Estoy midiendo anchos equivalentes de líneas de absorción usando un espectro de una estrella. Tomo dos o tres medidas de cada línea haciendo ajustes gaussianos razonables de la línea con la herramienta splot de IRAF. Luego calculo la media de las medidas, que sirve como mi estimación de ancho equivalente final.
¿Cuál es una buena manera de estimar la incertidumbre de esta medida?
Actualmente estoy usando la mitad del rango para la incertidumbre. Por ejemplo, si hice dos mediciones de 10 y 16 mA (milliangstrom), entonces la media es 13 mA y la incertidumbre es 3 mA. Esto da una estimación del ancho equivalente de 13±3 mA. ¿Ve algún problema con este método de estimación de la incertidumbre?
Sí, hay un problema. ¿Parece estar tratando de derivar una incertidumbre en la medición de EW haciendo mediciones repetidas de los mismos datos?
Esto solo puede brindarle la incertidumbre asociada con su técnica de medición (es decir, dónde define los límites de la línea y cómo establece el nivel continuo), el error sistemático que podría llamarlo (aunque puede haber otros errores sistemáticos inherentes a las mediciones EW , como si restó el cielo o dispersó la luz en su espectrógrafo correctamente, por ejemplo).
Lo que no hace es evaluar la incertidumbre en el EW provocada por la calidad o relación señal/ruido de los propios datos. Puede evaluar esto usando algunas fórmulas de regla empírica para una línea gaussiana, por ejemplo
Si esta incertidumbre estadística no es despreciable, entonces deberá agregarla a cualquier incertidumbre sistemática asociada con su análisis del espectro. En lo que respecta a esto último, su método sugerido da alguna indicación de cuál podría ser ese error, aunque sospecho que sobreestimará la incertidumbre de 1 sigma.
Estimando la incertidumbre... la más preferida sería bayesiana. Sin embargo, si sigue al frecuentador, MCMC es el más preferido, y sería algo similar a lo que sugirió su asesor con un algoritmo más complicado. El método más simple sería el que sugirió su asesor, pero puede medir un tamaño de muestra más grande y usar estadísticas simples como la media y el error estándar.
Hay varias variaciones en este sentido que no haría una lista aquí.