test n1

report.md

@@ -19,3 +19,41 @@ Questo approccio tiene conto del campionamento non uniforme: ogni campione pesa
 | T ambiente minima | 22.60 °C |
 | T ambiente massima | 23.80 °C |
 | **T ambiente media ponderata** | **22.99 °C** |
+
+---
+
+## Fit esponenziale del raffreddamento
+
+### Contesto
+
+Dopo il picco termico, la scatola raffredda verso la temperatura ambiente seguendo un andamento esponenziale. A partire da **t₀ = 117.5 s** (inizio della fase di raffreddamento) è stato eseguito un fit con il modello di Newton per il raffreddamento:
+
+$$T(t) = T_{\infty} + A \cdot e^{-\frac{t - t_0}{\tau}}$$
+
+### Parametri del modello
+
+| Parametro | Descrizione | Valore |
+|---|---|---|
+| $T_{\infty}$ | Temperatura di equilibrio (fissata) | 22.99 °C |
+| $t_0$ | Inizio finestra di fit (fisso) | 117.5 s |
+| $A$ | Sovratem­peratura iniziale rispetto all'ambiente | **154.94 °C** |
+| $\tau$ | Costante di tempo del raffreddamento | **17.12 s** |
+
+### Metodo
+
+Nonlinear Least Squares con metodo **Trust Region Reflective (TRF)** (`scipy.optimize.curve_fit`).
+Vincoli imposti: $A > 0$, $\tau > 0$.
+
+### Bontà del fit
+
+| Metrica | Valore |
+|---|---|
+| $R^2$ | **0.9981** |
+
+Il coefficiente di determinazione $R^2 = 0.9981$ indica che il modello esponenziale spiega il **99.81 %** della varianza dei dati di raffreddamento: il fit è eccellente.
+
+### Grafico
+
+![Fit raffreddamento esponenziale](fit_raffreddamento.png)
+
+*Dati raw `temp_obj IR [C]` (blu) e curva di fit esponenziale (rosso tratteggiato) a partire da t = 115 s.*