1928年，R．V．L．哈特莱提出了信息定量化的初步设想，他将符号取值数m的对数定义为信息量，即I=log2m。对信息量作深入、系统研究的是信息论创始人C．E．香农。1948年，香农指出信源给出的符号是随机的，信源的信息量应是概率的函数，以信源的信息熵表示，即 ，其中Pi表示信源不同种类符号的概率，i= 1，2，…，n。
例如，若一个连续信源被等概率量化为4层，即4 种符号。这个信源每个符号所给出的信息量应为 ，与哈特莱公式I=log2m=log24=2bit一致。实质上哈特莱公式是等概率时香农公式的特例。
基本内容 实际信源多为有记忆序列信源，只有在掌握全部序列的概率特性后，才能计算出该信源中平均一个符号的熵HL（U）（L为符号数这通常是困难的。如果序列信源简化为简单的一阶、齐次、遍历马氏链，则比较简单。根据符号的条件概率Pji（即前一符号为i条件下后一符号为j的概率），可以求出遍历信源的稳定概率Pi，再由Pi和Pji求出HL（U）。即如图1所示 。 图1
其中H（U|V）称为条件熵，即前一符号V已知时后一符号U的不确定度。
信息量与信息熵在概念上是有区别的。在收到符号之前是不能肯定信源到底发送什么符号，通信的目的就是使接收者在收到符号后，解除对信源存在的疑义（不确定度），使不确定度变为零。这说明接收者从发送者的信源中获得的信息量是一个相对的量（H（U）-0）。而信息熵是描述信源本身统计特性的物理量，它表示信源产生符号的平均不确定度，不管有无接收者，它总是客观存在的量。
从信源中一个符号V中获取另一符号u的信息
量可用互信息表示，即
I（U；V）= H（U）-H（U|V）
表示在收到V以后仍然存在对信源符号U的疑义（不确定度）。一般情况下
I（U；V）≤H（U）
即获得的信息量比信源给出的信息熵要小。
连续信源可有无限个取值，输出信息量是无限大，但互信息是两个熵值之差，是相对量。这样，不论连续或离散信源，接收者获取的信息量仍然保持信息的一切特性，且是有限值。
信息量的引入，使通信、信息以及相关学科得以建立在定量分析的基础上，为各有关理论的确立与发展提供了保证[2] 。
所谓信息量是指从N个相等可能事件中选出一个事件所需要的信息度量或含量，也就是在辩识N个事件中特定的一个事件的过程中所需要提问"是或否"的最少次数.