Primero, permítame cuantificar lo que está preguntando con alguna notación.
El ruido es la diferencia entre la señal observada \ $ F (t) \ $ y la señal real verdadera, pero desconocida, llámela \ $ u (t) \ $.
Por lo general, asumimos que nuestras observaciones son imparciales. Es decir, si pudiéramos repetir la observación de la misma señal una y otra vez y promediar los resultados, podríamos recuperar la señal original \ $ u (t) \ $. Matemáticamente escribimos
$$ E (F (t)) = u (t). $$
Ahora el problema es que no podemos observar todos los \ $ F (t) \ $ posibles. De hecho, si \ $ u (t) \ $ no es periódico, solo podemos hacer una observación de nuestra señal (pero a muchos valores diferentes de \ $ t \ $).
Simplemente adivinando el problema dado que probablemente desee considerar un promedio móvil: es decir, desea estimar \ $ u (t_n) \ $ a través de "promediar" los \ $ m + 1 \ $ valores observados \ $ F (t_n), ...., F (t_ {nm}) \ $.
Ahora tu pregunta es comparar la calidad de los promedios
$$ e_ {avg} = \ frac {1} {m + 1} \ sum_ {i = 0} ^ m F (t_ {n-i}) $$
y
$$ e_ {rms} = \ sqrt {\ frac {1} {m + 1} \ sum_ {i = 0} ^ m F (t_ {n-i}) ^ 2}. $$
Qué estimación es mejor, entenderé cuál es la más probable, en promedio, de estar más cerca de \ $ u (t_n) \ $.
Dado que esto se está complicando un poco, quizás sea mejor probar un pequeño ejemplo. Considere el caso cuando \ $ u (t) = 0 \ $ y el ruido tiene una distribución normal estándar independiente. En este caso \ $ e_ {avg} \ $ is \ $ N (0, \ frac {1} {m + 1}) \ $ y \ $ e_ {rms} \ $ is \ $ \ chi_ {m + 1} PS Así que en promedio
$$ | e_ {avg} -u (t_n) | = | e_ {avg} | = \ frac {\ sqrt {2}} {(m + 1) \ sqrt {\ pi}} $$ y
$$ | e_ {rms} -u (t_n) | = | e_ {rms} | = m + 1. $$
En este ejemplo, podemos ver que \ $ e_ {avg} \ $ proporcionará una mejor estimación en promedio.
Ahora hay todo tipo de ruido que aparece en las señales. El ruido blanco de los efectos estocásticos, el ruido normal del error, el ruido de cuantificación de analógico a digital, etc., afectarán las distribuciones de probabilidad de \ $ e_ {avg} \ $ y \ $ e_ {rms} \ $.