{"id":5298,"date":"2026-10-15T04:21:59","date_gmt":"2026-10-15T01:21:59","guid":{"rendered":"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-entropia-shannon\/"},"modified":"2026-10-15T04:21:59","modified_gmt":"2026-10-15T01:21:59","slug":"calculadora-entropia-shannon","status":"publish","type":"post","link":"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-entropia-shannon\/","title":{"rendered":"Calculadora de entrop\u00eda de Shannon"},"content":{"rendered":"<section class=\"not-prose calculator-box\" aria-labelledby=\"calculator-title\"><div class=\"flex items-baseline sm:items-center justify-between gap-2 sm:gap-3\"><div class=\"flex flex-col sm:flex-row sm:items-center gap-2\"><span class=\"icon icon-calculator text-primary-700! text-base! dark:text-primary-300!\" aria-hidden=\"true\"><\/span><h2 id=\"calculator-title\" class=\"text-lg font-display font-bold\">Mide la incertidumbre de una distribuci\u00f3n<\/h2><\/div><div class=\"calcdash-favorite group\">\n  <button type=\"button\" class=\"favorite\" id=\"favorite\" data-favorite-id=\"5298\" data-favorite-title=\"Entrop\u00eda de Shannon\" data-favorite-url=\"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-entropia-shannon\/\" data-favorite-excerpt=\"Calcula la entrop\u00eda de Shannon de cualquier conjunto de probabilidades o recuentos. Introduce un valor por categor\u00eda, elige la base del logaritmo (bits, nats o dits) y obt\u00e9n H, la entrop\u00eda m\u00e1xima y el \u00edndice de eficiencia.\" aria-label=\"A\u00f1adir a favoritos\" data-favorite-icon=\"icon icon-wpcalc-dice\">\n    <span class=\"icon icon-shape-star-empty\" aria-hidden=\"true\"><\/span>\n  <\/button>\n  <div class=\"calcdash-favorite__tip\" aria-hidden=\"true\">\n   <span class=\"favorite-tooltip\" id=\"favorite-tooltip\"><\/span>\n  <\/div>\n  <span class=\"sr-only\" role=\"status\" id=\"favorite-status\"><\/span>\n<\/div><\/div><form action=\"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-entropia-shannon\/\" method=\"POST\" class=\"calculator\" id=\"calculator-5298\" data-post=\"5298\"><fieldset class=\"fieldset-input is-1\"><legend class=\"sr-only\">Campos de entrada<\/legend><div class=\"field\" id=\"input-1\"><label for=\"field-1\">Probabilidades o recuentos de las categor\u00edas<\/label><textarea id=\"field-1\" name=\"probabilidades_o_recuentos_de_las_categoras\">40; 30; 20; 10<\/textarea><\/div><div class=\"field\" id=\"input-2\"><label for=\"field-2\">Tipo de entrada<\/label><div class=\"grid grid-cols-1\"><select id=\"field-2\" name=\"tipo_de_entrada\"><option value=\"auto\" selected>Detecci\u00f3n autom\u00e1tica<\/option><option value=\"probs\">Probabilidades (deben sumar 1)<\/option><option value=\"counts\">Recuentos \/ frecuencias (se normalizan)<\/option><\/select><svg class=\"pointer-events-none col-start-1 row-start-1 mr-2 size-5 self-center justify-self-end text-gray-500 sm:size-4\" viewBox=\"0 0 16 16\" fill=\"currentColor\" aria-hidden=\"true\" data-slot=\"icon\">\n              <path fill-rule=\"evenodd\" d=\"M4.22 6.22a.75.75 0 0 1 1.06 0L8 8.94l2.72-2.72a.75.75 0 1 1 1.06 1.06l-3.25 3.25a.75.75 0 0 1-1.06 0L4.22 7.28a.75.75 0 0 1 0-1.06Z\" clip-rule=\"evenodd\" \/>\n            <\/svg><\/div><\/div><div class=\"field\" id=\"input-3\"><label for=\"field-3\">Base del logaritmo<\/label><div