0436\u043D\u0456, \u0456 \u0446\u044F \u0441\u0442\u0430\u0442\u0442\u044F \u043E\u043F\u0438\u0441\u0443\u0454 \u043B\u0438\u0448\u0435 \u043F\u0435\u0440\u0448\u0438\u0439 \u0441\u0435\u043D\u0441."@uk . . . . . "unclear terminology"@en . "In what context?"@en . . . . . . . . "\u5728\u4FE1\u606F\u8BBA\u4E2D\uFF0C\u81EA\u4FE1\u606F\uFF08\u82F1\u8A9E\uFF1Aself-information\uFF09\uFF0C\u7531\u514B\u52DE\u5FB7\u00B7\u590F\u8FB2\u63D0\u51FA\uFF0C\u662F\u4E0E\u6982\u7387\u7A7A\u95F4\u4E2D\u7684\u55AE\u4E00\u4E8B\u4EF6\u6216\u79BB\u6563\u968F\u673A\u53D8\u91CF\u7684\u503C\u76F8\u5173\u7684\u8CC7\u8A0A\u91CF\u7684\u91CF\u5EA6\u3002\u5B83\u7528\u4FE1\u606F\u7684\u55AE\u4F4D\u8868\u793A\uFF0C\u4F8B\u5982 bit\u3001nat\u6216\u662Fhart\uFF0C\u4F7F\u7528\u54EA\u4E2A\u5355\u4F4D\u53D6\u51B3\u4E8E\u5728\u8BA1\u7B97\u4E2D\u4F7F\u7528\u7684\u5BF9\u6570\u7684\u5E95\u3002\u81EA\u4FE1\u606F\u7684\u671F\u671B\u503C\u5C31\u662F\u4FE1\u606F\u8BBA\u4E2D\u7684\u71B5\uFF0C\u5B83\u53CD\u6620\u4E86\u968F\u673A\u53D8\u91CF\u91C7\u6837\u65F6\u7684\u5E73\u5747\u4E0D\u786E\u5B9A\u7A0B\u5EA6\u3002"@zh . . . . . . . . . "\u0421\u043E\u0431\u0441\u0442\u0432\u0435\u043D\u043D\u0430\u044F \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u044F \u2014 \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043A\u0430\u044F \u0444\u0443\u043D\u043A\u0446\u0438\u044F \u0434\u0438\u0441\u043A\u0440\u0435\u0442\u043D\u043E\u0439 \u0441\u043B\u0443\u0447\u0430\u0439\u043D\u043E\u0439 \u0432\u0435\u043B\u0438\u0447\u0438\u043D\u044B. \u0421\u043E\u0431\u0441\u0442\u0432\u0435\u043D\u043D\u0430\u044F \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u044F \u0441\u0430\u043C\u0430 \u044F\u0432\u043B\u044F\u0435\u0442\u0441\u044F \u0441\u043B\u0443\u0447\u0430\u0439\u043D\u043E\u0439 \u0432\u0435\u043B\u0438\u0447\u0438\u043D\u043E\u0439, \u043A\u043E\u0442\u043E\u0440\u0443\u044E \u0441\u043B\u0435\u0434\u0443\u0435\u0442 \u043E\u0442\u043B\u0438\u0447\u0430\u0442\u044C \u043E\u0442 \u0435\u0451 \u0441\u0440\u0435\u0434\u043D\u0435\u0433\u043E \u0437\u043D\u0430\u0447\u0435\u043D\u0438\u044F \u2014 \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u043E\u043D\u043D\u043E\u0439 \u044D\u043D\u0442\u0440\u043E\u043F\u0438\u0438. \u0414\u043B\u044F \u0441\u043B\u0443\u0447\u0430\u0439\u043D\u043E\u0439 \u0432\u0435\u043B\u0438\u0447\u0438\u043D\u044B , \u0438\u043C\u0435\u044E\u0449\u0435\u0439 \u043A\u043E\u043D\u0435\u0447\u043D\u043E\u0435 \u0447\u0438\u0441\u043B\u043E \u0437\u043D\u0430\u0447\u0435\u043D\u0438\u0439: \u0441\u043E\u0431\u0441\u0442\u0432\u0435\u043D\u043D\u0430\u044F \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u044F \u043E\u043F\u0440\u0435\u0434\u0435\u043B\u044F\u0435\u0442\u0441\u044F \u043A\u0430\u043A \u0415\u0434\u0438\u043D\u0438\u0446\u044B \u0438\u0437\u043C\u0435\u0440\u0435\u043D\u0438\u044F \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u0438 \u0437\u0430\u0432\u0438\u0441\u044F\u0442 \u043E\u0442 \u043E\u0441\u043D\u043E\u0432\u0430\u043D\u0438\u044F \u043B\u043E\u0433\u0430\u0440\u0438\u0444\u043C\u0430. \u0412 \u0441\u043B\u0443\u0447\u0430\u0435 \u043B\u043E\u0433\u0430\u0440\u0438\u0444\u043C\u0430 \u0441 \u043E\u0441\u043D\u043E\u0432\u0430\u043D\u0438\u0435\u043C 2 \u0435\u0434\u0438\u043D\u0438\u0446\u0435\u0439 \u0438\u0437\u043C\u0435\u0440\u0435\u043D\u0438\u044F \u044F\u0432\u043B\u044F\u0435\u0442\u0441\u044F \u0431\u0438\u0442, \u0435\u0441\u043B\u0438 \u0438\u0441\u043F\u043E\u043B\u044C\u0437\u0443\u0435\u0442\u0441\u044F \u043D\u0430\u0442\u0443\u0440\u0430\u043B\u044C\u043D\u044B\u0439 \u043B\u043E\u0433\u0430\u0440\u0438\u0444\u043C \u2014 \u0442\u043E \u043D\u0430\u0442, \u0435\u0441\u043B\u0438 \u0434\u0435\u0441\u044F\u0442\u0438\u0447\u043D\u044B\u0439 \u2014 \u0442\u043E \u0445\u0430\u0440\u0442\u043B\u0438."