Rasio Sinyal terhadap Gangguan (SNR)
Untuk mengukur stabilitas proses acak, kita mendefinisikan rasio sinyal terhadap gangguan pengukuran sebagai:
$$r = \frac{|\mu|}{\sigma}$$
Seiring kita menggabungkan $n$ pengamatan independen, dampak relatif simpangan baku ($\sigma$) berkurang. Ini memungkinkan rata-rata dasar ($\mu$) muncul dari gangguan. Dalam teknik, inilah sebabnya mengapa rata-rata pembacaan sensor menghasilkan sinyal "bersih" dari data "kotor".
Justifikasi Teorema Weierstrass
Mengapa kita harus mengharapkan stabilitas seperti ini? Teorema Weierstrass analisis memberikan justifikasi teoretis yang mendalam. Ia menunjukkan bahwa fungsi kontinu apa pun dapat didekati secara seragam oleh polinomial. Secara khusus, polinomial Bernstein dibangun menggunakan logika rata-rata binomial itu sendiri, menunjukkan bahwa perilaku kolektif fluktuasi acak berkonvergen menuju fungsi halus di bawahnya.
Kestabilan diekspresikan melalui konvergensi proporsi. Seiring jumlah percobaan $n$ tumbuh hingga tak hingga, hubungan antara percobaan dan jumlah akumulasi $S_n$ menjadi stabil:
$$r = \lim_{n \to \infty} \frac{n}{S_n} = \frac{1}{\mu}$$
Contoh: Pemantauan Reaktor Kimia
Pertimbangkan sensor yang mengukur suhu reaktor kimia. Pembacaan tunggal sangat "berisik" karena fluktuasi termal dan gangguan elektronik. Namun, saat instruktur mengambil rata-rata dari 1.000 pembacaan, kesalahan individu (ketidakpastian) saling meniadakan. Proses ini secara efektif meningkatkan SNR, berpindah dari satu titik data "acak" menjadi representasi "stabil" dari suhu sebenarnya.