class=\"grid grid-cols-1\"><select id=\"field-3\" name=\"base_del_logaritmo\"><option value=\"2\" selected>2 \u2014 bits<\/option><option value=\"10\">10 \u2014 dits (hartleys)<\/option><option value=\"e\">e \u2248 2.718 \u2014 nats<\/option><\/select><svg class=\"pointer-events-none col-start-1 row-start-1 mr-2 size-5 self-center justify-self-end text-gray-500 sm:size-4\" viewBox=\"0 0 16 16\" fill=\"currentColor\" aria-hidden=\"true\" data-slot=\"icon\">\n              <path fill-rule=\"evenodd\" d=\"M4.22 6.22a.75.75 0 0 1 1.06 0L8 8.94l2.72-2.72a.75.75 0 1 1 1.06 1.06l-3.25 3.25a.75.75 0 0 1-1.06 0L4.22 7.28a.75.75 0 0 1 0-1.06Z\" clip-rule=\"evenodd\" \/>\n            <\/svg><\/div><\/div><\/fieldset><div class=\"buttons\"><button type=\"submit\" data-text=\"Recalcular\" id=\"calculate-button\" data-post=\"5298\">Calcular<\/button><button type=\"reset\">Restablecer<\/button><\/div><div class=\"field is-checkbox hidden!\" id=\"field-auto-calc\"><input type=\"checkbox\" id=\"auto-calc\"><label for=\"auto-calc\">Calcular autom\u00e1ticamente<\/label><small>Si est\u00e1 activado, el resultado se actualizar\u00e1 autom\u00e1ticamente al cambiar cualquier valor.<\/small><\/div><div class=\"fieldset-result is-hidden\" aria-labelledby=\"result-title\" aria-live=\"polite\" role=\"region\"> <h3 class=\"result-title bg-gradient-to-r from-primary-50 to-gray-50 dark:from-primary-900 dark:to-gray-800\" id=\"result-title\"><span class=\"icon icon-s-pulse\" aria-hidden=\"true\"><\/span> Resultados de la entrop\u00eda de Shannon<\/h3><div class=\"result-box\"><div class=\"field-result\" id=\"output-1\"><span class=\"field-title\"><span>Entrop\u00eda de Shannon<\/span><span class=\"result-term\">H<\/span><\/span><span class=\"field-value\" id=\"result-1\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-2\"><span class=\"field-title\"><span>Entrop\u00eda m\u00e1xima posible (uniforme en k categor\u00edas)<\/span><span class=\"result-term\">H_max<\/span><\/span><span class=\"field-value\" id=\"result-2\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-3\"><span class=\"field-title\"><span>Entrop\u00eda como proporci\u00f3n del m\u00e1ximo (eficiencia)<\/span><span class=\"result-term\">H \/ H_max<\/span><\/span><span class=\"field-value\" id=\"result-3\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result is-column\" id=\"output-4\"><span class=\"field-title\"><span>Contribuci\u00f3n por categor\u00eda<\/span><\/span><span class=\"field-value\" id=\"result-4\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result is-column\" id=\"output-5\"><span class=\"field-title\"><span>C\u00f3mo se calcul\u00f3 esta entrop\u00eda<\/span><\/span><span class=\"field-value\" id=\"result-5\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Copiar resultado\" aria-label=\"Copiar resultado\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><\/div><div class=\"result-actions\"><button type=\"button\" class=\"copy-link\"><svg viewBox=\"0 0 20 20\" fill=\"currentColor\" aria-hidden=\"true\"><path d=\"M12.232 4.232a2.5 2.5 0 0 1 3.536 3.536l-1.225 1.224a.75.75 0 0 0 1.061 1.06l1.224-1.224a4 4 0 0 0-5.656-5.656l-3 3a4 4 0 0 0 .225 5.865.75.75 0 0 0 .977-1.138 2.5 2.5 0 0 1-.142-3.667l3-3Z\"\/><path d=\"M11.603 7.963a.75.75 0 0 0-.977 1.138 2.5 2.5 0 0 1 .142 3.667l-3 