msa_bias_linearity — SPC msa op

• データ種: table → table

• 呼び出し: import fullseye as fs; fs.ledger.msa_bias_linearity(table, reference='reference', measured='measured') (実装を直接呼ぶなら import spc; spc.msa_bias_linearity(table, reference='reference', measured='measured')、台帳から引くなら opsspc.get("msa_bias_linearity"))

使い方

基準値に対する偏りと、その基準値依存(直線性)(`table`)。

偏り `bias = measured - reference` を基準値に回帰する

(`bias = intercept + slope * reference`)。傾きが 0 でなければ、測定系は

測定範囲の場所によって違う量だけずれている = 直線性の問題。

返りは基準値ごとの平均偏り(`ref / bias_mean / n`)と、回帰の

`intercept / slope` / それぞれの標準誤差・t 値・p 値、全体平均偏り。

★門にできる厳密な性質: 雑音の無い `bias = a + b*ref` を渡すと最小二乗は

a と b を厳密に返す(残差 0)。そのとき標準誤差は 0 なので t は `inf` /

p は 0 —— これは欠陥ではなく完全適合の正しい報告なので、そのまま返す。

参考(サンプルデータ・文献)

• サンプルデータ カタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• poc_measurement_system_analysis — py -3.11 examples/poc_measurement_system_analysis.py

型が繋がる次の op(table を入力に取れる)

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

同カテゴリ(msa)

msa_anova_table · msa_gauge_rr · msa_attribute_agreement

*Provenance: spc.py — SPC operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.