Fix 04

wyk/04_Entropia.org

@@ -1,4 +1,4 @@
-** Entropia
+* Entropia
 
 *Entropia* ($E$) to miara nieuporządkowania, niepewności, niewiedzy. Im
 większa entropia, tym mniej wiemy. Pojęcie to pierwotnie wywodzi się z
@@ -11,12 +11,12 @@ W termodynamice entropia jest miarą nieuporządkowania układów
 fizycznych, na przykład pojemników z gazem. Przykładowo, wyobraźmy
 sobie dwa pojemniki z gazem, w którym panuje różne temperatury.
 
-[[./03_Entropia/gas-low-entropy.drawio.png]]
+[[./04_Entropia/gas-low-entropy.drawio.png]]
 
 Jeśli usuniemy przegrodę między pojemnikami, temperatura się wyrówna,
 a uporządkowanie się zmniejszy.
 
-[[./03_Entropia/gas-high-entropy.drawio.png]]
+[[./04_Entropia/gas-high-entropy.drawio.png]]
 
 Innymi słowy, zwiększy się stopień nieuporządkowania układu, czyli właśnie entropia.
 
@@ -46,7 +46,7 @@ losowania do odbiorcy $O$ używając zer i jedynek (bitów).
 Teorioinformacyjną entropię można zdefiniować jako średnią liczbę
 bitów wymaganych do przesłania komunikatu.
 
-[[./03_Entropia/communication.drawio.png]]
+[[./04_Entropia/communication.drawio.png]]
 
 *** Obliczanie entropii — proste przykłady
 
@@ -145,7 +145,7 @@ optymalne kodowanie wyników rzutu taką kostką?
 
 Wiemy już, że entropia dla rzutu monetą wynosi 1 bit. A jaki będzie wynik dla źle wyważonej monety?
 
-#+BEGIN_SRC python :session mysession :results file
+#+BEGIN_SRC ipython :session mysession :results file
   import matplotlib.pyplot as plt
   from math import log
   import numpy as np
@@ -160,7 +160,7 @@ Wiemy już, że entropia dla rzutu monetą wynosi 1 bit. A jaki będzie wynik dl
   plt.ylabel('entropia')
   plt.plot(x, y)
 
-  fname = f'03_Entropia/binomial-entropy.png'
+  fname = f'04_Entropia/binomial-entropy.png'
 
   plt.savefig(fname)
 
@@ -168,7 +168,7 @@ Wiemy już, że entropia dla rzutu monetą wynosi 1 bit. A jaki będzie wynik dl
 #+END_SRC
 
 #+RESULTS:
-[[file:03_Entropia/binomial-entropy.png]]
+[[file:04_Entropia/binomial-entropy.png]]
 
 *Pytanie* Dla oszukańczej monety (np. dla której wypada zawsze orzeł) entropia
 wynosi 0, czy to wynik zgodny z intuicją?
@@ -187,7 +187,7 @@ Załóżmy, że chcemy zmierzyć entropię języka polskiego na przykładzie
 „Pana Tadeusza” — na poziomie znaków. W pierwszym przybliżeniu można
 by policzyć liczbę wszystkich znaków…
 
-#+BEGIN_SRC python :session mysession :exports both :results raw drawer
+#+BEGIN_SRC ipython :session mysession :exports both :results raw drawer
   import requests
   from itertools import islice
 
@@ -206,7 +206,7 @@ by policzyć liczbę wszystkich znaków…
 :end:
 
 
-#+BEGIN_SRC python :session mysession :exports both :results raw drawer
+#+BEGIN_SRC ipython :session mysession :exports both :results raw drawer
   chars_in_pan_tadeusz = len(set(get_characters(pan_tadeusz)))
   chars_in_pan_tadeusz
 #+END_SRC
@@ -218,7 +218,7 @@ by policzyć liczbę wszystkich znaków…
 
 … założyć jednostajny rozkład prawdopodobieństwa i w ten sposób policzyć entropię:
 
-#+BEGIN_SRC python :session mysession :exports both :results raw drawer
+#+BEGIN_SRC ipython :session mysession :exports both :results raw drawer
   from math import log
 
   95 * (1/95) * log(95, 2)
@@ -238,7 +238,7 @@ znaków, można opracować o wiele efektywniejszy sposób zakodowania znaków sk
 
 Policzmy entropię przy takim założeniu:
 
-#+BEGIN_SRC python :session mysession :exports both :results raw drawer
+#+BEGIN_SRC ipython :session mysession :exports both :results raw drawer
   from collections import Counter
   from math import log
 
@@ -260,7 +260,7 @@ Policzmy entropię przy takim założeniu:
 
 *** Ile wynosi entropia rękopisu Wojnicza?
 
-#+BEGIN_SRC python :session mysession :exports both :results raw drawer
+#+BEGIN_SRC ipython :session mysession :exports both :results raw drawer
   import requests
   import re
 
@@ -284,7 +284,7 @@ Policzmy entropię przy takim założeniu:
 :end:
 
 
-#+BEGIN_SRC python :session mysession :exports both :results raw drawer
+#+BEGIN_SRC ipython :session mysession :exports both :results raw drawer
   unigram_entropy(get_characters(voynich))
 #+END_SRC
 
@@ -313,7 +313,7 @@ Celem algorytmów kompresji jest właściwie wyznaczanie efektywnych
 sposobów kodowania danych. Możemy więc użyć rozmiaru skompresowanego pliku w bitach
 (po podzieleniu przez oryginalną długość) jako dobrego przybliżenia entropii.
 
-#+BEGIN_SRC python :session mysession :exports both :results raw drawer
+#+BEGIN_SRC ipython :session mysession :exports both :results raw drawer
   import zlib
 
   def entropy_by_compression(t):
@@ -330,7 +330,7 @@ sposobów kodowania danych. Możemy więc użyć rozmiaru skompresowanego pliku
 
 Dla porównania wynik dla rękopisu Wojnicza:
 
-#+BEGIN_SRC python :session mysession :exports both :results raw drawer
+#+BEGIN_SRC ipython :session mysession :exports both :results raw drawer
   entropy_by_compression(voynich)
 #+END_SRC