在科学研究中，我们经常要分析和处理各种各样的信息（例如试验数据）,撰写学术论文或专著，这些工作都可能涉及“信息分类”和“信息合成”。

一、信息分类

这里的“信息分类”是指根据“金字塔原理”将信息归类分组，搭建一个在“中心思想”统领下的“金字塔结构”【1】 。

信息度（infirmity）表示系统的平均（相对）信息量，它是系统确定性的量度【2，3】。信息熵表示系统的平均香农信息量，它是系统不确定性的量度。大脑处理或记忆信息的能力与系统的信息度（即确定性）成正比，与系统的信息熵（即不确定性）成反比。信息归类分组后系统的信息度增大，信息熵减小，有助于大脑对信息的处理或记忆。

二、信息合成

这里的“信息合成”是指将“来自不同信息源的相同信息”合成。信息合成的信息学基础是信息谱合成定律（the law of combination of information spectrums)。 信息谱即为随机变量的概率质量函数或概率密度函数。因此，信息谱合成定律又被称为概率分布合成定律（the law of combination of distributions)。对于N个关于Y的连续随机变量（即N个信息源），信息谱合成定律为【2】：

信息合成系统的信息度增加，信息熵减小，即确定性提高，不确定性减小 。 荟萃分析的本质是信息合成，贝叶斯方法的本质也是信息合成。

参考文献

【1】芭芭拉·明托著，汪洱译《金字塔原理》（2010) 南海出版公司，https://cdn.jsdelivr.net/gh/AmbroseRen/Picture@master/book/Method/%E9%87%91%E5%AD%97%E5%A1%94%E5%8E%9F%E7%90%86.pdf

【2】Huang, H. (2023) The theory of informity, preprint, ResearchGate，https://www.researchgate.net/publication/376206296_A_theory_of_informity

【3】Huang, H. (2024) “信息度理论”简介，科学网， https://blog.sciencenet.cn/home.php?mod=space&uid=3427112&do=blog&id=1416192