Wir haben im Labor ein Experiment durchgeführt (in Bezug auf magnetische Domänenwände), das einige Bilder ergab, die wir später analysiert und in Matlab manipuliert haben (wir haben ein RGB-Bild genommen, das in Graustufen und dann in BW umgewandelt wurde. Anschließend haben wir den Prozentsatz der weißen Pixel herausgerechnet der Gesamtzahl der Pixel im Bild).
Es gibt zwei Hauptfehler, die wir bei dieser Methode sehen:
1) Einige Verunreinigungen und Staub, die sich auf dem Mikroskop-Objektträger befanden (Fehler von etwa 3 %). Was ich damit meine ist, dass ich 3% der weißen Fläche berechne, wenn ich theoretisch 0% (alles Schwarz) erhalten sollte.
2) Die oben beschriebene Methode ist nicht perfekt und abhängig von den Schwellenwerten, die wir in den Matlab-Funktionen wählen, erhalten wir eine andere Fehlerquelle (Fehler von etwa 8%). Damit meine ich, dass Sie, wenn Sie den Schwellenwert ein wenig ändern, einen um etwa 8 % anderen Weißbereichsprozentsatz erhalten.
Meine Frage lautet: Was ist der richtige Weg, um diese beiden unabhängigen Fehler zu kombinieren? Was wird der Fehlerbalken einer solchen Messung sein?
Ich vermute, dass das Summieren der Prozentsätze nicht der richtige Weg ist, damit umzugehen.
Ein Beispiel zur weiteren Verdeutlichung. Nehmen wir an, ich mache ein Bild, lasse es diesen Prozess durchlaufen und erhalte 56 % des weißen Bereichs. Ich weiß, dass ich einen 3%igen Fehler von Staub und einen 8%igen Fehler von Matlab habe. Sollte der Endwert (mit einem Fehlerbalken) 56 % betragen 11% oder muss ich die beiden Fehler anders berücksichtigen?
Was die staubigen Objektträger betrifft, so handelt es sich um einen systematischen Fehler, den Sie durch eine Kalibrierung des Instruments korrigieren sollten. Sie messen also einen weißen Pixelprozentsatz, , können Sie es korrigieren, indem Sie:
Wo
ist der Staubkorrekturfaktor.
Das ist eine systematische Korrektur, kein Fehler. Die Frage ist dann, was die Unsicherheit ist ? Wenn der Staub zufällig ist, können Sie 10 Messungen desselben Gegenstands durchführen und erhalten eine Standardabweichung, die dann die Unsicherheit des Korrekturfaktors ist. . Wenn der Staub fixiert ist, kann er mit dem Muster korrelieren und zu systematischen Verzerrungen führen, die davon abhängen, was Sie zu messen versuchen.
Ich bin mir nicht sicher, ob ich die Quelle Ihrer MatLab-Korrektur verstehe:
Angenommen, es ist ein Ergebnis des Algorithmus (Sampling usw.), können Sie bekannte simulierte Ergebnisse in den Algorithmus eingeben und sehen, was dabei herauskommt. Daraus erhalten Sie einen Korrekturfaktor und eine Unsicherheit (wieder basierend auf der Standardabweichung der beobachteten Korrekturfaktoren).
Kombinieren Sie die Ergebnisse über:
Wo
ist der Gesamtkorrekturfaktor.
Dann
Wo wird durch Kombinieren der Unsicherheiten auf übliche Weise berechnet.
Dieses Dokument fasst gut zusammen, wie Fehler aus mehreren Quellen behandelt werden (Fehlerfortpflanzung genannt). Grundsätzlich erlaubt es Ihnen, den Fehler weiter zu berechnen wenn man die Fehler kennt Und . Was genau Sie tun müssen, hängt von den Gleichungen und Formeln ab, die Sie verwenden (wie kommt drauf an Und ), aber der Link durchläuft die häufigsten Fälle ( , , usw). In Ihrem Fall könnte die Herausforderung darin bestehen, diese numerischen Fehler bestimmten Parametern in Ihren Gleichungen zuzuordnen, aber sobald dies erledigt ist, sollte der Link Sie den Rest des Weges führen.
JEB
Daniel Chausowski