Dichiarazione delle incertezze e covarianza fisica

In GX-TXT, digitalizzare una curva significa ricavare punti scientifici a partire dai pixel di un’immagine calibrata. Le coordinate ottenute non contengono automaticamente un’informazione sulla loro incertezza: il solo fatto che l’immagine abbia una determinata risoluzione o uno spessore visibile non consente di stabilire quanto sia incerta una misura.

Il Curve Digitalizer distingue nessuna incertezza dichiarata, incertezze standard fisiche assegnate esplicitamente e incertezze di localizzazione e calibrazione propagate numericamente. Questa guida illustra la loro differenza e mostra come leggere i risultati di CURVE_DIGITIZER_UNCERTAINTY_API_v1, il servizio numerico NUMERIC_API_v1 e la covarianza completa pubblicata.

Tutti i valori di incertezza usati nell’esempio sono ipotesi didattiche. Non provengono da strumenti, ripetizioni sperimentali o certificati di calibrazione.

1. Prima distinzione: punti, spessore e incertezza

I punti digitalizzati hanno una posizione nel raster e, dopo la calibrazione, una posizione X/Y in unità fisiche. La larghezza della linea e le osservazioni del rapporto Quality riguardano invece il segno grafico. Nessuno dei due è una incertezza standard.

In assenza di una dichiarazione motivata, il sistema non deve introdurre automaticamente un errore di un pixel, di mezzo pixel o uno scarto statistico stimato soltanto dall’aspetto della figura.

2. Sorgente sintetica e calibrazione

L’esempio utilizza un raster originale di 1280 × 900 pixel, con una linea scura sinuosa e una seconda traccia rosa, volutamente separata. Sono stati acquisiti 15 punti manuali sulla prima linea.

Curva sintetica con quindici punti manuali e calibrazione scientifica nel Curve Digitalizer.
Figura 1. I quindici punti costituiscono la base invariata delle successive dichiarazioni d’incertezza.
Dettaglio del raster originale con linea scura e punti numerici accettati.
Figura 2. I punti scientifici sono riferiti ai pixel del raster sintetico originale, non a un’immagine successivamente elaborata.

La calibrazione a quattro angoli associa X a 0–10 s e Y a −20–80 mV. Le stesse coordinate, lo stesso ordine dei punti e gli stessi identificativi saranno mantenuti nei tre Dataset numerici di confronto.

3. Pubblicare senza incertezza: Error model none

In Publish, selezionare la calibrazione accettata e predisporre un nuovo Dataset numerico.

Scheda Publish iniziale con calibrazione accettata e incertezza non dichiarata.
Figura 3. Il Dataset può essere pubblicato senza attribuire automaticamente sigma alle coordinate.
Dettaglio delle impostazioni di pubblicazione per una calibrazione selezionata.
Figura 4. La scelta della calibrazione viene esplicitata prima dell’operazione Pubblica.

Con il modello none, il comando Publish selected calibrations crea la tabella ordinaria con le coordinate scientifiche e quelle raster.

Risultato della pubblicazione del Dataset numerico senza incertezze dichiarate.
Figura 5. La tabella scientifica conserva coordinate e identificativi senza colonne di incertezza.

La tabella di questo esempio contiene 15 righe e non contiene le colonne sigma_x, sigma_y e covariance_xy. L’assenza di tali colonne non significa che la misura sia esatta; significa che non è stato dichiarato un modello metrologico.

4. Aprire Pixel and calibration uncertainty

Da Publish, premere Uncertainty… per aprire l’editor di dichiarazione.

Finestra Pixel and calibration uncertainty con Error model impostato a none.
Figura 6. I campi per X/Y, la calibrazione e la giustificazione iniziano realmente vuoti.
Dettaglio del dialogo di incertezza con i campi ancora vuoti.
Figura 7. Non viene proposto un errore pixel, una sigma fisica o una precisione strumentale implicita.

All’inizio è selezionato Error model = none. I campi relativi ai pixel, agli input di calibrazione e alle incertezze fisiche sono vuoti. Non compaiono valori statistici precompilati.

