¿Qué tan preciso puedo obtener mediciones de temperatura si muestro repetidamente los datos de un sensor PT100? [Suponiendo que tengo un convertidor de 16 bits]? ¿Cuáles son los límites de precisión y repetibilidad? ¿Aumenta la precisión como la raíz cuadrada del número de muestras?
Los límites incluyen la precisión del sensor (calibración e intercambiabilidad a las temperaturas de interés), autocalentamiento del sensor, acoplamiento del sensor a lo que está tratando de medir, efecto del sensor en lo que está tratando de medir (la entrada de calor o la pérdida de calor, por ejemplo), la calibración del instrumento y los cambios en eso con factores ambientales y ambientales, y el ruido.
El ruido (incluido el ruido de cuantificación) es el único que puede mejorar promediando las mediciones, y no necesariamente eso, dependiendo del tipo de ruido.
La mayoría de las fuentes de errores son sistemáticas, por lo que puede obtener una medición de muy bajo nivel de ruido de un valor que no es muy preciso.
La precisión de su DAC es una comparación de la salida real de un DAC con la salida esperada. Se expresa como un porcentaje del voltaje de salida a escala completa o máxima. Por ejemplo, si un convertidor tiene una salida de escala completa de 10 V y la precisión es de ± 0,1%, entonces el error máximo para cualquier voltaje de salida es (10 V) (0,001) = 10 rnV. Idealmente, la precisión debería ser, como máximo, ± '/ 2 de un LSB. Para un convertidor de 16 bits, 1 LSB es 1/65536 = 0.000015 (0.0015% de la escala completa). La precisión debe ser de aproximadamente ± 0.2%.
en wiki te dan una relación entre el tamaño de la muestra y la precisión: enlace . "Los tamaños de muestra más grandes generalmente llevan a una mayor precisión al estimar parámetros desconocidos. Por ejemplo, si deseamos conocer la proporción de ciertas especies de peces que están infectadas con un patógeno, generalmente tendremos una estimación más precisa de esta proporción si muestreado y examinado 200 en lugar de 100. Varios hechos fundamentales de las estadísticas matemáticas describen este fenómeno, incluida la ley de los grandes números y el teorema del límite central.
En algunas situaciones, el aumento en la precisión para tamaños de muestra más grandes es mínimo, o incluso inexistente . Esto puede deberse a la presencia de errores sistemáticos o una fuerte dependencia en los datos, o si los datos siguen una distribución de cola pesada ".
Lea otras preguntas en las etiquetas sensor temperature