KAPPA计算

P observed
判定员一致同意的单元的比率=判定员一致判定为优良的比率+判定员一致判定为次劣的比率
P chance
预期偶然达成一致的比率=（判定员A判定为优良的比率*判定员B判定为次劣的比率）+（判定员A判定为次劣的比率*判定员B判定为优良的比率）
k=(P observed-P chance)/(1-P chance)
要达成完全一致， P observed = 1 且 K=1
一般说来，如果Kappa值低于0.7，那么测量系统是不适当的
如果Kappa值为0.9或更高，那么测量系统是优秀的
Kappa的下限为0到 -1
如果 P observed = P chance 那么 K=0
因而Kappa值为 0表示达成一致和随机偶然预期达成的一致是一样的
A*B交叉表
B
.00 1.00 总计
A .00 数量44 6
50
期望的数量15.7(X1) 34.3 50.0
1.00 数量 3 97
100
期望的数量31.3(X2) 68.7 100.0
总计数量47 103 150
期望的数量47.0(X3) 103.0 150.0
计算方法：X1*150=50*47,X1=15.7
X2*150=100*47,X2=31.3
X3*150=150*47,X3=47.0
以下同
举例说明A*B,在MSA第三版里面共有50个零件，每个评价人测量每个零件3次，
那么对于0*0的意思就是A，B两个评价人之间同时为0的对数，对于AB两个评价人，共测量了6个数据，应该有三对数据。

看下面的：
Part
# A-1 A-2 A-3 B-1 B-2 B-3
1 0 1
0 0 0
1
则 B
0 1
A 0 1 1
1 1 0
计数型MSA中，判别的标准一般是通过看Kappa值的大小来评判你的测量系统是否值得信赖。

但是这个Kappa值到底是如何计算出来的呢？
Kappa(K)一般被定义为在剔除偶然一致之后评价者之间的一致比例：
K=[P(observed)-P(chance)]/[1-P(chance)]
其中：P(observed)=评价者一致同意的分类比率；
P(chance)=评价者偶然一致的分类比率；
下面是一个具体的小例子：
样本 #评价者 1评价者 2
1pass fail
2fail pass
3pass pass
4fail fail
5pass pass
6fail fail
7pass pass
8fail pass
9pass fail
10fail fail
P(observed)=对角线的比率之和＝X1+X2=0.3+0.3=0.6
步骤3：计算P(chance)
P(chance)=(Z1×Z3)+(Z2×Z4)=0.5
步骤4：计算K
K=[P(observed)-P(chance)]/[1-P(chance)]=(0.6-0.5)/(1-0.5)=0.2 到这里，K值，即Kappa值就计算出来了。