msa op• 데이터 종류: table → table
• 호출: import fullseye as fs; fs.ledger.msa_anova_table(table, part='part', operator='operator', value='value')(구현을 직접 호출하려면 import spc; spc.msa_anova_table(table, part='part', operator='operator', value='value'), 원장에서 가져오려면 opsspc.get("msa_anova_table"))
• GPU: 없음(CPU 참조 구현만)
교차 2요인 설계(부품 x 측정자 x 반복)의 분산분석표 (table).
*table*은 열 *part* / *operator* / *value*가 있는 테이블입니다. 디자인은 ** 공정하다 ** 일(분목마다 반복수가 같다)—— 균형을 잡지 않으면 거절한다.
반환은 source / ss / df / ms / f / p 의 6 열과 n_parts / n_operators / n_replicates. f 와 p 는 부품과 측정자를 교호작용 평균 제곱으로, 교호작용을 오차 평균 제곱으로 검정한 값(규격의 관행).
★ 문에 할 수있는 엄격한 항등식 :ss_total == ss_part + ss_oper + ss_inter + ss_err ''. 이것은 대수적인 분해이므로, 분산 성분을 어떻게 내려고 하면 반드시 성립한다—— 한쪽이 부서지면일치하지 않습니다. 자유도도 df_total == 합''으로 닫는다.
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• poc_measurement_system_analysis — py -3.11 examples/poc_measurement_system_analysis.py
table 를 입력으로 받는 것)msa_gauge_rr · msa_bias_linearity · msa_attribute_agreement · gum_standard_uncertainty · gum_propagate · gum_expanded · gum_monte_carlo · gum_validate
msa)msa_gauge_rr · msa_bias_linearity · msa_attribute_agreement
*Provenance: spc.py — SPC 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.