3a2.5 2.5 0 0 1-3.536-3.536l1.225-1.224a.75.75 0 0 0-1.061-1.06l-1.224 1.224a4 4 0 1 0 5.656 5.656l3-3a4 4 0 0 0-.225-5.865Z\"\/><\/svg><span class=\"copy-link__text\">Copiar enlace a este c\u00e1lculo<\/span><\/button><span class=\"sr-only\" role=\"status\" id=\"copy-link-status\"><\/span><\/div><\/div><a href=\"#respond\" class=\"hidden transition-opacity duration-300 opacity-0 w-50 text-sm justify-center items-center gap-2 px-4 py-2 rounded bg-gray-200 text-gray-700 hover:bg-gray-300\" id=\"leave-comment\"><span class=\"icon icon-comments\" aria-hidden=\"true\"><\/span>Dejar un comentario<\/a><\/form><\/section><section id=\"calc-reactions\" class=\"not-prose hidden my-12 bg-gradient-to-r from-primary-50 to-gray-50 border border-indigo-100 rounded-xl px-6 py-4 shadow-sm\" data-post=\"5298\" aria-live=\"polite\" aria-labelledby=\"calc-reactions-title\"><p id=\"calc-reactions-title\" class=\"text-sm text-gray-500 text-center mb-2\">\u00bfQu\u00e9 te ha parecido este resultado?<\/p><div role=\"group\" aria-labelledby=\"calc-reactions-title\" class=\"grid grid-cols-3 sm:flex sm:flex-row sm:justify-around gap-4 sm:items-center sm:flex-wrap\"><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"like\"><span class=\"reaction-count\" data-reaction-count=\"like\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude00 <\/span><span class=\"reaction-description font-medium\">Me gusta <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"helpful\"><span class=\"reaction-count\" data-reaction-count=\"helpful\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\udca1 <\/span><span class=\"reaction-description font-medium\">\u00datil <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"confused\"><span class=\"reaction-count\" data-reaction-count=\"confused\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude15 <\/span><span class=\"reaction-description font-medium\">Confuso <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"disappointed\"><span class=\"reaction-count\" data-reaction-count=\"disappointed\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude1e <\/span><span class=\"reaction-description font-medium\">Decepcionado <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"inaccurate\"><span class=\"reaction-count\" data-reaction-count=\"inaccurate\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\u274c <\/span><span class=\"reaction-description font-medium\">Inexacto <\/span><\/button><\/div><div id=\"reaction-message\" class=\"hidden mt-8 rounded-md border border-primary-100 bg-white\/50 backdrop-blur-sm px-4 py-2 text-sm text-center shadow-sm\"><\/div><\/section><div class=\"calcdash-ad not-prose calcdash-ad--calc_result calcdash-ad--in-article\"><ins class=\"adsbygoogle\" style=\"display:block\" data-ad-client=\"ca-pub-1721569815777345\" data-ad-slot=\"6317458308\" data-ad-layout=\"in-article\" data-ad-format=\"fluid\"><\/ins><script>(adsbygoogle = window.adsbygoogle || []).push({});<\/script><\/div>\n<style id=\"wpcoderpro-inline-1\">.formula-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section class=\"formula-box\" aria-labelledby=\"formula-title\">\r\n\t<div id=\"formula-title\" class=\"not-prose font-display mb-4\"><span class=\"icon icon-formula\" aria-hidden=\"true\"><\/span><h2>F\u00f3rmula de la entrop\u00eda de