L’editor memorizza assunzioni scientifiche nella configurazione corrente: non è un semplice controllo grafico del Canvas.

5. I tre modelli disponibili

La scelta Error model offre tre modalità:

ModelloSignificato
noneNon viene propagata alcuna incertezza dichiarata
physical_overrideSono fornite direttamente incertezze standard fisiche X e Y
pixel_calibrationSono forniti un modello di localizzazione pixel e gli input incerti della calibrazione

Non si tratta di una graduatoria della qualità dei dati. Ogni modello è ammissibile soltanto se l’operatore può giustificarne le ipotesi.

6. physical_override: assegnare due sigme fisiche

Scegliere physical_override e indicare due incertezze standard nelle unità fisiche degli assi. Nell’esempio si dichiarano 0,03 s e 0,20 mV.

Modalità physical_override con valori ipotetici e motivazione non ancora compilata.
Figura 8. L’operatore deve descrivere la base della propria assunzione numerica.
Dettaglio delle sigme fisiche ipotetiche di 0,03 secondi e 0,20 millivolt.
Figura 9. Il campo Evidence / reason for declared uncertainty è indispensabile per la convalida.

Sono numeri ipotetici per mostrare il funzionamento del software; non costituiscono una caratterizzazione reale del segnale sintetico, del tempo o dell’ampiezza di misura.

7. La motivazione è obbligatoria

Messaggio di errore che richiede una motivazione esplicita per le incertezze.
Figura 10. La dichiarazione non può essere salvata con due numeri privi di una ragione documentata.

Questa protezione impedisce di registrare una dichiarazione priva del contesto necessario per interpretarla.

8. Confermare la dichiarazione fisica

Inserire una motivazione esplicita, verificare le unità e premere Apply and save declaration.

Dichiarazione physical_override salvata nella configurazione del Curve Digitalizer.
Figura 11. Le sigme ipotetiche sono 0,03 s per X e 0,20 mV per Y, dichiarate come esempi didattici.

Lo stato della finestra indica che la dichiarazione è stata salvata nella configurazione. I due numeri sono ora un’ipotesi scientifica revisionata, non una regolazione temporanea dell’interfaccia.

9. Pubblicare il modello physical_override

Chiudere l’editor, specificare un Dataset ID distinto e pubblicare la calibrazione accettata.

Scheda Publish configurata per pubblicare incertezze fisiche dichiarate.
Figura 12. La pubblicazione distingue il Dataset di prova physical_override dalla versione senza incertezze.
Risultato della pubblicazione numerica con il modello physical_override.
Figura 13. GX-TXT registra una tabella scientifica completa di sigma_x sigma_y e covariance_xy.

Il risultato contiene le colonne sigma_x, sigma_y e covariance_xy, con i valori standard dichiarati. Nell’esempio tutti i punti hanno sigma_x = 0,03 s, sigma_y = 0,20 mV, e covarianza X/Y nulla.

10. Perché physical_override non crea correlazioni condivise

Nel modello qui dichiarato, le incertezze sono assegnate indipendentemente alle coordinate fisiche di ciascun punto. Non sono introdotti contributi comuni derivanti dalla calibrazione.

La matrice di covarianza della risposta Y è quindi diagonale, con varianza 0,04 mV² per ogni punto. Il fatto che il modello sia semplice non significa che sia preferibile: è appropriato solo se l’indipendenza assunta è scientificamente sostenibile.

11. Riutilizzare una dichiarazione salvata

Riaprendo Uncertainty…, il modello fisico appena approvato viene ricaricato.

Editor riaperto con la dichiarazione physical_override precedentemente salvata.
Figura 14. Il campo Error model e la motivazione conservano la scelta effettuata nel documento.

Ciò permette di verificare quali ipotesi siano effettivamente collegate alla configurazione. Cambiare uno dei suoi input non modifica retroattivamente i Dataset già pubblicati.

