Como propagar a incerteza de calibração?
Marginalizar uma correção aditiva gaussiana e interpretar o efeito na variância.
Minhas anotações
Modele uma leitura como , em que é o erro estatístico gaussiano e é o deslocamento de calibração. O dado condiciona a soma. Para inferir , integre a densidade conjunta sobre todos os valores de ponderados pela sua distribuição de calibração.
Exemplo resolvido
Para e , uma leitura tem desvio marginal 5. Se quatro leituras partilham o mesmo e têm erros estatísticos independentes, o desvio da média é . Repetir a leitura reduz a componente estatística. A correlação criada pela calibração comum mantém sua contribuição no valor médio.
Explore a relação
Leia o gráfico
Valores em tabela
Verifique sua compreensão
Exercício
Para guardar
Uma calibração comum propaga incerteza correlacionada e exige marginalização conjunta.
Referência
Sanjib Sharma, Markov Chain Monte Carlo Methods for Bayesian Data Analysis in Astronomy ↗Estudo de caso do NEXO · sensibilidade de um ajuste à seleção de redshift ↗