El proceso de codificar información usando menos bits que una representación original mediante la eliminación de redundancia o la explotación de regularidades estadísticas o estructurales, produciendo representaciones recuperables (sin pérdida) o aproximadas (con pérdida).

Principio

Modelar la fuente o la estructura de los datos para identificar partes predecibles o redundantes, y mapear secuencias a palabras‑código cuya longitud refleje la sorpresa (entropía). Los esquemas sin pérdida permiten recuperación exacta; los esquemas con pérdida intercambian fidelidad por mayor compresión al descartar información considerada irrelevante perceptual o para la tarea.

Demostración

Un archivo de texto con palabras repetidas se codifica con Huffman (o métodos de diccionario como LZW): los tokens frecuentes reciben palabras‑código más cortas, produciendo una secuencia de bits más corta que puede reconstruirse exactamente (sin pérdida). Una imagen se transforma y cuantiza en JPEG: se eliminan coeficientes pequeños para reducir tamaño con pérdida visual aceptable (con pérdida).

Aplicación incorrecta

Intentar comprimir datos que ya están cerca de la entropía máxima (p. ej. datos cifrados o aleatorios) produce poca o ninguna reducción e incluso puede aumentar el tamaño. Usar compresión con pérdida cuando se requiere reconstrucción bit‑exacta (p. ej. registros legales) causa pérdidas de datos inaceptables.

Consecuencia

Reduce costes de almacenamiento y transmisión y puede habilitar nuevos usos (transmisión en streaming, archivado). La compresión introduce compensaciones: coste computacional, latencia, posible pérdida de calidad y sensibilidad a un mal ajuste del modelo; existen límites inferiores estrictos (entropía) que impiden la compresión arbitraria.

Inversión

Expansión de datos o cifrado que produce salidas de alta entropía: sin explotar redundancia, las representaciones son más largas o intencionalmente indistinguibles del azar, lo que impide la reducción de tamaño y complica análisis posteriores.

Límite

Se aplica a representaciones de información (texto, imágenes, audio, datos estructurados). La eficacia depende de las estadísticas de la fuente y de la medida de distorsión elegida; los límites fundamentales están fijados por la teoría de la información (entropía) y por requisitos específicos de fidelidad. La compresión se distingue del cifrado (que busca confidencialidad) aunque las salidas puedan parecer similares.

Tensión semántica

Tensión entre objetivos sin pérdida y con pérdida: lo sin pérdida preserva cada bit pero logra menores ratios de compresión; lo con pérdida alcanza ratios mayores a costa de fidelidad. También tensión entre compresores universales (sin modelo) y compresores basados en modelos (más eficientes si el modelo encaja).

Síntesis

La compresión de datos construye una representación compacta explotando la estructura predecible o redundante de los datos: eligiendo codificaciones reversibles para preservar toda la información o aproximaciones irreversibles para intercambiar fidelidad por menor tamaño, conforme a los límites teóricos de entropía y a las restricciones prácticas de fidelidad.