12. pixel_calibration: il modello più articolato

La modalità pixel_calibration distingue la localizzazione incerta dei punti sul raster dalle incertezze degli elementi usati per determinare la trasformazione di calibrazione.

Per la configurazione monoasse dell’esempio, l’editor richiede due input pixel e dodici incertezze standard di calibrazione. Le prime riguardano la posizione locale del punto, mentre le dodici possono produrre effetti comuni a più punti.

13. Ordine dei dodici input di calibrazione

Nel modello monoasse l’ordine richiesto è:

IndiciOrigine delle incertezze standard
1–2Bottom left: pixel X, pixel Y
3–4Bottom right: pixel X, pixel Y
5–6Top left: pixel X, pixel Y
7–8Top right: pixel X, pixel Y
9–10X minimum, X maximum nelle unità dell’asse X
11–12Y minimum, Y maximum nelle unità dell’asse Y

Le unità dei primi otto elementi sono i pixel originali; quelle degli ultimi quattro sono fisiche. Un elenco privo di tale corrispondenza non documenta una calibrazione riproducibile.

14. La GUI rifiuta un numero errato di input

Se si inseriscono soltanto due valori nella casella delle incertezze di calibrazione, l’editor rifiuta la dichiarazione perché ne richiede esattamente dodici.

Avviso che richiede dodici incertezze di calibrazione nel modello pixel_calibration.
Figura 15. Nel caso monoasse occorrono dodici incertezze standard: otto per le coordinate degli angoli e quattro per gli estremi fisici degli assi.

Non vengono creati parametri mancanti in modo implicito e non è possibile approvare una matrice incompleta.

15. La GUI rifiuta valori negativi

Una incertezza standard deve essere un valore finito e non negativo. Inserendo un numero negativo nella lista, il Viewer presenta un errore.

Avviso che rifiuta una incertezza standard di calibrazione negativa.
Figura 16. Le incertezze standard devono essere numeri finiti e non negativi.

Il controllo è distinto da quello sulle unità e dalla motivazione: l’operatore deve garantire contemporaneamente completezza, coerenza dimensionale e significato scientifico.

16. Localizzazione zero dichiarata esplicitamente

Il modello ammette una localizzazione pixel 0 0, purché questa scelta sia esplicitamente giustificata.

Dichiarazione con localizzazione dei pixel esplicitamente uguale a zero.
Figura 17. Il valore zero è accettato come ipotesi dichiarata e non sostituito con un epsilon arbitrario.

L’esempio dimostra che il Viewer non impone automaticamente una soglia positiva derivata dalla dimensione del pixel. Una localizzazione zero non annulla, però, i contributi condivisi delle dodici incertezze di calibrazione non nulle.

Il valore zero è una scelta dichiarata del modello: non implica che la localizzazione reale dei pixel sia esatta.

17. Ampiezza rettangolare e incertezza standard

Selezionando rectangular_full_width, i due numeri di localizzazione rappresentano ampiezze complete di intervalli uniformi, non direttamente deviazioni standard.

Per un’ampiezza completa w, la conversione dichiarata è:

σ_pixel = w / √12

Nell’esempio le ampiezze 1,2 px e 1,8 px corrispondono a circa 0,3464 px e 0,5196 px di incertezza standard locale.

Modello rettangolare pixel_calibration con due ampiezze di localizzazione e dodici incertezze standard.
Figura 18. Gli intervalli rettangolari di localizzazione sono 1,2 e 1,8 pixel originali.

18. Dodici incertezze ipotetiche per la calibrazione

Le otto coordinate pixel degli angoli ricevono, a titolo dimostrativo, le incertezze standard alternate 0,15 px in X e 0,20 px in Y. Gli estremi X ricevono 0,005 s ciascuno; gli estremi Y 0,02 mV ciascuno.

Questi valori non sono stati misurati. Servono a costruire un esempio nel quale la trasformazione di calibrazione abbia un contributo comune e riconoscibile alla covarianza di più punti.

19. Pubblicare il modello correlato

Dopo la motivazione e Apply and save declaration, tornare a Publish e utilizzare un nuovo Dataset ID.

