000			07645namaa22004211i 4500
003			OSt
005			20250223033423.0
008			250202s2024 |||a|||f m||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a519.53
092			_a519.53 _221
097			_aPh.D
099			_aCai01.03.01.Ph.D.2024.Re.O
100	0		_aReham Wahid El-Shaer, _epreparation.
245	1	0	_aOn the Monitoring of Dirichlet Profiles/ _cReham Wahid El-Shaer ; Supervisors: Prof. Mahmoud Al-Said Mahmoud, Dr. Aya Anas Aly.
246	1	5	_a/حول متابعة أنماط ديريكليه
264		0	_c2024.
300			_a83 pages : _billustrations ; _c25 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (Ph.D)-Cairo University, 2024.
504			_aBibliography: pages 78-83.
520			_aThe quality of a product or a process is maintained by monitoring one or more of its quality characteristics which could be highly correlated, and their sum must be equal to a constant. Such type of data is referred to as compositional data. Dirichlet distribution is a multivariate extension of the Beta distribution and can be used to model compositional data under certain conditions. The main objective of this thesis is to monitor the parameters of the Dirichlet distribution and Dirichlet profiles in Phase II. The current thesis is divided into 5 chapters as follows: Chapter One gives an introduction and overview of the study problem, highlights the motivation of the study, and shows its organization. Chapter Two reviews the existing work regarding control charts and profile monitoring. Chapter Three discusses the Dirichlet probability distribution and the Dirichlet regression model. In addition, it reviews the literature about monitoring compositional data and Dirichlet profiles. Afterwards, Chapter Four presents three proposed methods to monitor the Dirichlet variables, namely, Method 1, 2 and 3. A simulation study is conducted to compare the proposed methods. The simulation results showed that the three methods perform nearly the same. In addition, Methods 2 and 3 have a high probability of correctly detecting the source of the out-of-control signal. Chapter Five presents three proposed methods to monitor Dirichlet profiles (Method A, B and C) and conducts performance simulation comparisons at different scenarios in addition to presenting the probability of correctly detecting the source of out-of-control signal by the third method. Method B overcomes the problem of high V dimensionality, and Method C helps in detecting which variable is the source of out-of control signal. Simulations and an illustrative example based on a real case application are used to assess the performance of the proposed methods. Method B performs better than the other two methods when the regression parameters are positive. Method C outperforms the other two methods when the slopes are negative and when monitoring the parameters of the last Dirichlet variable. Method C performs well in detecting the source of out-of-control signal. Finally, Chapter Six gives the concluding remarks and recommendations for future studies.
520			_aم الحفاظ على جودة المنتج أو العملية الانتاجية من خلال مراقبة واحدة أو أكثر من خصائص الجودة الخاصة بها. في بعض الأحيان تكون خصائص الجودة مرتبطة ارتباطً وثيقا ، و مجموعها يجب أن يساوي ثابت ما. يشار إلى هذه البيانات باسم البيانات التركيبية. تستخدم البيانات التركيبية في العديد من التطبيقات في الوقت الحاضر مثل الأسمنت والأسفلت والعديد من الصناعات الكيميائية الأخرى. يحتاج مهندسو وفنيو الجودة إلى مراقبة خصائص الجودة هذه واكتشاف مصدر التغير في العملية بمجرد حدوثها. في جميع الأدبيات ، تم استخدام طرق معقدة للبيانات التركيبية بناء على تحويلات اللوغاريتم و التي تتطلب معرفة عالية بالرياضيات كما تتسم بالتعقيد الحسابي وصعوبة تفسير المتغيرات المحولة.إن توزيع ديريكليه هو الامتداد متعدد المتغيرات لتوزيع بيتا ويمكن استخدامه لنمذجة البيانات التركيبية في ظل تحقق شروط معينة. ويتمثل أحد أهداف هذه الدراسة في مراقبة معلمات توزيع ديريكليه في المرحلة الثانية وإيجاد طريقة للكشف عن مصدر الإشارة غير المضبوطة. تم اقتراح ثلاث طرق لهذا الغرض وتمت مقارنة أدائها عن طريق أسلوب المحاكاة. الطريقة الأولى هي خريطة متعددة المتغيرات للمتوسط المتحرك المرجح أسياً (MEWMA) لمراقبة معلمات توزيع ديريكليه. تستخدم الطريقتان الثانية والثالثة خرائط تحكم EWMA للكشف عن مصدر الإشارة غير المضبوطة. و قد اظهرت النتائج إمكانية كبيرة للكشف الصحيح عن مصدر التغير باستخدام الطريقتين. في بعض الأحيان، قد نهتم بمراقبة العلاقات الدالية مثل مراقبة أنماط انحدار ديريكليه. ولكن أحد التحديات الرئيسية لمراقبة أنماط انحدار ديريكليه هو العدد الكبير من المعلمات التي يجب مراقبتها. لذلك، بالإضافة إلى تقديم خريطة تحكم MEWMA لمراقبة معلمات انحدار ديريكليه "الطريقة A"، تقترح الطريقة B خريطةMEWMA لرصد الفرق بين الأنماط المشاهدة و الأنماط المرجعية. علاوة على ذلك ، تم اقتراح طريقة ثالثة للكشف عن المتغير الذي تسبب في الإشارة غير المضبوطة "الطريقة.”C تم تقييم أداء الطرق المقترحة عن طريق أسلوب المحاكاه و استخدام مثال توضيحي لتطبيق في الحياة العملية . بشكل عام ، تعمل الطريقة B بشكل أفضل من الطريقتين الأخريتين عندما تكون معلمات الإنحدار موجبة. تعمل الطريقة C بشكل جيد في اكتشاف مصدر الإشارة غير المضبوطة. ومع ذلك ، عندما تزداد عدد متغيرات ديريكليه ، يزداد أدائها سوءا عند اكتشاف التغيرات الصغيرة.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		7	_aStatistics _2qrmak
653		0	_aCompositional data _aDirichlet distribution _aProfile monitoring _acontrol chart _aEWMA
700	0		_aMahmoud Al-Said Mahmoud _ethesis advisor.
700	0		_aAya Anas Aly _ethesis advisor.
900			_b01-01-2024 _cMahmoud Al-Said Mahmoud _cAya Anas Aly _UCairo University _FFaculty of Economics and Political Science _DDepartment of Statistics
905			_aAya _eHuda
942			_2ddc _cTH _e21 _n0
999			_c170558