pod op• データ種: table × signal → table
• 呼び出し: import fullseye as fs; fs.ledger.pod_decision_tradeoff(fit, noise, a_dec_grid=None, n_grid=25, level=0.95) (実装を直接呼ぶなら import pod; pod.pod_decision_tradeoff(fit, noise, a_dec_grid=None, n_grid=25, level=0.95)、台帳から引くなら opsspc.get("pod_decision_tradeoff"))
判定閾値 a_dec を振ったときの (a50, a90, a90/95, 誤検出確率) の取引表(table)。
MIL-HDBK-1823A G.3.6.2.4.1(図 G-28)の数表版。閾値を上げれば誤検出は減り、同じ回帰から出る a90/95 は大きくなる —— 「どこに閾値を置くか」は統計ではなく運用の判断で、この表はその判断の材料を並べるだけ(最適点は選ばない)。
*fit* は pod_ahat_fit の表、*noise* は無欠陥部位の応答(元の â の単位、座標は *fit* の log_response に従う)。*a_dec_grid* を省略すると、雑音の中央値から「雑音の平均 + 6 標準偏差」までを n_grid 点(対数座標なら等比)。各行は pod_from_ahat と pod_false_call を同じ閾値で呼んだものと一致する。
返り: 列 a_dec a50 a90 a90_95 pfp_normal pfp_empirical pfp50 pfp95(すべて長さ n_grid か len(a_dec_grid))。
空の入力(fit が空の dict)は ValueError。拒否(ValueError): pod_ahat_fit の表でない・β1 が 0 と区別できない、雑音が空・定数・非有限、閾値が非有限(対数座標で 0 以下)。
• 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。
• poc_pod_lighting — py -3.11 examples/poc_pod_lighting.py
table を入力に取れる)msa_anova_table · msa_gauge_rr · msa_bias_linearity · msa_attribute_agreement · gum_standard_uncertainty · gum_propagate · gum_expanded · gum_monte_carlo
pod)pod_ahat_fit · pod_from_ahat · pod_hitmiss_fit · pod_false_call
*Provenance: pod.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.