Scheda Publish pronta per il Dataset con incertezza di calibrazione condivisa.
Figura 19. Le coordinate scientifiche sono ancora quelle originali e la dichiarazione è stata convalidata.
Tabella numerica pubblicata con incertezze pixel e calibrazione propagate.
Figura 20. Le colonne riportano sigma_x, sigma_y e covariance_xy dal CORE Numeric.

Le 15 righe numeriche conservano gli stessi identificativi, lo stesso ordine e le stesse coordinate dell’esempio none e di physical_override, ma ora contengono incertezze propagate dal servizio numerico pubblico.

20. Confrontare i tre Dataset

Proprietànonephysical_overridepixel_calibration
Coordinate X/YInvariateInvariateInvariate
Righe pubblicate151515
Colonne sigma/covarianzaAssentiPresentiPresenti
Contributi condivisi della calibrazioneNon dichiaratiAssenti nel modelloPresenti
Covarianza fra punti diversiNon pubblicataNulla nel modello indipendenteGeneralmente non nulla

Una sigma marginale più piccola non dimostra un risultato più accurato se le assunzioni che l’hanno prodotta sono diverse.

21. Fattori locali e fattori condivisi

Il modello numerico conserva due tipi di contributi: un fattore Lᵢ associato al singolo punto e un fattore Sᵢ associato agli input comuni della calibrazione.

La covarianza fisica fra le coordinate dei punti i e j è:

Cov(zᵢ,zⱼ) = δᵢⱼ · LᵢLᵢᵀ + SᵢSⱼᵀ

Il primo termine esiste sulla diagonale dei punti; il secondo può produrre una covarianza anche quando i e j sono diversi. È la ragione per cui le sole colonne sigma_x e sigma_y non descrivono tutti gli effetti della calibrazione.

22. sigma_x, sigma_y e covariance_xy

Per ciascun punto il risultato contiene due incertezze standard marginali, nelle unità di X e Y, e la covarianza tra le sue coordinate.

Per la prova le unità sono s, mV e s·mV. Nel modello pixel_calibration anche covariance_xy può essere diverso da zero, perché gli input di calibrazione influenzano entrambe le coordinate scientifiche.

covariance_xy non è una correlazione adimensionale, e non va trasformata automaticamente in un peso indipendente per un fitting.

23. Che cosa significa covarianza fra punti

Quando la stessa taratura determina la posizione di più punti, la sua incertezza può introdurre movimenti coordinati nelle coordinate risultanti. La covarianza fra due punti distinti registra questa dipendenza.

Nell’esempio la matrice Y ricostruita presenta un valore assoluto massimo fuori diagonale di circa 0,000768 mV². Questo numero riguarda soltanto le ipotesi didattiche esplicitate.

24. Modificare un punto rende obsoleta la revisione

Dopo la revisione dell’incertezza, se si aggiunge un sedicesimo punto alla curva, la dichiarazione salvata non descrive più esattamente lo stesso insieme di punti e identificativi.

Nuovo punto scientifico aggiunto dopo il salvataggio della dichiarazione.
Figura 21. Cambiare l’identità o la sequenza dei punti invalida la revisione precedente.

Tentando di pubblicare un altro Dataset senza effettuare una nuova revisione, la GUI blocca l’operazione.

Avviso che blocca la pubblicazione dopo la modifica dei punti scientifici.
Figura 22. Il Viewer richiede di rivalutare la dichiarazione invece di usare sigme di punti ormai cambiati.

Questa protezione impedisce che fattori numerici calcolati per quindici punti vengano attribuiti silenziosamente a un Dataset diverso.

25. Undo e ripristino dei dati

Con Edit → Undo è possibile ripristinare i quindici punti precedenti.

Undo ripristina i quindici punti scientifici originari.
Figura 23. La cronologia permette di recuperare il tracciato sul quale era stata formulata l’ipotesi.

