计算机测得的变量是“离散量”。即使现实世界的值改变了，它们仍保持不变直至下一个采样周期。
计算机变量也是“数字量”——用有限长的数字串或位串来表述。“数字化”限制了现实世界的模拟变量被计算机以数字化形式存储时的精度。
左图显示的是计算机对现实世界的变量进行离散化和数字化后出现误传的极端情况。
离散化后的变量反映出原真实变量的大致形状，没有了平滑曲线。同时离散化后的变量滞后于其对应部分的模拟量，因为它的值只能在模拟量改变后才会跟着改变。数字化的图片显示了计算机的精度是如何被进一步降低的。因为此变量不仅受到变化次数的影响，还受制于其可假定的值。
绿线（上图）表示记录在条形图上的模拟变量。
蓝线（中图）表示同一个变量被离散化后在每一个采样周期内保持不变。
红线（底图）表示具有3 位存储寄存器的计算机如何对已经离散化
的变
量进行数字化。其值被近似成0～7 之间最近的整数。 幸运的是，今天的计算机具有更短的采样周期和更高的存储精度，这可以极大的降低离散化和数字化的影响。
虽然一般来说，采样越快越有利，但对反馈控制器而言，并没有必要总是对过程变量尽可能快地采样。同样，过高的精度也不一定能使控制器取得理想的闭环性能。
再来看一下图示中的例子，假设模拟变量代表的是一些受控的压力、温度或流量。一般情况下，这些现实世界中的变量不会突然改变。惯性和摩擦会试图限制其波动而使曲线平滑、连续。
用数学术语来讲，这些变量被认为具有有限的带宽。也就是说，变量看起来更像是低频正弦波而不是高频正弦波。在这种情况下，著名的尼奎斯特（Nyquist）定理就指出对某一变量的采样率超过一定的剪切值时就是对计算效率的浪费。在此剪切频率下采集的样已经包含了从已采集的数据对原始信号进行彻底重组所必需的所有信息。增加采样时间而额外获得的样值并不会给控制器带来更多此取样信号的有用信息。
在这个例子中，模拟变量看起来像个正弦波。约8秒时间完成了两个振幅不断变化的周期。因此，信号的带宽大约在每秒0.25个周期左右。尼奎斯特（Nyquist）定理会将剪切频率定在两倍于此值，也就是说每秒0.5个采样（或者每两秒一个采样）的采样时间可足够收集此信号中包含的所有有用信息。因此，“离散化”图中的采样率（每秒一次样）应该是足够快的了。
将控制器存储精度限制在适度水平是比较容易实现的。现实世界的过程变量往往搀杂一些因测量噪声生成的外延，这样即使在被采样并贮存之前数据的精度也已受到限制。在这种意图下使用高精度存储寄存器就是浪费。
