Tỷ số Tín hiệu trên Nhiễu (SNR)
Để đo lường mức độ ổn định của một quá trình ngẫu nhiên, chúng ta định nghĩa tỷ số tín hiệu trên nhiễu đo đạc là:
$$r = \frac{|\mu|}{\sigma}$$
Khi tổng hợp $n$ quan sát độc lập, ảnh hưởng tương đối của độ lệch chuẩn ($\sigma$) sẽ giảm dần. Điều này giúp giá trị trung bình cơ bản ($\mu$) hiện lên từ nhiễu. Trong kỹ thuật, đó là lý do vì sao việc lấy trung bình các phép đo cảm biến tạo ra một tín hiệu "sạch" từ dữ liệu "bẩn".
Cơ sở lý thuyết của Định lý Weierstrass
Tại sao chúng ta lại kỳ vọng sự ổn định như vậy? Định lý Weierstrass trong phân tích cung cấp một cơ sở lý thuyết sâu sắc. Nó chứng minh rằng bất kỳ hàm liên tục nào cũng có thể được xấp xỉ đều bằng các đa thức. Cụ thể hơn, đa thức Bernstein được xây dựng dựa trên chính logic của trung bình nhị thức, cho thấy hành vi tập thể của các dao động ngẫu nhiên hội tụ về hàm trơn cơ bản.
Sự ổn định được biểu diễn qua sự hội tụ của tỷ lệ. Khi số lần thử nghiệm $n$ tiến đến vô cùng, mối quan hệ giữa các lần thử và tổng tích lũy $S_n$ sẽ ổn định:
$$r = \lim_{n \to \infty} \frac{n}{S_n} = \frac{1}{\mu}$$
Ví dụ: Giám sát Lò Phản ứng Hóa học
Xét một cảm biến đo nhiệt độ của một lò phản ứng hóa học. Một phép đo đơn lẻ rất "nhiễu" do dao động nhiệt và nhiễu điện tử. Tuy nhiên, khi giảng viên lấy trung bình của 1.000 phép đo, các sai số cá nhân (tính ngẫu nhiên) sẽ triệt tiêu lẫn nhau. Quá trình này thực sự làm tăng tỷ số tín hiệu trên nhiễu (SNR), chuyển từ một điểm dữ liệu "ngẫu nhiên" sang một biểu diễn "ổn định" của nhiệt độ thực tế.