inst/apps/samplesize_determination_attributiv/dokumentation/help_dialogs.R

In stephanGit/leistungstests: Supplies Functions to calculate 'leistungstests'

# attributive Stichprobengröße --------------
observeEvent(
  input$help_sample_size_determination_attributiv,
  {
    showModal(
      modalDialog(
        title = HTML("Hile/Erläuterung Design-Verifikations-Tests von attributiven Leistungsmerkmalen (<a href='Manual_Design_Verification.pdf'>Manual</a>, <a href='montgomery.pdf'>Montgomery</a>)"),
        tags$div(

          tags$p(
            tags$b(HTML("Geforderte min i.o.-Rate des Produktionsprozesses p<sub>min</sub>")),
            tags$p(HTML("Dies ist die sich aus der Risiko-Analyse des Leistungsmerkmales ergebende Anforderung
                   an den Produktionsprozess. D.h. der Produktionsprozess muß so gestaltet sein das gefertigte
                   Teile mit einer Wahrscheinlichkeit von mindestens p<sub>min</sub> i.o. sind."))
          ),

          tags$p(
            tags$b("Geforderte Test-Power"),
            tags$p(HTML("In der Risiko-Analyse festgelegte Power des Tests mit der die Anforderung an den Produktionsprozess
                   geprüft werden muß. Die Power gibt an mit welcher Wahrscheinlichkeit der Test Prozesse als n.i.o.
                        bewertet, die den Anforderungen nicht entsprechen."))
          ),

          tags$p(
            tags$b("Testplan"),
            tags$p("Aus den gestellten Anforderungen ergibt sich dann der Testplan (n,c) mit dem dieses
                   Leistungsmerkmal geprüft werden muß."),
            tags$ul(
              tags$li("n bezeichnet dabei die Stichprobengröße."),
              tags$li("c bezeichnet die sogennante 'kritische Grenze'. D.h. finden sich mehr als c
n.i.o.-Elemente in der Stichprobe so wird der Prozess als nicht
                   den Anforderungen entsprechend beurteilt.")
            )
          ),

          tags$p(
            tags$b("OC-Kurven (operating characteristic des Tests)"),
            tags$p(HTML("Wahrscheinlichkeit für das Test-Resultat 'Design ist n.i.o.' als Funktion
                   der i.o.-Rate des Produktionsprozesses. OC-Kurven dienen dazu die Eigenschaften
                   eines Tests zu analysieren. Die angegebenen OC-Kurven werden mit Hilfe der
                   Binomialverteilung berechnet.<br/>
                        <style='color:blue;'> D.h. einem gegebenem Prozess (d.h. einer gegebenen i.o.-Rate p) kann
                        man aus der OC-Kurve ablesen mit welcher Wahrscheinlichkeit der Testplan (n,c) zum Ergebnis:
                        Prozess ist i.o.. <style/>"))
          )
        )
      )
    )
  }
)