Boken "Analytic Information Theory" gir en grundig utforskning av hvordan informasjons teori kan brukes til å modellere, formulere og analysere kommunikasjons- og kompresjonsproblemer. Gjennom ulike algoritmer kan informasjon bli transformert og komprimert, og læring kan også betraktes som en form for kompresjon med tilleggsinformasjon. Denne boken retter seg mot studenter og forskere og tar for seg datakomprimering og redundans innen eksisterende metoder, samt sentrale temaer innen teoretisk datakomprimering. Den viser hvordan verktøy fra analytisk kombinatorikk kan brukes for å avdekke og analysere den nøyaktige atferden til kildesystemer. En viktig innsikt i boken er at for å presentere informasjon som er enklere å lære eller hente ut i sin korteste form, må man først forstå essensen av informasjonen, for deretter effektivt å kunne trekke den ut og komprimere den. Del I av boken tar for seg faste til variable koder som Shannon- og Huffman-koder, variable til faste koder som Tunstall- og Khodak-koder, samt variable til variable Khodak-koder for kjente kilder. Del II diskuterer universelle tilnærminger til datakomprimering.
