噪声是随机的，但与大多数随机现象一样，它遵循一定的模式。不同的图案有不同的名称。

考虑掷骰子。这显然是随机的。滚动骰子 1000 次，跟踪每个结果。然后，计算结果的直方图；你会发现你得到 1、2、3、4、5 和 6 的次数大致相同。这种模式称为“均匀”，掷骰子可以通过“均匀随机变量”来建模。

可以用热噪声重复相同的实验。加热电阻器，放大产生的电压并多次测量其瞬时功率。然后计算直方图。这一次，您将找不到统一的直方图；它将呈钟形曲线形状，接近零的值比远离零的值更常见。这种直方图被称为高斯，在 KF 高斯之后。

高斯随机现象在自然界中非常普遍。事实证明，只要你观察到的随机事物是许多独立随机事件的集合，整个随机变量就是高斯的（这在技术上称为中心极限定理）。在热噪声的情况下，您正在测量由热量激发的数百万或数十亿随机振荡电子的总效应。

有一种更简单的方法可以在家中创建高斯随机性（或在计算机中模拟）：取许多骰子，比如 100 个，多次投掷，并记录每次投掷的总和。如果您再次找到直方图，您会看到它遵循钟形曲线。原因很容易理解：如果有 100 个骰子，你不太可能得到 100 的总数（所有骰子都必须落在 1 中），但是很容易得到 350 左右的数字，因为许多不同的组合加起来达到这样的数量。

总而言之，有许多不同种类的噪声会影响信号或图像，每种噪声都具有不同的统计特性。高斯噪声是一种特别重要的噪声，因为它非常普遍。它的特征在于遵循钟形曲线（或高斯函数）的直方图（更准确地说，是概率密度函数）。随着您对它的深入研究，您会发现它还具有其他几个重要的统计特性。

也可以看看：

• 为什么通常使用高斯噪声？
• 高斯噪声是什么样的？

以及本网站上的许多其他相关问题。

它以极具影响力和著名的讲德语的数学家卡尔弗里德里希高斯的名字命名，他生活在 18 世纪和 19 世纪，并影响了早期统计数据，其中高斯分布（正态分布）与中心极限定理、总和或如果基础分布足够好，足够多的等分布随机数的平均值将（接近）高斯分布（实际上它需要是相当讨厌的行为分布，否则它不是真的）。

在发音 Gauss 时，如果您以 ag 开头，其余部分会像老鼠一样继续前进，但在英语世界中，通常鼠标中的“ou”会变成德语“你好”中的“o”。