Il Dataset che era stato pubblicato prima della modifica resta comunque immutato. La revisione corrente deve essere confrontata con lo stato scientifico effettivo prima di una nuova pubblicazione.

26. normal_standard_uncertainty è una seconda convenzione

Il menu Pixel scale meaning offre anche normal_standard_uncertainty. In questa modalità il numero immesso rappresenta direttamente una sigma standard di localizzazione, non l’ampiezza completa di un intervallo rettangolare.

Dialogo di incertezza riaperto con il modello pixel_calibration già salvato.
Figura 24. Le scelte di modello e i numeri dichiarati persistono nella configurazione.
Menu Pixel scale meaning con la scelta normal_standard_uncertainty.
Figura 25. In questa modalità gli input rappresentano già sigme standard, non ampiezze di intervalli.

Se si cambia la scelta senza premere Apply and save declaration, riaprendo l’editor compare ancora il modello rettangolare precedentemente approvato.

Cambiare la convenzione senza cambiare i numeri può alterarne completamente il significato: va trattato come una nuova dichiarazione scientifica.

27. Save, Close e Reopen

Salvare la configurazione, chiudere normalmente il Curve Digitalizer e riaprirlo nella stessa Session.

Curve Digitalizer dopo Save, Close e Reopen, con i punti scientifici conservati.
Figura 26. La calibrazione, i quindici identificativi punto e il documento tornano disponibili.

La dichiarazione resta disponibile nel documento.

La riapertura ha conservato i quindici punti, la calibrazione, l’identità della sorgente e il modello pixel_calibration con le ipotesi numeriche dichiarate.

28. Consultare i dati numerici nel CORE Viewer

Un Dataset pubblicato può essere aperto dal browser GX-TXT con il CORE Scientific Dataset Viewer, senza accedere agli oggetti privati del Curve Digitalizer.

CORE Scientific Dataset Viewer aperto sulla tabella con incertezza propagata.
Figura 27. Il Dataset pubblicato è indipendente dalla finestra del Curve Digitalizer che lo ha creato.

È possibile così distinguere l’Interactive Document ancora modificabile dai dati scientifici canonici già consolidati.

29. Le colonne realmente pubblicate

Nella tabella canonica compaiono X, Y, identificativi dei punti, coordinate del raster originale e le tre colonne di incertezza.

Tabella CORE con quindici righe, sigme e covarianze associate ai punti.
Figura 28. Le colonne delle sigme sono associate agli stessi point_id delle coordinate originarie.

Per physical_override l’incertezza standard X è 0,03 s e la Y è 0,20 mV, senza covarianza XY. Per pixel_calibration i valori cambiano lungo la curva in base alla trasformazione e ai fattori comuni. I point_id, tuttavia, rimangono identici.

30. Schema e provenienza dei metadati

La sezione Schema and provenance contiene le chiavi pubblicate dal Curve Digitalizer.

Elenco dei metadati pubblicati del Dataset con incertezza.
Figura 29. Identità sorgente, dichiarazione numerica e riferimenti sono conservati insieme alla tabella.

Lo schema dell’incertezza esaminato è versione 2.

Metadato Uncertainty schema version 2 in Schema and provenance.
Figura 30. La versione dello schema identifica il contratto dei fattori e delle sigme pubblicate.

I metadati includono i riferimenti alla sorgente e ai byte canonici, necessari per verificare che la dichiarazione sia legata proprio al Dataset pubblicato.

31. Leggere il report JSON della dichiarazione

Il rapporto di incertezza registra modalità, input, motivazione, unità, calibrazione e segnalazione della presenza di fattori condivisi.

Rapporto JSON di incertezza propagata nel CORE Scientific Dataset Viewer.
Figura 31. Il report contiene modalità dichiarata, motivazione e identificativi di calibrazione.

Si tratta di informazioni scientifiche portabili: un altro strumento del framework può leggerle senza conoscere la posizione dei campi dell’editor grafico.

32. Fattori compatti e identità numerica

Il modello conserva fattori locali e condivisi in forma compressa, con schema e hash dei byte numerici.