Shannon<\/h2><\/div>\r\n\t<figure class=\"not-prose formula\">\r\n\t\t<figcaption class=\"formula-title\">F\u00f3rmula<\/figcaption>\r\n\t\t<div class=\"text-base text-gray-800\" id=\"formula\">\n\\[ H = -\\sum_{i=1}^{k} p_i \\log_b p_i = \\sum_{i=1}^{k} p_i \\log_b \\frac{1}{p_i} \\]\n<\/div>\r\n\t<\/figure>\r\n\t<\/p>\n<p><strong>Donde:<\/strong><\/p>\n<ul>\n<li>\\(p_i\\) \u2014 probabilidad de la categor\u00eda \\(i\\) (los recuentos se normalizan: \\(p_i = n_i \/ n\\))<\/li>\n<li>\\(k\\) \u2014 n\u00famero de categor\u00edas<\/li>\n<li>\\(b\\) \u2014 base del logaritmo: con 2 se obtienen bits, con \\(e\\) nats y con 10 dits (hartleys)<\/li>\n<\/ul>\n<p>La f\u00f3rmula expresa la sorpresa media, o contenido de informaci\u00f3n, de un resultado extra\u00eddo de la distribuci\u00f3n: cada t\u00e9rmino pondera la informaci\u00f3n \\(\\log_b(1\/p_i)\\) de una categor\u00eda por la frecuencia con que esta aparece.<\/p>\n<p>\r\n<\/section>\n<style id=\"wpcoderpro-inline-2\">.calculation-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section id=\"calculation\" class=\"calculation-box\" aria-labelledby=\"calculation-title\">\r\n\t<div id=\"calculation-title\" class=\"not-prose font-display\"><span class=\"icon icon-unordered-list\" aria-hidden=\"true\"><\/span><h2>Entrop\u00eda de Shannon: ejemplo de c\u00e1lculo<\/h2><\/div>\r\n\r\n<\/p>\n<p><strong>Ejemplo:<\/strong> en una encuesta a 100 personas se pregunt\u00f3 por su marca preferida entre cuatro, con recuentos de 40, 30, 20 y 10. Los recuentos se normalizan a las probabilidades \\(p = (0.4,\\ 0.3,\\ 0.2,\\ 0.1)\\) y la base es 2 (bits).<\/p>\n<p>\\[ H = -(0.4\\log_2 0.4 + 0.3\\log_2 0.3 + 0.2\\log_2 0.2 + 0.1\\log_2 0.1) \\]<\/p>\n<p>\\[ H = 0.5288 + 0.5211 + 0.4644 + 0.3322 = 1.8464 \\text{ bits} \\]<\/p>\n<p>\\[ H_{max} = \\log_2 4 = 2 \\text{ bits}, \\quad \\frac{H}{H_{max}} = \\frac{1.8464}{2} = 0.9232 \\]<\/p>\n<p><strong>Resultado:<\/strong> \\(H \\approx 1.8464\\) bits, es decir, el 92,32&nbsp;% del m\u00e1ximo: una distribuci\u00f3n muy pr\u00f3xima a la uniforme en sus cuatro categor\u00edas.<\/p>\n<p>\n\r\n<\/section>\n<h2>C\u00f3mo usar la calculadora<\/h2>\n<ol>\n<li>Introduce tus valores en <strong>Probabilidades o recuentos por categor\u00eda<\/strong>: uno por categor\u00eda, separados por espacios, punto y coma o saltos de l\u00ednea. Puedes escribir probabilidades (p. ej. 0,5; 0,25; 0,25) o recuentos en bruto (p. ej. 40; 30; 20; 10); se aceptan tanto la coma como el punto decimal.<\/li>\n<li>Configura el <strong>Tipo de entrada<\/strong> en \u00abDetecci\u00f3n autom\u00e1tica\u00bb (los valores que suman 1 se tratan como probabilidades), o fuerza \u00abProbabilidades (deben sumar 1)\u00bb o \u00abRecuentos \/ frecuencias (se normalizan)\u00bb si la elecci\u00f3n autom\u00e1tica pudiera dar lugar a ambig\u00fcedad.<\/li>\n<li>Elige la <strong>Base del logaritmo<\/strong>: 2 para bits, \\(e\\) para nats o 10 para dits (hartleys).<\/li>\n<li>Lee los resultados: la <strong>entrop\u00eda de Shannon<\/strong> H, la <strong>entrop\u00eda m\u00e1xima posible<\/strong> \\(H_{max}\\) para tu n\u00famero de categor\u00edas, el \u00edndice de <strong>eficiencia<\/strong> \\(H\/H_{max}\\) y un desglose por categor\u00eda con cada probabilidad, su contenido de informaci\u00f3n y su aportaci\u00f3n a H.