استفاده از روش مونت کارلو در رابطه با ارزیابی dmu های کارای راسی
Abstract(in Persian; no English abstract is available)
تحلیل پوششی داده ها یک روش برنامه ریزی ریاضی برای محاسبه کارایی واحدهای تصمیمگیری میباشد. زمانی که تحلیلپوششی داده ها نمره کارایی واحدها را بدست می آورد ممکن است تعدادی از آنها کارا شوند. حال این سوال پیش می آید از بیناین واحدهای کارا کدام بهترین میباشد. واحدهای ناکارا را میتوان توسط نمره کاراییشان رتبه بندی کرد ولی برای واحدهایکارا باید روشی را ارایه کرد که آنها را رتبه بندی کند.روش هایی زیادی برای رتبه بندی واحدهای کارا ارایه گردیده است که هر کدام از آنها دارای معایب و مزایایی می باشند.را برای رتبهبندی واحدها کارا اراییه کرد که یکی از مشکلات بزرگ این روش جواب بهینه cross-efficiency روش sextonحل شوند. ایراد دیگر این روش، وابستگی جواب مدل به dmu چندگانه در هرکدام از مدهایی میباشد که باید برای هرمیباشد که super-efficiency ، جواب های بدست آمده توسط واحدهای دیگر میباشد. یکی از روشهای پر کاربرد دیگرارایه گردید. این روش هم دارای معایب زیادی میباشد. نشدنی بودن، ناپایداری، anderson and petersen توسطمشکلات این روش میباشند که در مسایل خاص ممکن s وابستگی مدل به ماهیت ورودی یا خروجی و متغیرهای کمکیاست اتفاق بافتد. در این مقاله ما روشی را ارایه کردهایم که هیچکدام از این مشکلات را ندارد و میتواند رتبه واحدهای کارایبدست آورد. در انتهای این the hit or miss monte carlo method راسی را با محاسباتی ساده و با استفاده از روشمقاله برای نشان دادن کارایی روش خودمان مثالی کاربردی را ذکر کردهایم.