Step6
センサの温度ドリフトの標準不確かさは、センサ校正温度およびセンサの温度係数から温度がどれくらいドリフトしたかに関係します。この例では、AutoCalが実施された直後ですので、温度は全くドリフトしておらず、センサ温度ドリフト不確かさは“0”であると仮定する事ができます。

Step7
この例では相対的に低いレベルの測定の為、センサのノイズによる要素を考える必要があります。フィルタリング機能の数値として初期値を用いたと仮定します。
また、信号レベルは－55dBm(3.16nW)です。51075センサのRMSノイズは30pWです。ノイズの標準不確かさは、これら2つの値の比です。

Step8
センサのゼロドリフトの算出法は、ノイズの計算式と似ています。センサのゼロドリフトは、51075センサ用のデータシートでは100pWのため、AutoCalを実施した直後であると、センサのドリフトは小さいので半分の50pWと考えます。

Step9
センサ校正係数(Cal Factor)の標準不確かさは、周波数が10.3GHzになっている為、10GHzと11GHzの中庸を取って計算する必要があります。
10GHzにおける校正係数は4.0%であり、11GHzにおいては4.3%の為、以下の式でセンサの校正係数の標準不確かさを計算します。

ここで【F=10.3、F1=10.0、F2=11.0、CF1=4.0、CF2=4.3】ですので、

Step10
今、個々の標準不確かさが算出されたため、これら値を用いて不確かさの“バジェットシート”を作成し、合成標準不確かさUcと拡張不確かさUを求めます。

この例から、不確かさへ影響させる大きな要素の2つは、信号源の不整合とセンサのCalFactorの標準不確かさである事がわかります。

その他に注意すべきは、拡張不確かさは、最も悪い場合の約1.6倍というところです。不確かさにおけるこの2つの大きな要素は、測定周波数が低ければ取り除かれます。
また、1つの項が大きい場合(例えば、低いレベルの測定が行われ、かつ、ノイズのバラつき要素が全体の30%の場合)、拡張不確かさは最も悪い場合の値に近づくと考えます。