<\/li>\n<\/ol>\n<h2>\u00bfQu\u00e9 es la entrop\u00eda de Shannon?<\/h2>\n<p>La entrop\u00eda de Shannon, introducida por Claude Shannon en 1948, cuantifica la incertidumbre de una distribuci\u00f3n de probabilidad: lo dif\u00edcil que resulta, en promedio, predecir qu\u00e9 categor\u00eda va a ocurrir. Es el valor esperado de la <em>sorpresa<\/em> \\(\\log_b(1\/p_i)\\). Los sucesos raros sorprenden (\\(\\log_b(1\/p_i)\\) grande) pero ocurren pocas veces; los frecuentes ocurren a menudo pero apenas sorprenden. La entrop\u00eda es el equilibrio entre ambos: la sorpresa media ponderada por probabilidad.<\/p>\n<p>El valor de H va de 0 a \\(\\log_b k\\). Vale 0 cuando un resultado es seguro (un \u00fanico \\(p_i = 1\\)) y es m\u00e1ximo cuando la distribuci\u00f3n es uniforme, porque entonces ninguna apuesta es mejor que otra. Con base 2 las unidades son bits, y H puede leerse literalmente como el n\u00famero esperado de preguntas de s\u00ed\/no necesarias para averiguar el resultado: la idea que sustenta la compresi\u00f3n de datos y la teor\u00eda de la codificaci\u00f3n. Con base \\(e\\) las unidades son nats, habituales en aprendizaje autom\u00e1tico y f\u00edsica; con base 10 se obtienen dits. Cambiar la base solo reescala H: las clasificaciones entre distribuciones y el cociente \\(H\/H_{max}\\) no var\u00edan.<\/p>\n<p>La <strong>eficiencia<\/strong> \\(H\/H_{max}\\) (tambi\u00e9n llamada entrop\u00eda normalizada o entrop\u00eda relativa) indica lo cerca que est\u00e1 tu distribuci\u00f3n de la m\u00e1s incierta posible. En el ejemplo anterior, el 92,32&nbsp;% significa que las cuatro marcas se reparten el mercado de forma bastante equilibrada. Un valor cercano a 0 indica que el resultado es casi predecible. Al ser adimensional, este cociente es la forma m\u00e1s c\u00f3moda de comparar la incertidumbre entre distribuciones con distinto n\u00famero de categor\u00edas, algo que H en bruto no permite, ya que \\(H_{max}\\) crece con \\(k\\).<\/p>\n<h2>Supuestos, limitaciones y consejos<\/h2>\n<ul>\n<li><strong>Distribuci\u00f3n completa:<\/strong> los valores deben cubrir todas las categor\u00edas. Las probabilidades tienen que sumar 1 (se corrige autom\u00e1ticamente una peque\u00f1a desviaci\u00f3n por redondeo); los recuentos se normalizan para que as\u00ed sea.<\/li>\n<li><strong>Probabilidades cero:<\/strong> por convenci\u00f3n \\(0 \\cdot \\log 0 = 0\\), de modo que las categor\u00edas vac\u00edas no aportan nada; pero ten en cuenta que una categor\u00eda con probabilidad cero sigue aumentando \\(H_{max}\\) al incrementar \\(k\\), lo cual reduce tu eficiencia.<\/li>\n<li><strong>Categor\u00edas, no magnitudes:<\/strong> la entrop\u00eda mide la incertidumbre sobre <em>qu\u00e9<\/em> categor\u00eda ocurre, no el tama\u00f1o de los valores. Ignora el orden, el espaciado y las etiquetas de las categor\u00edas, as\u00ed que no es una medida de dispersi\u00f3n; para eso, consulta la <a href=\"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-asimetria-curtosis\/\">calculadora de asimetr\u00eda y curtosis<\/a>.<\/li>\n<li><strong>Datos muestrales:<\/strong> con muestras peque\u00f1as, la entrop\u00eda estimada a partir de recuentos queda sesgada a la baja. La correcci\u00f3n de sesgo tipo Miller\u2013Madow a\u00f1ade \\((k-1)\/(2n\\ln b)\\), siendo \\(n\\) el recuento total: conviene aplicarla si tus recuentos son peque\u00f1os.