Parametri sorteggiati a ogni corsa: intervalli [min, max] per gradini, ambiente, rumore e salti

Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com>

docs/SPEC.md

@@ -19,16 +19,18 @@ t_ms,T_C,dT_C
 ## 2. Configurazione
 
 Tutti i valori sono in [`config.toml`](../config.toml) (unica fonte: questo documento non li ripete). Gruppi:
-tempi · ambiente (anche baseline di T) · rumore · gradini di riscaldamento e raffreddamento · variabilità tra corse · salti.
+tempi · ambiente (anche baseline di T) · rumore · gradini di riscaldamento e raffreddamento · salti.
 Nessun valore è scritto nello script: chiave mancante ⇒ errore.
 
+**Parametri casuali per corsa**: le chiavi scritte come intervallo `[min, max]` (ambiente `amb_inf_c`, `amb_A_c`, `amb_tau_s`; rumore `sigma_c`, `sigma_caldo_c`, `wander_*`; `k_raffreddamento_hz`, `tau_sensore_s`; frequenze e σ dei salti) vengono sorteggiate uniformi a ogni corsa (`[x, x]` = valore fisso). I gradini sono generati da `n_gradini` (intero, estremi inclusi, min ≥ 1), `t_primo_gradino_s`, `distanza_gradini_s` (tra gradini consecutivi) e `dT_gradino_c` (ampiezza di ciascuno). Intervallo non valido (non una coppia di numeri, o min > max) ⇒ errore.
+
 ## 3. Modello (5 passi)
 
 1. **Tempi**: `t_i = t_{i−1} + dt_ms + U(−jitter_ms, +jitter_ms)`, fino a `durata_s`.
 2. **T vera** = ambiente vero + eccesso termico (T parte da `T_amb`, sale con i gradini e ridiscende fino a `T_amb`):
    - ambiente vero `B(t) = amb_inf + amb_A·exp(−t/τ_amb)` (stessa curva del passo 5, senza rumore né quantizzazione);
-   - eccesso `x(t) = Σ_j ΔT_j · exp(−k·(t − t_j))` per `t ≥ t_j` (un gradino per ogni `t_impulsi_s`, poi raffreddamento esponenziale);
-   - **variabilità**: a ogni corsa istanti, ampiezze e `k` dei gradini sono perturbati a caso (σ in `impulsi_jitter_*`, `k_jitter_rel`), quindi la forma cambia con il seed;
+   - eccesso `x(t) = Σ_j ΔT_j · exp(−k·(t − t_j))` per `t ≥ t_j` (un gradino per ogni istante sorteggiato, poi raffreddamento esponenziale);
+   - **variabilità**: a ogni corsa numero, istanti e ampiezze dei gradini, `k`, ambiente, livelli di rumore e frequenza dei salti sono sorteggiati dagli intervalli di config, quindi curva, picco e rumore cambiano molto con il seed;
    - **salti** (stocastici, scarti casuali con rientro `exp(−t/τ)`, come i gradini irregolari osservati su un sensore reale):
      durante il **riscaldamento** (tra il primo e l'ultimo gradino) con `salti_risc_*`, ampiezza `N(media, σ²)` nei due versi;
      durante il **raffreddamento** (dopo l'ultimo gradino, mentre `x ≥ salti_x_min_c`) con `salti_*`; istanti di tipo Poisson in entrambi i casi; ampiezza limitata a ±`salti_max_c` (niente scarti estremi);
@@ -55,21 +57,21 @@ python genera.py config.toml -o out.csv               # percorso a scelta, seed
 python genera.py config.toml -o - > out.csv           # stdout
 ```
 Opzioni: `config` (posizionale), `-o/--output` (default `output/gen_<seed>.csv`, cartella creata se manca; `-` = stdout), `--seed` (default: casuale, stampato su stderr).
-Uscita con errore (exit 1) e messaggio in italiano se manca una chiave, se `t_impulsi_s` e `dT_impulsi_c` hanno lunghezze diverse
+Uscita con errore (exit 1) e messaggio in italiano se manca una chiave, se un intervallo `[min, max]` non è valido
 o se il file non è scrivibile. La lettura TOML usa `tomllib` (standard library): unica dipendenza esterna `numpy`.
 
 ## 5. Controlli di accettazione (con la configurazione d'esempio)
 
-Verificati su 30 seed (valori min–max; picco e `T`/`ΔT` finali dipendono dalla variabilità dei gradini e dai salti):
+Verificati su 60 seed (valori min–max; con parametri sorteggiati gli intervalli sono larghi, ma `T` e `ΔT` restano coerenti con ambiente e rumore della corsa):
 
 | Controllo | Atteso |
 |---|---|
-| `T` a inizio run | ≈ `T_amb` (≈ 22.65 °C) |
-| Rumore a freddo: `std(diff(T))/√2` prima del primo gradino (~15 s) | 0.09 – 0.13 |
-| Picco di `T` | 197 – 209 °C |
-| `T` a fine run | ≈ `T_amb`: 23.1 – 23.7 °C |
-| `ΔT` a inizio run | ≈ 0 °C (solo rumore) |
-| `ΔT` a fine run | 0.3 – 0.65 °C (residuo del raffreddamento) |
+| `T` a inizio run | ≈ `T_amb` della corsa (20.1 – 26.2 °C) |
+| Rumore a freddo: `std(diff(T))/√2` prima del primo gradino (~15 s) | 0.06 – 0.19 (segue `sigma_c` sorteggiato) |
+| Picco di `T` | 66 – 227 °C (dipende da numero e ampiezza dei gradini) |
+| `T` a fine run | ≈ `T_amb` della corsa: 20.0 – 26.4 °C |
+| `ΔT` a inizio run | ≈ 0 °C (solo rumore): −0.18 – 0.15 |
+| `ΔT` a fine run | −0.08 – 1.6 °C (residuo del raffreddamento) |
 | Intervalli `dt` | tutti in `dt_ms ± jitter_ms` (prima di arrotondare `t_ms` a intero: nel CSV le differenze sono 149–152) |
 | Stesso `--seed` e stessa config | file identico |