Gürültü rastgeledir, ancak çoğu rastgele fenomen gibi, belirli bir paterni takip eder. Farklı desenlere farklı adlar verilir.
Bir kalıp yuvarlamayı düşünün. Bu açıkça rastgeledir. Her sonucun kaydını tutarak kalıbı 1000 kez yuvarlayın. Sonra sonucun histogramını hesaplayın; 1, 2, 3, 4, 5 ve 6'nın her birini yaklaşık olarak aynı sayıda bulduğunuzu göreceksiniz. Bu patern "tek tip" olarak adlandırılır ve bir kalıp fırlatmak "tek tip rastgele değişken" ile modellenebilir.
Aynı deney termal gürültü ile tekrarlanabilir. Bir direnci ısıtın, ortaya çıkan voltajı yükseltin ve anlık gücünü birden çok kez ölçün. Sonra histogramı hesaplayın. Bu sefer, tek tip bir histogram bulamazsınız; bir çan eğrisi gibi şekillenecek ve sıfıra yakın değerler sıfırdan uzak değerlerden daha yaygın olacaktır. Bu tür histograma KF Gauss'tan sonra Gauss adı verilir.
Gauss rasgele fenomenler doğada çok yaygındır. Gözlemlediğiniz rastgele şey, birçok bağımsız rastgele olayın toplamı olduğunda, genel rastgele değişkenin Gaussian olduğu görülür (buna teknik olarak merkezi limit teoremi denir). Termal gürültü durumunda, milyonlarca veya milyarlarca rastgele salınan elektronun ısı etkisiyle toplanan toplam etkisini ölçüyorsunuz.
Evde Gauss rasgele yaratmanın daha kolay bir yolu var (veya bir bilgisayarda simüle edilmiş): 100, çok sayıda zar atın, birçok kez atın ve her atışın toplam toplamını takip edin. Histogramı tekrar bulursanız, bunun bir çan eğrisinden geçtiğini göreceksiniz. Nedeni sezgisel olarak kavramak kolaydır: 100 zarla, toplam 100 elde etmeniz pek olası değildir (tüm zarların 1'e inmesi gerekir), ancak 350 civarında bir sayı elde etmek çok kolaydır, çünkü birçok farklı kombinasyon eklenir böyle bir sayıya kadar.
Özetlemek gerekirse, her biri farklı istatistiksel özelliklere sahip bir sinyali veya görüntüyü etkileyebilecek birçok farklı gürültü türü vardır. Gauss gürültüsü, çok yaygın olduğu için özellikle önemli bir gürültü türüdür. Çan eğrisini (veya Gauss fonksiyonunu) takip eden bir histogram (daha kesin olarak bir olasılık yoğunluk fonksiyonu) ile karakterizedir. Daha fazla çalıştıkça, bunun da birkaç önemli istatistiksel özelliği olduğunu göreceksiniz.
Ayrıca bakınız:
ve bu web sitesinde ilgili diğer birçok soru.