# F1 · A/A (la base repetida sin cambios) · ruido entre corridas y base agrupada

- Corrida: kernel v6, notebook de la base sin ningún cambio (ipynb `59fde9ba2617`). Subido el 19/10 a las 05:42:56 UTC; COMPLETE hacia las 10:03; 15.340 s de ejecución (4,26 h de RTX). 25 juegos × 2 pasadas = 50 partidas, 0 `Traceback`, `submission.parquet` presente. Salida en `ECHO-5.5/artifacts/campaign/f1-base-aa-v6/` (fuera de git).
- Para qué sirve: medir cuánto cambia la puntuación cuando se repite el mismo programa con el mismo modelo, y agrupar las dos corridas en una base de 4 pasadas. El criterio revisado se declaró el 19/10 a las 03:25, antes del A/A: la banda es el máximo menos el mínimo de los 4 totales por pasada.

## Lectura

- **La base repetida saca 46,34 (cap 1,15) frente a 49,66: −3,32.** Por juegos: 10 mejor, 12 peor y 3 igual. Hay juegos que se mueven entre 30 y 67 puntos (cn04, cd82, m0r0, s5i5, tr87).
- **Base agrupada (cap 1,15): 48,00**, con pasadas 47,45 / 51,88 / 41,85 / 50,84 y **banda 10,03**. Con cap 1: 46,09 y banda 9,88.
- **E2 (46,23) es indistinguible de una repetición de la base.** Cuadra con 0 llamadas a `echo_plan()`.
- **E1 (39,06)** sigue sin pasar (−8,94 frente a una banda de 10,03). Sus dos pasadas (38,48 y 39,64) son las dos más bajas de los 8 totales tipo base: base ×2, A/A ×2, E2 ×2 y E1 ×2. Por azar eso pasa con probabilidad 1/C(8,2) = 1/28 ≈ 0,04. Es una pista de que E1 perjudicó, no un veredicto.
- **Consecuencia para los brazos:** con este criterio solo se detecta un efecto de unos +10 puntos (umbral 58,03 con cap 1,15). Un brazo con +3 o +5 reales no se distingue del azar con 2 o 4 pasadas.

### Comparación pareada · AA frente a la base

### cap = 1

- Total base 47.91 (pasadas 45.75, 50.07); total AA 44.28 (pasadas 40.18, 48.37).
- Diferencia -3.63 frente a banda de ruido 4.31.
- Juegos: 11 mejor, 12 peor, 2 igual; prueba de signos p = 1.000.
- Niveles por pasada: base [104, 108], AA [99, 109]. Acciones por nivel completado: base 37.5, AA 37.3.
- Tokens generados por pasada: base [4389080, 4307134], AA [4501121, 4166689].
- Veredicto (DESIGN §4): no pasa.

### cap = 1.15

- Total base 49.66 (pasadas 47.45, 51.88); total AA 46.34 (pasadas 41.85, 50.84).
- Diferencia -3.32 frente a banda de ruido 4.42.
- Juegos: 10 mejor, 12 peor, 3 igual; prueba de signos p = 0.832.
- Niveles por pasada: base [104, 108], AA [99, 109]. Acciones por nivel completado: base 37.5, AA 37.3.
- Tokens generados por pasada: base [4389080, 4307134], AA [4501121, 4166689].
- Veredicto (DESIGN §4): no pasa.

