問題
AgeCalc 每個年代只報一個 σ_age（含 σ_J 的全誤差，目前以 2σ 顯示）。但 σ_J 是整管照射共用的系統誤差：J 偏一點，全管樣品年代一起等比例平移，不改變樣品之間的差。
所以拿全誤差去做同管樣品互比（例如 transect 沿線年代梯度 resolvable 與否）會把門檻灌水，可能把真實存在的年代差判成「分不開」。
範例（NO.65 9.77 Ma vs 假想同管 B 10.05 Ma，差 0.28）
- 全誤差 ±0.28（含 J）：B−A 的合成誤差 ~0.40 → 0.28 < 0.40，結論「沒有梯度」
- 分析誤差 ±0.12（w/o J）：合成 ~0.17 → 0.28 > 0.17，結論「B 確實較老」
同一組數據結論相反。馬遠溪 transect 全同管，梯度判斷應該用 w/o J 誤差。
該做什麼
同時報兩個誤差：age ± σ_analytical (w/o J) / ± σ_full (含 J)，例如 9.77 ± 0.12 / 0.28 Ma (2σ)。
- 同管互比 / transect 梯度 → 用 analytical（w/o J）
- 絕對年代、跨照射管、跟文獻比 → 用 full（含 J）
- 跟 U-Pb 等其他定年系統比 → 再加 σ_λ、monitor age（之後再說）
實作
σ_J 的貢獻在規劃中的 uncertainty-budget 功能本來就要拆出來，所以這項併進去最省事：
σ_analytical = sqrt(σ_full² − σ_J貢獻²)，其中 J 貢獻 = |∂t/∂J|·σ_J = (F/(λ(1+J·F)))·σ_J。
動機 / 參考
對照 Pychron pipeline 發現它把 age error 分「w/o J」「含 J」「含 decay-constant」分開報，是 Ar/Ar 標準做法。McDougall & Harrison (1999)、Schaen et al. (2021) 都強調同源樣品互比要用 analytical-only error。
狀態
使用者 2026-06-12 決定先不動，先記錄。實作時可與 uncertainty-budget panel 一起做。
問題
AgeCalc 每個年代只報一個 σ_age（含 σ_J 的全誤差，目前以 2σ 顯示）。但 σ_J 是整管照射共用的系統誤差：J 偏一點，全管樣品年代一起等比例平移，不改變樣品之間的差。
所以拿全誤差去做同管樣品互比（例如 transect 沿線年代梯度 resolvable 與否）會把門檻灌水，可能把真實存在的年代差判成「分不開」。
範例（NO.65 9.77 Ma vs 假想同管 B 10.05 Ma，差 0.28）
同一組數據結論相反。馬遠溪 transect 全同管，梯度判斷應該用 w/o J 誤差。
該做什麼
同時報兩個誤差：
age ± σ_analytical (w/o J) / ± σ_full (含 J)，例如9.77 ± 0.12 / 0.28 Ma (2σ)。實作
σ_J 的貢獻在規劃中的 uncertainty-budget 功能本來就要拆出來，所以這項併進去最省事：
σ_analytical = sqrt(σ_full² − σ_J貢獻²)，其中 J 貢獻 =|∂t/∂J|·σ_J = (F/(λ(1+J·F)))·σ_J。動機 / 參考
對照 Pychron pipeline 發現它把 age error 分「w/o J」「含 J」「含 decay-constant」分開報，是 Ar/Ar 標準做法。McDougall & Harrison (1999)、Schaen et al. (2021) 都強調同源樣品互比要用 analytical-only error。
狀態
使用者 2026-06-12 決定先不動，先記錄。實作時可與 uncertainty-budget panel 一起做。