| Intervalli di confidenza troppo stretti |
l'errore su \tau ha deviazione standard 3.7 volte l'errore standard calcolato: gli scarti casuali sono concentrati all'inizio del raffreddamento (dove la sensibilità a \tau è massima), quindi non stazionari (A14, A17) |
su 60 seed il \tau vero cade nell'intervallo al 95 % nel 73 % dei casi (88 su 120), con errori comunque sotto il 2 %. Provati e scartati: correzione a più lag di Bartlett (77 %) e stimatore sandwich HAC (≤ 62 %, peggio dell'attuale AR(1)). Non si risolve con un fattore di correzione scalare: servirebbe un modello dei disturbi |
assunzioni.md A14, A17 |
Il \sigma stimato ignora la parte lenta del rumore |
la derivata seconda elimina la deriva (A13) |
\sigma sottostimata di ≈ 0–25 % (rapporto stimato/vero 0.73–1.35, mediana 1.00); servono 8 campioni, sotto \sigma è «non stimabile» e l'adeguatezza non valutabile |
A13 |
| Il riscaldamento non è fittato |
2–4 campioni, meno dei parametri utili (A23) |
si riporta il salto \Delta: dai modelli adiacenti (errore medio +0.33 %, massimo 3.16 % su 124 salti), altrimenti dalla misura corretta con c, \tau del finale, altrimenti misurato sui campioni (per difetto, fino a ≈ 10–20 %) |
algoritmi.md §7 |
| Incertezze condizionate nei raffreddamenti intermedi |
c e \tau sono fissi, la loro incertezza non si propaga (A18) |
gli intervalli di A sono troppo stretti |
A18 |
| Nessun vincolo di continuità |
ogni dominio è indipendente (A11) |
gli intermedi non sono vincolati a combaciare col gradino |
A11 |
| Un solo esponenziale per raffreddamento |
modello esp_decad (A7) |
un raffreddamento con due processi (conduzione e convezione) non è descritto bene |
A7 |
| Gradini cercati su una sola serie |
serie_riferimento (A4) |
serie con gradini diversi richiedono due analisi |
A4 |
| Soglia dei gradini fissa e non derivata dai dati |
soglia_gradino_c = 20 °C assoluti in config (A5): un valore scelto a mano, non misurato sul file |
funziona perché sui 60 seed i gruppi di campioni in salita che non sono gradini arrivano al massimo a 2.1 °C (7 casi) e i gradini veri partono da 33 °C: la soglia sta in un vuoto di circa 16 volte. Va però adattata a gradini più piccoli di ≈ 30 °C o a scarti più grandi. Provato e scartato: usare la caduta massima come scala dei disturbi (le cadute arrivano a 57.8 °C per il raffreddamento veloce). Alternative oggettive non implementate: interruzione naturale tra le salite osservate (richiede almeno un gradino nel file) e persistenza della salita rispetto a \sigma (confonde un gradino piccolo con un disturbo); entrambe renderebbero gradino un salto isolato di 10 °C con rumore 0.1 °C, contro i test attuali |
configurazione.md, A5 |
| File senza gradini non validato sui dati generati |
gen_data produce sempre 1–3 gradini |
il caso «nessun gradino» (un solo riposo) è coperto solo da test sintetici; con rumore forte e senza gradini la soglia fissa evita falsi gradini, un criterio derivato dai dati dovrebbe gestirlo esplicitamente |
test.md |
| Validato solo su dati sintetici |
60 seed di gen_data (gradini, \tau, rumore e scarti sorteggiati): gradini 60/60, \tau con scarto quadratico medio 0.39 % (massimo 1.99 %), ampiezze A 0.59 % (massimo 2.14 %), nessun tratto indeterminato |
nessuna validazione su dati reali o su rumore molto diverso dagli intervalli del generatore |
test.md |
| Piccola sovrastima di $A$ |
il modello non include il ritardo di risposta del sensore (A25) |
A è sovrastimata di circa \tau_\text{sensore}/\tau \approx 0.5 % (misurato +0.45 % in media); \tau non è affetta |
A25 |
| «Non adeguato» sui raffreddamenti intermedi corti |
\sigma è stimata sui soli 8–30 campioni del tratto e c, \tau sono fissi ai valori del finale (A8): la scala robusta dei residui risulta 1.5–1.9 volte \sigma pur con il modello giusto |
in 10 raffreddamenti intermedi su 23 in 20 seed casuali (3 su 9 nel primo lotto, 7 su 14 nel secondo; 8–29 campioni, scala fino a 1.85 \sigma; altri 2 non valutabili perché troppo corti); i raffreddamenti finali sono sempre adeguati (0 casi su 140). \tau e A restano corretti: è un falso allarme del criterio, non un errore del fit |
algoritmi.md §6 |
| Modello del riposo non unico |
il segnale a riposo contiene l'assestamento dell'ambiente più una deriva lenta casuale (Ornstein-Uhlenbeck in gen_data): su 10–20 s la sua forma non è ricostruibile e T_C e dT_C possono avere modelli diversi |
su 120 riposi: costante 76, lineare 41, esp_decad 3; in questi 3 il \tau è incerto (IC 95 % da metà del valore in su, sempre su T_C). Né la correzione per l'autocorrelazione dei residui (n_\text{eff}, \bar\rho_1 \approx 0.1, cambia 4 scelte su 120) né una soglia sull'incertezza relativa risolvono senza un parametro scelto a mano |
assunzioni.md A10 |
| Tratti tra gradini troppo ravvicinati |
meno di n_min_punti_parametri_fissi (4) campioni, cioè gradini a meno di ≈ 1 s l'uno dall'altro (nel generatore la distanza minima è 1 s: nei 60 seed nessun caso) |
il raffreddamento tra i due gradini è indeterminato; i salti adiacenti usano la misura corretta con c, \tau del finale, o la sola misura |
configurazione.md |
