msa_anova_table — SPC 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"))

사용법

교차 2요인 설계(부품 x 측정자 x 반복)의 분산분석표 (`table`).

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

*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。

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)

• poc_measurement_system_analysis — py -3.11 examples/poc_measurement_system_analysis.py

타입이 이어지는 다음 연산자(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

같은 카테고리(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.