uncertainty op• 데이터 종류: table → table
• 호출: import fullseye as fs; fs.ledger.gum_propagate(table, u='u', sensitivity='sensitivity', correlation=None)(구현을 직접 호출하려면 import spc; spc.gum_propagate(table, u='u', sensitivity='sensitivity', correlation=None), 원장에서 가져오려면 opsspc.get("gum_propagate"))
불확도 전파 법칙(GUM 5.2, 상관 포함) (`table`).
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
u_c^2 = sum_i (c_i u_i)^2 + 2 sum_{i<j} c_i c_j u_i u_j r_ij
*table* は列 *u*(標準不確かさ)と *sensitivity*(感度係数 `c_i = df/dx_i`)を
持つ表。*correlation* に (n, n) の相関行列を渡すと相関項を含める。
★門にできる閉形式: `f = x y なら c_x = y / c_y = x` なので
`u_c/|f| = sqrt((u_x/x)^2 + (u_y/y)^2)` —— 相対不確かさの二乗和。
相関 `r = +1 の 2 成分では u_c = |c1 u1 + c2 u2||` に厳密に一致し、
`r = -1 では |c1 u1 - c2 u2|`(打ち消し)。無相関なら寄与の合計が
`u_c^2` にぴったり閉じる。
★★相関を無視した誤りの向きは一定ではない。「独立として扱うと過小評価になる」
はよく言われるが、偽である。規格の worked example(電圧・電流・位相差から
抵抗とリアクタンスを同時に出す例、3 量すべてに相関がある)で相関を落として測ると:
u_c(R) 0.0702 -> 0.1945 2.8 倍の過大
u_c(X) 0.2961 -> 0.2009 過小
u_c(Z) 0.2367 -> 0.2041 過小
同じ 1 つのデータで、量によって向きが逆に出る —— 感度係数の符号と相関の符号の
積で決まるので、当たり前といえば当たり前だが、「安全側に外れる」と思って相関を
省くと R では 3 倍近く過大な不確かさを報告することになる。
• 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_anova_table · msa_gauge_rr · msa_bias_linearity · msa_attribute_agreement · gum_standard_uncertainty · gum_expanded · gum_monte_carlo · gum_validate
uncertainty)gum_standard_uncertainty · gum_expanded · gum_monte_carlo · gum_validate
*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.