msa_anova_table — SPC msa op

• 資料種類:table → table

• 呼叫: import fullseye as fs; fs.ledger.msa_anova_table(table, part='part', operator='operator', value='value')(要直接呼叫實作,import spc; spc.msa_anova_table(table, part='part', operator='operator', value='value');從台帳取用則 opsspc.get("msa_anova_table"))

• GPU:無(僅 CPU 參考實作)

用法

交叉雙因子設計(零件 x 量測者 x 重複)的變異數分析表(table)。

*表*是一個包含列*部分*/*運算子*/*值*的表。設計平衡 （每個方格的重複次數相同） - 如果不平衡，則會被拒絕。

回傳 source / ss / df / ms / f / p 的 6 欄以及 n_parts / n_operators / n_replicates。f 和 p 是用交互作用均方檢定零件和測量者、用誤差均方檢定交互作用得到的值（標準慣例）。

★可用作門的精確恆等式：ss_total == ss_part + ss_oper + ss_inter + ss_err。由於這是一種代數分解，因此無論您如何導出方差分量，它總是成立 - 如果其中一個被破壞，那麼不匹配。自由度也由“df_total == sum”封閉。

參考(範例資料、文獻)

• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。

• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。

• 演算法的正典(作者、年份)與用途見上面的族使用指南。

可執行的範例(實際呼叫該運算子並已驗證的樣例)

• poc_measurement_system_analysis — py -3.11 examples/poc_measurement_system_analysis.py

型別可銜接的下一個運算子(可接受 table 作為輸入)

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

同類別(msa)

msa_gauge_rr · msa_bias_linearity · msa_attribute_agreement

*Provenance: spc.py — SPC 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*

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