Metadati dei fattori locali e condivisi in formato compatto.
Figura 32. I fattori conservano le dipendenze comuni fra punti, senza ridurle alle sole sigme marginali.

Con 15 punti e 12 input comuni, le forme sono 15 × 2 × 2 per i fattori locali e 30 × 12 per quelli condivisi. Da questi dati si può ricostruire la covarianza senza trattare erroneamente come indipendenti tutti i punti.

33. La revisione del CORE e la fonte numerica

La pubblicazione con incertezza abilitata è subordinata al servizio NUMERIC_API_v1 e all’interpretazione del CORE Statistical Result Semantics. Non basta una anteprima calcolata localmente nella GUI.

Collegamento pubblico fra Dataset e revisione numerica del CORE GX-TXT.
Figura 33. La propagazione è qualificata dal servizio Numeric, non soltanto da un calcolo provvisorio della GUI.

Lo SHA-256 del Dataset pubblicato viene conservato insieme alla dichiarazione.

SHA-256 del Dataset numerico associato alla dichiarazione di incertezza.
Figura 34. La modifica dei byte canonici dopo la pubblicazione renderebbe invalido il collegamento della revisione.

Questa identità protegge il legame fra punti, modello e risultato: modificare i byte canonici successivamente invaliderebbe la revisione.

34. Pubblicare la covarianza completa della risposta Y

Per questo esempio, la API pubblica ha autorizzato la pubblicazione di un Dataset HDF5 contenente una matrice completa 15 × 15 della risposta Y.

CORE Scientific Dataset Viewer sul Dataset HDF5 di covarianza della risposta Y.
Figura 35. La matrice completa è pubblicata separatamente tramite le API pubbliche di incertezza.

La matrice è un output autonomo, distinto dalle quindici righe con le sigme marginali. Nel CORE Viewer compare come variabile bidimensionale nella scheda Array plane.

Scheda Array plane del Viewer scientifico per la matrice di covarianza.
Figura 36. La rappresentazione bidimensionale utilizza una variabile numerica covariance.

I metadati documentano l’unità mV·mV, cioè la covarianza della risposta in unità fisiche al quadrato.

Schema, provenienza e unità del Dataset HDF5 della covarianza Y.
Figura 37. Il contratto conserva unità al quadrato e il legame con il Dataset scientifico di origine.

35. Leggere la matrice e verificare le correlazioni

Con Read plane, il CORE Viewer visualizza la matrice di covarianza.

Matrice numerica 15 × 15 visualizzata nel CORE Scientific Dataset Viewer.
Figura 38. Le componenti fuori diagonale mostrano effetti comuni fra differenti punti della curva.
Dettaglio della matrice HDF5 dopo il comando Read plane.
Figura 39. La covarianza completa è distinta da una tabella di sole varianze sulla diagonale.

Le componenti fuori diagonale non sono nulle. L’esempio è stato controllato anche ricostruendo indipendentemente i 225 elementi mediante i fattori locali e condivisi pubblicati: la differenza assoluta massima rispetto alla matrice HDF5 è circa 5,2 × 10⁻¹⁸ mV², un residuo numerico di arrotondamento.

Questo dimostra la coerenza tecnica dei risultati di questo test, non l’esattezza di una misura strumentale.

36. Un Dataset per ogni significato

Nel browser Dataset risultano disponibili la sorgente e gli output separati:

Browser Dataset GX-TXT con sorgente e output separati dei tre modelli di incertezza.
Figura 40. I tre Dataset di curve e la matrice HDF5 sono registrati senza sostituire l’immagine originale.

Il Dataset none conserva soltanto i punti; physical_override contiene le due sigme dichiarate; pixel_calibration contiene la propagazione di localizzazione e calibrazione; il Dataset covariance_y aggiunge la matrice Y completa.

Un report già pubblicato non viene riscritto automaticamente quando si modificano più tardi i punti nel Viewer.

