pod op• 데이터 종류: table × signal → table
• 호출: import fullseye as fs; fs.ledger.pod_decision_tradeoff(fit, noise, a_dec_grid=None, n_grid=25, level=0.95)(구현을 직접 호출하려면 import pod; pod.pod_decision_tradeoff(fit, noise, a_dec_grid=None, n_grid=25, level=0.95), 원장에서 가져오려면 opsspc.get("pod_decision_tradeoff"))
판정 임계값 a_dec 를 바꿀 때의 (a50, a90, a90/95, 오검출 확률) 트레이드오프 표 (table).
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
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)。
• 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.
• poc_pod_lighting — py -3.11 examples/poc_pod_lighting.py
table 를 입력으로 받는 것)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 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.