#1 楼
噪声是随机的，但像大多数随机现象一样，它遵循一定的模式。不同的图案使用不同的名称。考虑滚动模具。这显然是随机的。将骰子滚动1000次，跟踪每个结果。然后，计算结果的直方图；您会发现1、2、3、4、5和6的次数大约相同。这种模式称为“均匀”，可以用“均匀随机变量”来模拟掷骰子。
可以用热噪声重复进行相同的实验。加热电阻，放大产生的电压，并多次测量其瞬时功率。然后计算直方图。这次，您将找不到统一的直方图；它的形状像钟形曲线，接近零的值比远离零的值更常见。这种直方图在K. F.高斯之后被称为高斯。
高斯随机现象在自然界中非常普遍。事实证明，只要您观察到的随机事物是许多独立的随机事件的集合，总的随机变量就是高斯（技术上称为中心极限定理）。对于热噪声，您正在测量受热激发的数百万或数十亿个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（或在一台计算机）：拿很多骰子，比如100个，扔很多次，并跟踪每次扔的总和。如果再次找到直方图，您会发现它遵循钟形曲线。原因在直观上很容易掌握：使用100个骰子，您很难获得100个骰子（所有骰子都必须落在1个骰子中），但是很容易获得350个左右的数字，因为许多不同的组合会增加直到这样一个数字。
总而言之，有多种不同的噪声会影响信号或图像，每种噪声具有不同的统计属性。高斯噪声是一种非常重要的噪声，因为它非常普遍。它的特征是遵循钟形曲线（或高斯函数）的直方图（更确切地说是概率密度函数）。随着研究的深入，您会发现它还具有其他一些重要的统计特性。
另请参见：
为什么通常使用高斯噪声？
高斯噪声是什么样子？
以及本网站上的许多其他相关问题。
评论
$ \ begingroup $
好总结。高斯随机变量还具有一些独特且经常有用的属性。例如，一个是两个独立的高斯随机变量的和也是高斯分布的。
$ \ endgroup $
–Jason R
16 Mar 16 '16 at 0:59
$ \ begingroup $
@JasonR谢谢！你当然是对的；最后，当我提到更深入地研究高斯RV时，我暗示了这种事情。我以为我的回答已经足够长了。
$ \ endgroup $
– MBaz
16 Mar 16 '16 at 1:06
#2 楼
它以极具影响力和著名的德语数学家卡尔·弗里德里希·高斯（Carl Friedrich Gauss）的名字命名，他生活在18世纪和19世纪，并受到早期统计的影响，其中高斯分布（正态分布）与中心极限定理，和或如果基础分布足够好，则足够的均等分布随机数的平均值将是（接近）高斯的（在实践中，它必须表现得很讨厌才能使分布不成立）。在发音高斯语中，如果您以ag开头，其余部分会像鼠标一样运转，但是在英语世界中，鼠标中的“ ou”通常变为德语“ hallo”中的“ o” 。
评论
$ \ begingroup $
发布后仅一秒钟，我似乎就自动受到否决，有人可以检查吗？这是个常见的问题吗？
$ \ endgroup $
–宏线程
16 Mar 16 '16 at 8:30
$ \ begingroup $
连mod都无法看到降低投票率。.放心，如果它是系统的，那么您的代表将被恢复。无论如何，我都会+1。 :-)
$ \ endgroup $
– Peter K.♦
16 Mar 16 '16 at 11:51
评论
噪声是一个随机过程，一个随机过程$ x（t）$或$ x [n] $是每个$ t $或$ n $的随机变量$ X_t $或$ X_n $的集合。如您所知，随机变量的特征在于其概率密度函数（pdf），例如均匀，伯努利，二项式，多项式，泊松，指数，瑞利，伽马和高斯。现在，如果与随机过程相关的随机变量的集合都具有高斯类型的pdf，则该过程称为高斯随机过程。