37. Leggere le API pubbliche e qualificare il fitting

Esempio Tcl da eseguire nell’ambiente GX-TXT con una Session attiva. Sostituire l’identificativo esemplificativo del Dataset con quello effettivamente pubblicato:

# Activate the public, versioned Curve Digitalizer uncertainty API.
::GX::modulePublicApiActivate viewer.curve_digitizer CURVE_DIGITIZER_UNCERTAINTY_API_v1

set dataset_id "example.published.curves"
if {![::GX::CurveDigitizerUncertainty::hasReport $dataset_id]} {
    error "A CORE-reviewed uncertainty report is required."
}

# Read the validated declaration and its original-row factor model.
set report [::GX::CurveDigitizerUncertainty::read $dataset_id]
set details [::GX::CurveDigitizerUncertainty::reportJson $dataset_id]
set factors [::GX::CurveDigitizerUncertainty::factorsJson $dataset_id]

# Inspect the authoritative CORE interpretation before using the model.
set reviewed [::GX::CurveDigitizerUncertainty::coreMeaning $dataset_id]

La stessa API pubblica dispone di publishCovariance(datasetId, outputId, axis), per pubblicare una matrice completa quando il CORE ne autorizza l’interpretazione. L’operazione genera un nuovo Dataset canonico: va eseguita deliberatamente con un identificativo di uscita libero.

Il CORE ha giudicato ammissibile, per questo esempio, il piano full_response_covariance / y_of_x. Questa qualifica riguarda la covarianza della risposta per un eventuale GLS: l’incertezza del predittore X non è inclusa. Non equivale a un fit già eseguito né autorizza automaticamente qualunque algoritmo ODR o GLS.

38. Limiti scientifici e operativi

Le incertezze dichiarate sono standard, condizionate alle distribuzioni e al modello di calibrazione forniti. Non sono intervalli di confidenza, né una stima automatica dell’accuratezza.

Il contratto pubblicato prevede limiti di 4096 righe per la propagazione e 512 righe per la materializzazione della matrice completa. Il modello monoasse utilizza dodici input condivisi; un sistema con Y1/Y2 ne utilizza quattordici. La guida qui riportata esercita esclusivamente il caso monoasse.

Quando più calibrazioni vengono pubblicate con incertezze dichiarate, vanno trattate come realizzazioni separate finché non esiste un modello convalidato delle correlazioni incrociate. Inoltre, una barra di scala fisica non è descritta automaticamente dalle incertezze degli otto angoli di una omografia.

I rapporti Quality e Stroke width non sostituiscono una dichiarazione fisica. Nel rapporto Quality lo stato dell’accuratezza rimane not_assessed: una dichiarazione di incertezza standard, anche se propagata dal CORE, non rappresenta una verifica dell’accuratezza dello strumento.

39. Procedura di verifica consigliata

  1. Conservare il raster originale e controllare la calibrazione prima di acquisire i punti.
  2. Pubblicare senza incertezza quando non è disponibile un modello giustificato: non inventare sigme.
  3. Se si dispone di dati metrologici, scegliere physical_override o pixel_calibration secondo il significato reale degli input.
  4. Specificare unità, distribuzione, valori e motivazione; non lasciare il modello implicito.
  5. Premere Apply and save declaration e controllare che la revisione sia stata registrata.
  6. Dopo qualunque modifica ai punti, alla sorgente o alla calibrazione, riesaminare la dichiarazione prima di pubblicare.
  7. Controllare nei metadati pubblici lo schema dell’incertezza, lo SHA del Dataset e l’esito della revisione Numeric.
  8. Se servono correlazioni tra punti, leggere i fattori condivisi o pubblicare una covarianza completa tramite la API pubblica autorizzata.
  9. Per il fitting, usare il piano scientifico del CORE e verificare quali variabili e correlazioni siano effettivamente incluse.

La conclusione è centrale: una covarianza numericamente ben calcolata è valida soltanto rispetto a ipotesi metrologiche esplicite e giustificate. GX-TXT può conservarle, propagarle e renderle verificabili; non può ricavare una precisione strumentale dal solo aspetto del grafico.