L'ho finito di leggere poco fa e sulla questione fit residuals non sono molto d'accordo, non tanto sulla metodica quanto sulla lettura dei dati che riporta ad una situazione teorica. Considera anche il fatto che nella regressione lineare vi è da tener conto di un errore statistico che generalmente è parte integrante del best fit lineare, per cui i residuals vanno ad evidenziare, matematicamente, l'errore teorico rispetto all'atteso lineare (spero di essere stato chiaro). In soldoni, se la barra di errore maggiore (che nei grafici del link riportato non ci sono) ha una variazione di +/- 500 ADU non influisce su una lettura compresa tra 20K e 30K ADU (d'altra parte il best fit lineare ha considerato quella variazione come parte della serie di dati). Piuttosto mi fermerei alla mera raccolta dei dati di linearità che sono quelli che "praticamente" (aspetto finale che ci interessa direttamente) ci servono quando si confronta il dato fotometrico.Luigi morrone ha scritto: ↑19/02/2018, 9:44Antonello,
proverò a rifare il test.
Nel link che ho indicato viene effettuato un fit lineare delle curve e si plottano i residui in funzione dei valori di ADU.
Prova a leggerlo anche tu e dimmi cosa ne pensi.
Ovviamente se si considera l'errore nella misura come è giuto che sia, e tale errore è di +/- 500 ADU, cercheremo di non andare a leggere e considerare buoni i dati fotometrici nell'intervallo tra 2K e 5K ADU dove il peso dell'errore è notevole, ma faremo in modo di rientrare nel miglior compromesso tra migliore linearità e miglior massimo intervallo (nel caso di Amedeo 25-35K ADU).
Spero di aver chiarito la questione e rassicurare chi si ritrova una linearità come quella di Amedeo che a mio avviso è tanto di cappello
Troppi sofismi matematici per una variazione sul tema veramente poco rilevante a mio avviso
