بررسی نمودارهای کنترل برای فرآیندهای تولید خاص ( به لحاظ آماری) و انجام آزمون نیکویی برازش

پایان نامه
چکیده

بیشتر تکنیکهای آماری فرض نرمال بودن جامعه آماری را بعنوان یک پیش فرض برای تجزیه و تحلیل داده ها پذیرفته اند. از آنجا که بعضی از این روشها وارد علم کنترل کیفیت شده اند بنابراین در کنترل کیفیت آماری نیز از همین فرض برای تجزیه و تحلیل داده ها استفاده می شود. مهمترین تکنیک آماری مورد استفاده درکنترل کیفیت نمودارهای کنترل و حدود کنترل هستند. نمودار کنترل و حدود کنترل با تخمین میانگین و انحراف معیار جامعه قادر به شناسایی تغییرات فرآیند می باشند. از آنجا که نمودارهای کنترل با فرض نرمال بودن توزیع جامعه آماری رسم می شوند اگر جامعه آماری دارای توزیع نرمال نباشد سوال این است که آیا نمودارهای کنترل رسم شده با فرض نرمال می توانند اطلاعات صحیحی از فرآیند منتقل کنند؟ در صنایع شیمیایی بیشترجوامع آماری از توزیع غیرنرمال برخوردار هستند. در حالیکه نمودارهای کنترل براساس فرض نرمال رسم می شوند. بزرگترین مانع در ارتباط با این نوع توزیع ها( توزیع غیرنرمال) این می باشد که آنها نمیم توانند به یک شکل کلی در آیند. بنابراین باید برای هر توزیع غیرنرمال تابع توزیع تجمعی و جدول نقاط درصدی را بدست آورد و سپس معادله کلی بصورتی که برای هر توزیعی مناسب باشد نوشته شود. بنابراین اگر توزیع جامعه آماری از لحاظ توزیع نرمال بررسی شود و جامعه آماری دارای توزیع نرمال نباشد. داده ها باید بوسیله معادلات تبدیل به توزیع نرمال تبدیل شوند. در دنیای واقعی معادله تبدیل زیادی از قبیل لگاریتم ، ریشه دوم و ... وجود دارد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

آزمون نیکویی برازش برای توزیع نمایی وزنی

در رده جدیدی از توزیع های نمایی وزنی که توسط گوپتا و کاندو [1] ارائه شد، پارامتر چولگی به توزیع نمایی اضافه گردیده است. بنابراین توزیع نمایی وزنی دارای پارامترهای چولگی و مقیاس است. در این مقاله آزمون نیکویی برازش برای این رده با پارامترهای مجهول را بررسی می کنیم. آزمون بر مبنای آماره های معروف اندرسون و کلموگروف-اسمیرنف انجام می گیرد. برای یافتن چندک های آماره اندرسون از روش بوت استرپ اما در م...

متن کامل

آزمون نیکویی برازش برای توزیع نمایی برمبنای برآورد اطلاع رنی

  آزمون نیکویی برازش برای توزیع نمایی برمبنای آنتروپی اولین بار توسط ابراهیمی و همکاران (1992) به کمک برآورد اطلاع کولبک لایبلر معرفی شد. ما در این مقاله ابتدا اطلاع رنی را به روشی همانند روش به کار گرفته شده توسط کوریا (1995) برای برآورد آنتروپی شانون، برآورد نموده و سپس از آن به عنوان آماره آزمون نمایی بودن توزیع استفاده می­کنیم. در ادامه توان آزمون های پیشنهادی را با چند آزمون دیگر به کمک شب...

متن کامل

آزمون نیکویی برازش برای توزیع نمایی وزنی

در رده جدیدی از توزیع های نمایی وزنی که توسط گوپتا و کاندو [1] ارائه شد، پارامتر چولگی به توزیع نمایی اضافه گردیده است. بنابراین توزیع نمایی وزنی دارای پارامترهای چولگی و مقیاس است. در این مقاله آزمون نیکویی برازش برای این رده با پارامترهای مجهول را بررسی می کنیم. آزمون بر مبنای آماره های معروف اندرسون و کلموگروف-اسمیرنف انجام می گیرد. برای یافتن چندک های آماره اندرسون از روش بوت استرپ اما در م...

متن کامل

آزمون نیکویی برازش برای توابع مفصل

یکی از مسائل اساسی در آمار، مدل بندی پدیده های تصادفی است. به طور کلی از مدل های آماری برای نشان دادن ساختارهای تصادفی، پیش بینی رفتار متغیرها در آینده، استنباط و استخراج اطلاعات از داده ها استفاده می شود. در این میان تابع مفصل به عنوان یک مدل برای مشاهدات چند متغیره و وابسته توانسته است در مطالعات اخیر توجه بسیاری از کاربران آمار را به خود جلب نماید. در حقیقت این تابع به آماردان کمک می کند تا ...

15 صفحه اول

آزمون نیکویی برازش برای توزیع نمایی برمبنای برآورد اطلاع رنی

آزمون نیکویی برازش برای توزیع نمایی برمبنای آنتروپی اولین بار توسط ابراهیمی و همکاران (1992) به کمک برآورد اطلاع کولبک لایبلر معرفی شد. ما در این مقاله ابتدا اطلاع رنی را به روشی همانند روش به کار گرفته شده توسط کوریا (1995) برای برآورد آنتروپی شانون، برآورد نموده و سپس از آن به عنوان آماره آزمون نمایی بودن توزیع استفاده می­کنیم. در ادامه توان آزمون های پیشنهادی را با چند آزمون دیگر به کمک شبیه...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023