trials_for_all_success — SPC pod op

• 데이터 종류: 없음 → scalar(인자만으로 정해지는 연산자 —— 이미지나 데이터 입력을 받지 않습니다)

• 호출: import fullseye as fs; fs.ledger.trials_for_all_success(p_min, *, confidence=0.95)(구현을 직접 호출하려면 import pod; pod.trials_for_all_success(p_min, *, confidence=0.95), 원장에서 가져오려면 opsspc.get("trials_for_all_success"))

• GPU: 없음(CPU 참조 구현만)

사용법

모두 성공했을 때 단측 confidence 로 p >= p_min 을 입증하는 데 필요한 최소 시행 수를 반환합니다(scalar).

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

返り値は整数で、Clopper--Pearson の全数成功時の閉形式 (1-confidence)**(1/n) >= p_min に基づく。たとえば POD >= 0.90 を 95 % 信頼で示すには 29/29 が必要である。誤警報率 p <= p_max を 0 件で示す件数は trials_for_all_success(1-p_max, confidence=...) と同じ。

拒否(ValueError): p_min または confidence が有限な (0, 1) 外。

참고(샘플 데이터·문헌)

• 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.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• proportion_interval_audit — py -3.11 examples/proportion_interval_audit.py

타입이 이어지는 다음 연산자(scalar 를 입력으로 받는 것)

—

같은 카테고리(pod)

proportion_interval · pod_ahat_fit · pod_from_ahat · pod_hitmiss_fit · pod_false_call · pod_decision_tradeoff

*Provenance: pod.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.