White noise

學過統計的人對white noise一定不陌生，因為通常我們都假定模型中解釋變數所不能解釋的部分為white noise。White noise有兩個特色，第一是無法預測，第二是它的跳動對被解釋變數的淨影響為零。簡單講就是隨機，但也許它只是看起來無異於隨機，以致於讓我們無法分辨罷了。怎麼說呢？我認為white noise要傳達的意義遠比「隨機」更多。

White noise，白色的噪音，這名字本身就很怪。故事要先回推到牛頓在某次實驗中，用稜光鏡證明了白色只是所有顏色摻雜後的結果，白色並不存在。而後聲學將此概念拿去用，定義背景聲音（無聲）為所有波長的聲波混雜後的結果。於是取了white noise這樣的名字。

因此當統計學家借走white noise時，它的意思應該是：如果能找到牛頓那一只稜光鏡，便可以分離出那一團殘差項的真實顏色（原來混合了56種色塊），只是我們沒有稜光鏡，也想不出牛頓那美麗的實驗設計，因此只好將它們視為白色。

姑且如此其實不礙事，不知道世間有彩虹還是可以活得很好，但科學家就是想窺探白光中的美麗。因此統計學家也應該知道，白色並不存在。