Nu gaan we kijken wat dit betekent voor de ruis in de stacks als we alleen voor lokatie normaliseren. In dit geval wordt de achtergrond niet geneutraliseerd middels de lokatie waardes, want dan worden de kanalen met een multiplier aangepast en dat veranderd de MRS ruis waardes ook weer.
1a) normalisatie alleen voor lokatie en de PI stack als referentie
MRS ruis :
———-
Pi stack:
rood noise 1.7387604981816365E-4 percentage 21.52440434883183 scales 4
groen noise 1.4563851524116464E-4 percentage 37.826740689336106 scales 4
blauw noise 1.5878846496809418E-4 percentage 28.9440203562341 scales 4
DSS stack
rood noise 3.359768775582393E-4 percentage 11.857900658212941 scales 4
groen noise 2.01182926152243E-4 percentage 27.703562340966922 scales 4
blauw noise 1.9881154102635172E-4 percentage 30.01387925052047 scales 4
1b) normalisatie alleen voor lokatie en de DSS stack als referentie
MRS ruis :
———-
Pi stack:
rood noise 1.7388137986821465E-4 percentage 21.52440434883183 scales 4
groen noise 1.4563852790994107E-4 percentage 37.826740689336106 scales 4
blauw noise 1.5878846471429334E-4 percentage 28.9440203562341 scales 4
DSS stack
rood noise 3.3597687754919237E-4 percentage 11.857900658212941 scales 4
groen noise 2.0118292601146981E-4 percentage 27.703562340966922 scales 4
blauw noise 1.988115330530015E-4 percentage 30.01387925052047 scales 4
Wat valt op? we zien dat de ruis in alle drie de kanalen in de PI stack lager is, en we zien ook dat data normalisatie enkel voor lokatie geen enkel effect heeft op de ruis. Want bij verschillende referenties, vinden we dezelfde ruiswaardes binnen de meet onzekerheid.
Maar we weten ook inmiddels door het bekijken van de plaatjes, dat enkel normaliseren voor lokatie geen goede vergeliijking geeft voor het vergelijken van ruis waardes. We moeten normaliseren voor dispersie om een goede ruis vergelijking te kunnen maken.