Предположим, у меня есть массив 2D-данных с количеством отсчетов в каждом пикселе (т. е. это массив изображений). Предположим, у меня есть еще один сопоставленный массив данных той же формы 1-1, который дает гауссово стандартное отклонение 1-сигма в количестве отсчетов в каждом пикселе изображения (т. е. это массив ошибок).
Если я выполняю фотометрию с круговой апертурой, я просто вычисляю -2,5 * log10 (сумма счетчиков в пределах апертуры) + величина Zeropoint.
С другой стороны, для неопределенности величины моей величины апертуры я читал, что я должен вычислить квадратурную сумму ошибок в пределах моей апертуры, а затем вычислить относительную неопределенность потока как отношение моей квадратурной суммы неопределенности, деленное на мои измеренные отсчеты по изображению, а затем ошибка величины = 2,5 * log10 (1 + относительная неопределенность потока).
Почему неопределенности должны быть квадратурно суммированы ( ), а не просто суммировать, как я делаю со значениями пикселей изображения? Квадратурная сумма дает меньшую погрешность, но реалистично ли это? Кроме того, я подчеркиваю, что мои массивы данных представлены в единицах счета (т. е. ADU), а не в электронах.
Потому что неопределенности количества отсчетов, обнаруженных в каждом пикселе, считаются независимыми. Это означает, что некоторые из них выше, чем «истинное значение» (скорость счета, которую вы бы измерили, если бы наблюдали в течение бесконечно долгого времени), в то время как другие ниже. В какой-то степени эти независимые неопределенности будут компенсированы, и в конечном итоге для нормально распределенных ошибок правильным протоколом будет то, что вы описали.
Возможно, хороший способ увидеть это состоит в том, что вы провели 100 независимых измерений одного и того же объекта, каждое со своей собственной, примерно одинаковой неопределенностью. Если бы я спросил, какова неопределенность среднего значения, вы бы не просто сложили все ошибки и не разделили на 100, потому что это дало бы неопределенность, идентичную неопределенности отдельного измерения. Вместо этого вы должны вычислить квадратурную сумму неопределенностей и разделить ее на 100, что уменьшит неопределенность среднего значения в 10 раз. .
квантовая вспышка
ПрофРоб
квантовая вспышка