更改

[[文件:Entropy-mutual-information-relative-entropy-relation-diagram.svg|缩略图|右|该图表示在变量X、Y相关联的各种信息量之间，进行加减关系的维恩图。两个圆所包含的区域是联合熵H(X,Y)。左侧的圆圈（红色和紫色）是单个熵H（X），红色是条件熵H（X ǀ Y）。右侧的圆圈（蓝色和紫色）为H（Y），蓝色为H（Y ǀ X）。中间紫色的是相互信息i（X; Y）。]]

[[文件:Entropy-mutual-information-relative-entropy-relation-diagram.svg|缩略图|右|该图表示在变量X、Y相关联的各种信息量之间，进行加减关系的维恩图。两个圆所包含的区域是联合熵H(X,Y)。左侧的圆圈（红色和紫色）是单个熵H（X），红色是条件熵H（X ǀ Y）。右侧的圆圈（蓝色和紫色）为H（Y），蓝色为H（Y ǀ X）。中间紫色的是相互信息i（X; Y）。]]

In [[information theory]], the '''conditional entropy''' quantifies the amount of information needed to describe the outcome of a [[random variable]] <math>Y</math> given that the value of another random variable <math>X</math> is known. Here, information is measured in [[Shannon (unit)|shannon]]s, [[Nat (unit)|nat]]s, or [[Hartley (unit)|hartley]]s. The ''entropy of <math>Y</math> conditioned on <math>X</math>'' is written as <math>\Eta(Y|X)</math>.

In [[information theory]], the '''conditional entropy''' quantifies the amount of information needed to describe the outcome of a [[random variable]] <math>Y</math> given that the value of another random variable <math>X</math> is known. Here, information is measured in [[Shannon (unit)|shannon]]s, [[Nat (unit)|nat]]s, or [[Hartley (unit)|hartley]]s. The ''entropy of <math>Y</math> conditioned on <math>X</math>'' is written as H（Y ǀ X）.

在'''<font color="#ff8000"> 信息论Information theory</font>'''中，假设随机变量<math>X</math>的值已知，那么条件熵则用于量化描述随机变量<math>Y</math>的结果所需的信息量。此时，信息以'''<font color="#ff8000"> 香农Shannon </font>'''，'''<font color="#ff8000"> 奈特nat</font>'''或'''<font color="#ff8000"> 哈特莱hartley</font>'''衡量。以<math>X</math>为条件的<math>Y</math>熵写为<math>\Eta(Y|X)</math>。

在'''<font color="#ff8000"> 信息论Information theory</font>'''中，假设随机变量<math>X</math>的值已知，那么条件熵则用于量化描述随机变量<math>Y</math>的结果所需的信息量。此时，信息以'''<font color="#ff8000"> 香农Shannon </font>'''，'''<font color="#ff8000"> 奈特nat</font>'''或'''<font color="#ff8000"> 哈特莱hartley</font>'''衡量。以<math>X</math>为条件的<math>Y</math>熵写为H（Y ǀ X）。