@ru . . . "Der Informationsgehalt (oder auch \u00DCberraschungswert) einer Nachricht ist eine logarithmische Gr\u00F6\u00DFe, die angibt, wie viel Information in dieser Nachricht \u00FCbertragen wurde. Dieser Begriff wurde von Claude Shannon erstmals in seiner Informationstheorie formalisiert: Der Informationsgehalt eines Zeichens ist seine statistische Signifikanz. Er bezeichnet also die minimale Anzahl von Bits, die ben\u00F6tigt werden, um ein Zeichen (also eine Information) darzustellen oder zu \u00FCbertragen. Wichtig ist dabei, dass dies nicht unbedingt der Anzahl der tats\u00E4chlich empfangenen Bits (der Datenmenge) entspricht, da der Informationsgehalt vom semantischen Kontext abh\u00E4ngig ist."@de . . . . . . . . . . . . . . . . . "\u0627\u0644\u0645\u0636\u0645\u0648\u0646 \u0627\u0644\u0645\u0639\u0644\u0648\u0645\u064A \u0643\u0645\u064A\u0629 \u0623\u0633\u0627\u0633\u064A\u0629 \u0645\u0634\u062A\u0642\u0629 \u0645\u0646 \u0627\u062D\u062A\u0645\u0627\u0644 \u0648\u0642\u0648\u0639 \u0645\u0639\u064A\u0646 \u0628\u0627\u0644\u0646\u0638\u0631 \u0625\u0644\u0649 \u0645\u062A\u063A\u064A\u0631 \u0639\u0634\u0648\u0627\u0626\u064A. \u0648\u064A\u062C\u0648\u0632 \u0627\u0639\u062A\u0628\u0627\u0631\u0647\u0627 \u0637\u0631\u064A\u0642\u0629 \u0628\u062F\u064A\u0644\u0629 \u0644\u0644\u062A\u0639\u0628\u064A\u0631 \u0639\u0646 \u0627\u0644\u0627\u062D\u062A\u0645\u0627\u0644\u060C \u0644\u0643\u0646 \u0644\u0647\u0627 \u0645\u0632\u0627\u064A\u0627 \u0631\u064A\u0627\u0636\u064A\u0629 \u0645\u0639\u064A\u0646\u0629 \u0641\u064A \u0646\u0638\u0631\u064A\u0629 \u0627\u0644\u0645\u0639\u0644\u0648\u0645\u0627\u062A."@ar . . . "Informazio-teorian, informazio kantitatea zorizko aldagai batek lagin batean eman dezakeen informazioa da. Formalki, probabilitate teorian edozein gertaerarako definitutako ausazko aldagaia da informazio kantitatea, ausazko aldagaia neurtua izango den ala ez kontuan hartu gabe. Informazio kantitatea informazio-unitateetan adierazten da. Informazio-teoriaren testuinguruan, informazio kantitatearen itxaropen matematikoa entropia da, eta zera adierazten du: behatzaile batek sistema baten ausazko aldagai baten laginketatik lortzea espero dezaken batezbesteko informazio-kantitatea."@eu . "Der Informationsgehalt (oder auch \u00DCberraschungswert) einer Nachricht ist eine logarithmische Gr\u00F6\u00DFe, die angibt, wie viel Information in dieser Nachricht \u00FCbertragen wurde. Dieser Begriff wurde von Claude Shannon erstmals in seiner Informationstheorie formalisiert: Der Informationsgehalt eines Zeichens ist seine statistische Signifikanz. Er bezeichnet also die minimale Anzahl von Bits, die ben\u00F6tigt werden, um ein Zeichen (also eine Information) darzustellen oder zu \u00FCbertragen. Wichtig ist dabei, dass dies nicht unbedingt der Anzahl der tats\u00E4chlich empfangenen Bits (der Datenmenge) entspricht, da der Informationsgehalt vom semantischen Kontext abh\u00E4ngig ist."