با وجود سادگی و محبوبیت توزیع گاووس،ͬ بررسی ها و نتایج بدست آمده از تحقیقات علمی و فعالیتهای علمͬ نشان مͬدهدکه در اکثر موارد برازش توزیع نرمال برای دادهها بهترین گزینهنمͬباشد و در عمل در اغلب موارد دادهها از توزیعͬ مانند توزیع نرمال پیروی نمͬکنند، پس بنابرایننمͬتوان همواره به توزیع نرمال برای بررسͬ و تحقیق روی دادهها بسنده کرد. اولین روشͬ که برایحل این مشͺل به ذهن خطور مͬکند استفاده از تبدیلͬ مناسب برای نزدی ͷکردن توزیع دادههابه توزیع نرمال مͬباشد اما این کار در عمل چندان مناسب نیست زیرا مدل سازی برای ی ͷسریمجموعه دادههای حقیقی حتی زمانی که ی ͷمدل متقارن مناسب برای دادههای اساسی در اختیارداشته باشیم، به علت وجود برخی از عوامل مختل کننده غیر قابل کنترل در چرخه فرآیند، هموارهی ͷکار بسیار دشوار خواهد بود که باعث کاهش دقت تجزیه و تحلیل خواهد شد. در این پایان نامهاز توزیع گاما نرمال برای مدل بندی توزیع مشخصه فنͬ استفاده شده و نمودارهای کنترلͬ مناسببرای آن ارائه خواهد شد
Text of Note
AbstractDespite the simplicity and popularity of the Gaussian distribution, studies andresults obtained from scientific research and scientific activities show that in mostcases, fitting the normal distribution to the data is not the best option, and inpractice, in most cases, the data follow a distribution such as the normal distribution. they don’t, so it is not always possible to be satisfied with the normaldistribution for checking and researching the data. The first method that comesto mind to solve this problem is to use a suitable transformation to approximatethe data distribution to a normal distribution, but this is not very suitable inpractice because modeling for a series of real data sets even when a model It willalways be a very difficult task to have the appropriate symmetry for the basicdata, due to the presence of some uncontrollable disturbing factors in the processcycle, which will reduce the accuracy of the analysis. In this thesis, the normalgamma distribution is used to model the distribution of technical characteristicsand suitable control charts will be presented for it.