<\/li>\n<li><strong>Medidas relacionadas:<\/strong> los mismos t\u00e9rminos \\(p \\log p\\) aparecen en la entrop\u00eda cruzada y en la divergencia de Kullback\u2013Leibler, usadas para comparar una distribuci\u00f3n con una de referencia. La entrop\u00eda de un reparto uniforme se relaciona directamente con la <a href=\"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-distribucion-uniforme\/\">distribuci\u00f3n uniforme<\/a>, y se aplica con frecuencia a una <a href=\"https:\/\/wpcalc.com\/es\/estadistica\/calculadora-matriz-de-confusion\/\">matriz de confusi\u00f3n<\/a> para evaluar la incertidumbre de un clasificador. Para comparar una distribuci\u00f3n observada con una esperada, la <a href=\"https:\/\/wpcalc.com\/en\/statistics\/kruskal-wallis-test-calculator\/\">prueba de Kruskal\u2013Wallis<\/a> es otra opci\u00f3n.<\/li>\n<\/ul>\n<h2>Referencia r\u00e1pida: unidades y entrop\u00eda m\u00e1xima<\/h2>\n<table>\n<thead>\n<tr>\n<th>Base<\/th>\n<th>Unidad<\/th>\n<th>\\(H_{max}\\) para \\(k\\) categor\u00edas<\/th>\n<th>Uso habitual<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>2<\/td>\n<td>bits<\/td>\n<td>\\(\\log_2 k\\)<\/td>\n<td>Teor\u00eda de la informaci\u00f3n, codificaci\u00f3n, inform\u00e1tica<\/td>\n<\/tr>\n<tr>\n<td>\\(e \\approx 2.718\\)<\/td>\n<td>nats<\/td>\n<td>\\(\\ln k\\)<\/td>\n<td>Aprendizaje autom\u00e1tico, mec\u00e1nica estad\u00edstica<\/td>\n<\/tr>\n<tr>\n<td>10<\/td>\n<td>dits (hartleys)<\/td>\n<td>\\(\\log_{10} k\\)<\/td>\n<td>Medidas cl\u00e1sicas de informaci\u00f3n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Para convertir entre unidades, usa \\(H_{\\text{bits}} = H_{\\text{nats}} \/ \\ln 2\\) o \\(H_{\\text{bits}} = H_{\\text{dits}} \\cdot \\log_2 10\\). Si dudas sobre qu\u00e9 base elegir, la base 2 es la opci\u00f3n m\u00e1s segura: los bits son la unidad m\u00e1s utilizada en la literatura.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Calcula la entrop\u00eda de Shannon de cualquier conjunto de probabilidades o recuentos. Introduce un valor por categor\u00eda, elige la base del logaritmo (bits, nats o dits) y obt\u00e9n H, la entrop\u00eda m\u00e1xima y el \u00edndice de eficiencia.<\/p>\n","protected":false},"author":3168,"featured_media":0,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[29],"tags":[41],"class_list":["post-5298","post","type-post","status-publish","format-standard","hentry","category-estadistica","tag-probabilidad"],"acf":[],"_links":{"self":[{"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/posts\/5298","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/users\/3168"}],"replies":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/comments?post=5298"}],"version-history":[{"count":1,"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/posts\/5298\/revisions"}],"predecessor-version":[{"id":5355,"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/posts\/5298\/revisions\/5355"}],"wp:attachment":[{"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/media?parent=5298"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/categories?post=5298"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wpcalc.com\/es\/wp-json\/wp\/v2\/tags?post=5298"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}