\documentclass[14pt]{report}
\usepackage[top=2.5cm,bottom=3cm,left=2.2cm,right=3cm]{geometry}   
\usepackage{graphicx}
\usepackage{amsmath}
\usepackage{amsthm}
\usepackage{latexsym}
\usepackage{amssymb}
\usepackage{amsfonts}
\usepackage{subfigure}
\newcommand\persiangloss[2]{#1\dotfill\lr{#2}\\}%دستوری برای وارد کردن واژه‌نامه انگلیسی به فارسی
\usepackage{xepersian}
\settextfont[Scale=1.4]{XB Niloofar}
\setlatintextfont[ExternalLocation,BoldFont={lmroman10-bold},BoldItalicFont={lmroman10-bolditalic},ItalicFont={lmroman10-italic}]{lmroman10-regular}
\setdigitfont[Scale=1.4]{Parsi Digits}
\linespread{2.5}
% تعریف و نحوه ظاهر شدن قضایا، لم‌ها، تعریف‌ها و...
\theoremstyle{definition}
\newtheorem{definition}{تعریف}[section]
\theoremstyle{theorem}
\newtheorem{theorem}[definition]{قضیه}
\newtheorem{lemma}[definition]{لم}
\newtheorem{proposition}[definition]{گزاره}
\newtheorem{corollary}[definition]{نتیجه}
\newtheorem{remark}[definition]{ملاحظه}
\theoremstyle{definition}
\newtheorem{example}[definition]{مثال}
%دستور برای بولد کردن اثبات
\renewcommand{\proofname}{اثبات}
\makeatletter
\renewenvironment{proof}[1][\proofname]{\par
  \pushQED{\qed}%
  \normalfont \topsep6pt plus 6pt\relax
  \trivlist
  \item[\hskip\labelsep
        \bfseries
    #1\@addpunct{.}]\ignorespaces
}{%
  \popQED\endtrivlist\@endpefalse
}
\makeatother
\title{ مدل طول عمر توان نمایی متمم }
\usepackage{indentfirst}
\begin{document} 
\date{}
\maketitle

\chapter*{چکیده}
در این پایان نامه یک توزیع طول عمر جدید را پیشنهاد می کنیم که می تواند توابع نرخ خطر(مخاطره) به صورت وان حمام شکل
\tableofcontents
\listoffigures
\chapter{توزیع }
طبق توصیف مارشال و اولکین\LTRfootnote{Marshal and Olkin} (2007)، توزیع توان دار به سادگی قابل ساخت می باشد. این توزیع بر پایه مشاهداتی است که از طریق به توان رساندن هر تابع توزیع تجمعی(cdf)، آغازین  $F_{baseline}(t)$ به یک توان دلخواه $\theta>0$، یک cdf جدید به شکل  $F(t)=F_{baseline}(t)^{\theta}>0$، بدست می آید، اما اکنون با وجود پارامتر اضافه شده $ \theta $، که می تواند یک پارامتر برگشتی باشد و  $ F(t) $، یک خانوداه ای از پارامتر برگشتی می باشد. اگرچه این مد نظر ما نیست، با فرض صحیح بودن مقدار $ \theta $، عبارت برگشتی بودن به سادگی پدیدار می شود. در این مورد $ F(t) $ می تواند به عنوان cdf یک سیستم موازی با $ \theta $  مولفه مستقل ظاهر شود، که با احتمال کمتری دچار خرابی(شکست) می شوند وقتی تعداد مولفه ها افزایش می یابد، که به یک ساختار برگشتی هدایت می شود.
{\large
\begin{align*}
f(t)=F^{'}(t)&=(F_{SB}(t)^{\theta})^{'}\\
&=\theta . F_{SB}^{'}(t) . (F_{SB}(t))^{\theta-1}\\
&=\theta . f_{SB}(t) . (F_{SB}(t))^{\theta-1}
\end{align*}}
\end{document}