بهینه کردن کارایی در تحلیل پوششی داده ها با استفاده از بوت استرپ

تحلیل پوششی داده ها از مجموعه مدل های ریاضی مبتنی بر برنامه ریزی خطی است که مانند یک ابزار قوی، یاری رسان مدیران است و برای سنجش کارایی نسبی مجموعه ای از واحدهای تصمیم گیری متجانس به کار می رود. برای بهبود نتایج مدل های تحلیل پوششی داده ها و کاهش وزن انعطاف پذیری از روش بوت استرپ برای تعیین مجموعه وزن های مشترک استفاده می کنند. هدف این مقاله بهینه کردن کارایی در تحلیل پوششی داده ها با استفاده از بوت استرپ است. در این مقاله برای بهینه کردن کارایی، با استفاده از بوت استرپ یک بازه اطمینان برای وزن های ورودی و خروجی به دست آورده و با ارائه و حل یک مدل تحلیل پوششی داده ها، یک مجموعه وزن های مشترک برای ورودی و خروجی به دست آورده شد و سپس با استفاده از این مجموعه وزن های مشترک ورودی و خروجی، کارایی نسبی واحدهای تصمیم گیری به دست آمد و به هر واحد تصمیم گیری مقدار کارایی منحصربه فردی اختصاص یافت.