msa_anova_table — SPC `msa` op

• Datenarten: table → table

• Aufruf: import fullseye as fs; fs.ledger.msa_anova_table(table, part='part', operator='operator', value='value') (die Implementierung direkt: import spc; spc.msa_anova_table(table, part='part', operator='operator', value='value'); aus dem Register: opsspc.get("msa_anova_table"))

Verwendung

Varianzanalysetabelle für einen gekreuzten zweifaktoriellen Versuchsplan (Teil x Prüfer x Wiederholung) (`table`).

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

*table* は列 *part* / *operator* / *value* を持つ表。設計は釣り合っている

こと(升目ごとの繰り返し数が同じ)——釣り合っていなければ拒む。

返りは source / ss / df / ms / f / p の 6 列。`f と p` は測定者と交互作用を

交互作用平均平方で、交互作用を誤差平均平方で検定した値(規格の慣行)。

★門にできる厳密な恒等式: `ss_total == ss_part + ss_oper + ss_inter + ss_err`。

これは代数的な分解なので、分散成分をどう出そうと必ず成り立つ —— 片方が壊れれば

一致しない。自由度も `df_total == 和` で閉じる。

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_measurement_system_analysis — py -3.11 examples/poc_measurement_system_analysis.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

msa_gauge_rr · msa_bias_linearity · msa_attribute_agreement · gum_standard_uncertainty · gum_propagate · gum_expanded · gum_monte_carlo · gum_validate

Gleiche Kategorie (`msa`)

msa_gauge_rr · msa_bias_linearity · msa_attribute_agreement

*Provenance: spc.py — SPC Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

msa_anova_table — SPC msa op