### Por juego (media de pasadas, cap = 1)

| Juego | base | AA | Δ |
|---|---|---|---|
| ar25-0c556536 | 100.00 | 100.00 | +0.00 |
| bp35-0a0ad940 | 1.11 | 1.32 | +0.21 |
| cd82-fb555c5d | 94.83 | 49.08 | -45.75 |
| cn04-2fe56bfb | 71.43 | 4.76 | -66.67 |
| dc22-fdcac232 | 23.40 | 47.62 | +24.22 |
| ft09-0d8bbf25 | 47.62 | 73.81 | +26.19 |
| g50t-5849a774 | 0.00 | 28.10 | +28.10 |
| ka59-38d34dbb | 44.10 | 16.85 | -27.25 |
| lf52-271a04aa | 3.64 | 1.82 | -1.82 |
| lp85-305b61c3 | 100.00 | 100.00 | +0.00 |
| ls20-9607627b | 23.25 | 16.98 | -6.27 |
| m0r0-492f87ba | 45.60 | 80.61 | +35.01 |
| r11l-495a7899 | 100.00 | 85.71 | -14.29 |
| re86-8af5384d | 49.26 | 39.07 | -10.19 |
| s5i5-18d95033 | 9.30 | 39.96 | +30.66 |
| sb26-7fbdac44 | 89.50 | 90.48 | +0.97 |
| sc25-635fd71a | 57.21 | 62.45 | +5.23 |
| sk48-d8078629 | 1.26 | 2.78 | +1.52 |
| sp80-589a99af | 26.19 | 4.76 | -21.43 |
| su15-1944f8ab | 28.66 | 13.09 | -15.57 |
| tn36-ef4dde99 | 1.58 | 1.79 | +0.20 |
| tr87-cd924810 | 90.28 | 58.96 | -31.32 |
| tu93-0768757b | 85.28 | 77.10 | -8.18 |
| vc33-5430563c | 96.89 | 92.88 | -4.01 |
| wa30-ee6fef47 | 7.33 | 16.97 | +9.64 |

## E1 frente a la base agrupada (`compare.py f1-base-v3 f2-e1-v4 --arm E1 --also-base f1-base-aa-v6`)

### cap = 1

- Total base 46.09 (pasadas 45.75, 50.07, 40.18, 48.37); total E1 36.85 (pasadas 36.57, 37.12).
- Diferencia -9.25 frente a banda de ruido 9.88.
- Juegos: 8 mejor, 17 peor, 0 igual; prueba de signos p = 0.108.
- Niveles por pasada: base [104, 108, 99, 109], E1 [91, 96]. Acciones por nivel completado: base 37.4, E1 40.1.
- Tokens generados por pasada: base [4389080, 4307134, 4501121, 4166689], E1 [4332277, 4580146].
- Veredicto (DESIGN §4): no pasa.

### cap = 1.15

- Total base 48.00 (pasadas 47.45, 51.88, 41.85, 50.84); total E1 39.06 (pasadas 38.48, 39.64).
- Diferencia -8.94 frente a banda de ruido 10.03.
- Juegos: 9 mejor, 15 peor, 1 igual; prueba de signos p = 0.307.
- Niveles por pasada: base [104, 108, 99, 109], E1 [91, 96]. Acciones por nivel completado: base 37.4, E1 40.1.
- Tokens generados por pasada: base [4389080, 4307134, 4501121, 4166689], E1 [4332277, 4580146].
- Veredicto (DESIGN §4): no pasa.

## E2 frente a la base agrupada (`compare.py f1-base-v3 f2-e2-v5 --arm E2 --also-base f1-base-aa-v6`)

### cap = 1

- Total base 46.09 (pasadas 45.75, 50.07, 40.18, 48.37); total E2 44.39 (pasadas 42.33, 46.46).
- Diferencia -1.70 frente a banda de ruido 9.88.
- Juegos: 11 mejor, 13 peor, 1 igual; prueba de signos p = 0.839.
- Niveles por pasada: base [104, 108, 99, 109], E2 [100, 104]. Acciones por nivel completado: base 37.4, E2 35.6.
- Tokens generados por pasada: base [4389080, 4307134, 4501121, 4166689], E2 [4334120, 4461355].
- Veredicto (DESIGN §4): no pasa.

### cap = 1.15

- Total base 48.00 (pasadas 47.45, 51.88, 41.85, 50.84); total E2 46.23 (pasadas 44.14, 48.31).
- Diferencia -1.78 frente a banda de ruido 10.03.
- Juegos: 11 mejor, 13 peor, 1 igual; prueba de signos p = 0.839.
- Niveles por pasada: base [104, 108, 99, 109], E2 [100, 104]. Acciones por nivel completado: base 37.4, E2 35.6.
- Tokens generados por pasada: base [4389080, 4307134, 4501121, 4166689], E2 [4334120, 4461355].
- Veredicto (DESIGN §4): no pasa.