@de . "L'autoinformazione di un evento \u00E8 la quantit\u00E0 d'incertezza associata all'evento, ovvero l'informazione che si ottiene affermando innanzitutto che tale evento si sia realizzato, e rimuovendo quindi l'incertezza associata. Tale concetto viene introdotto nell'ambito della Teoria dell'informazione, ponendone le basi. L'ambiguit\u00E0 esistente tra incertezza ed informazione non deve stupire. Esse si presentano infatti come due facce della stessa medaglia: senza incertezza non c'\u00E8 informazione, e quanta pi\u00F9 incertezza c'\u00E8 nel segnale aleatorio, tanto pi\u00F9 informativo \u00E8 rivelare qual \u00E8 la determinazione del segnale. Fatte queste premesse, sar\u00E0 pi\u00F9 facile capire lo stretto legame tra il concetto di \"autoinformazione\" e quello di \"probabilit\u00E0\"."@it . . "L'autoinformazione di un evento \u00E8 la quantit\u00E0 d'incertezza associata all'evento, ovvero l'informazione che si ottiene affermando innanzitutto che tale evento si sia realizzato, e rimuovendo quindi l'incertezza associata. Tale concetto viene introdotto nell'ambito della Teoria dell'informazione, ponendone le basi."@it . "\u5728\u4FE1\u606F\u8BBA\u4E2D\uFF0C\u81EA\u4FE1\u606F\uFF08\u82F1\u8A9E\uFF1Aself-information\uFF09\uFF0C\u7531\u514B\u52DE\u5FB7\u00B7\u590F\u8FB2\u63D0\u51FA\uFF0C\u662F\u4E0E\u6982\u7387\u7A7A\u95F4\u4E2D\u7684\u55AE\u4E00\u4E8B\u4EF6\u6216\u79BB\u6563\u968F\u673A\u53D8\u91CF\u7684\u503C\u76F8\u5173\u7684\u8CC7\u8A0A\u91CF\u7684\u91CF\u5EA6\u3002\u5B83\u7528\u4FE1\u606F\u7684\u55AE\u4F4D\u8868\u793A\uFF0C\u4F8B\u5982 bit\u3001nat\u6216\u662Fhart\uFF0C\u4F7F\u7528\u54EA\u4E2A\u5355\u4F4D\u53D6\u51B3\u4E8E\u5728\u8BA1\u7B97\u4E2D\u4F7F\u7528\u7684\u5BF9\u6570\u7684\u5E95\u3002\u81EA\u4FE1\u606F\u7684\u671F\u671B\u503C\u5C31\u662F\u4FE1\u606F\u8BBA\u4E2D\u7684\u71B5\uFF0C\u5B83\u53CD\u6620\u4E86\u968F\u673A\u53D8\u91CF\u91C7\u6837\u65F6\u7684\u5E73\u5747\u4E0D\u786E\u5B9A\u7A0B\u5EA6\u3002"@zh . . . . . . . . . . "\u0627\u0644\u0645\u0636\u0645\u0648\u0646 \u0627\u0644\u0645\u0639\u0644\u0648\u0645\u064A"@ar . . . "Informationsgehalt"@de . . . . . . . . . "October 2018"@en . . . . . "Informazio kantitate"@eu . . . "Zelfinformatie is de hoeveelheid informatie die kennis over (de uitkomst van) een bepaalde gebeurtenis, toevoegt aan iemands kennis. De hoeveelheid zelfinformatie wordt uitgedrukt in de eenheid van informatie, de bit en is nauw verwant met het begrip entropie (gemiddelde hoeveelheid informatie) uit de informatietheorie. De hoeveelheid zelfinformatie is per definitie uitsluitend afhankelijk van de kans op die gebeurtenis. En daarbij geldt: hoe kleiner deze kans, hoe groter de zelfinformatie bij het bekend worden dat die gebeurtenis zich voor heeft gedaan. De definitie is te herschrijven als:"@nl . . . "June 2017"@en . . . "Informazio-teorian, informazio kantitatea zorizko aldagai batek lagin batean eman dezakeen informazioa da. Formalki, probabilitate teorian edozein gertaerarako definitutako ausazko aldagaia da informazio kantitatea, ausazko aldagaia neurtua izango den ala ez kontuan hartu gabe. Informazio kantitatea informazio-unitateetan adierazten da. Informazio-teoriaren testuinguruan, informazio kantitatearen itxaropen matematikoa entropia da, eta zera adierazten du: behatzaile batek sistema baten ausazko aldagai baten laginketatik lortzea espero dezaken batezbesteko informazio-kantitatea."@eu . . . . . "\u0421\u043E\u0431\u0441\u0442\u0432\u0435\u043D\u043D\u0430\u044F \u0438\u043D\u0444\u043E\u0440\u043C\u0430\u0446\u0438\u044F"@ru . .