مدل اصلاح شده کراندار در ارتباط با داده های منفی
نویسندگان
چکیده
در ادبیات تحلیل پوششی داده ها (dea)، مدل های مختلفی جهت ارزیابی عملکرد واحدهای تصمیم گیری با داده های منفی مطرح شده است. مدل اصلاح شده کراندار (bam) از خانواده مدل های جمعی توسط کوپر و همکاران (2011) معرفی شد. این مدل در تمامی انواع بازده به مقیاس قابل اجراست و اندازه کارایی با خواص مطلوب ارایه می دهد. در این مقاله ویژگی های این مدل را در حضور داده های منفی بررسی نموده، ارتباط ساختاری آن را با مدل های دیگر این زمینه نظیر rdm وmsbm نشان می دهیم. سپس نتایج هر سه مدل را در ارزیابی یک سیستم بانکداری شامل دادههای منفی ارایه خواهیم داد.
منابع مشابه
اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
متن کاملاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
متن کاملمدل mea در ارزیابی عملکرد با داده های منفی
مدل های اساسی تحلیل پوششی داده ها(dea)، برای داده های نامنفی طراحی شده اند؛ اما در دنیای واقعی با مسایلی روبرو هستیم که ورودی ها و خروجی ها می توانند منفی باشند. بسیاری از محققین مدل هایی برای ارزیابی واحدهای تصمیم گیرنده با ورودی و خروجی منفی ارایه داده اند که ما در این مقاله مدل rdm که و مدل msbm را بررسی می کنیم. در ادامه بحث به بررسی مدل تحلیل کارایی چند جهتی (mea) با داده های منفی می پردا...
متن کاملشناسایی نقاط دورافتاده در داده های نرمال بر اساس مقادیر Z اصلاح شده مشاهدات
در این مقاله، به دلیل اهمیت و گستردگی استفاده از توزیع نرمال، نمونه های مبتنی بر این توزیع در نظر گرفته شده، با استفاده از مقادیر برش وابسته به حجم نمونه، نقاط دورافتاده آنها شناسایی می شوند. برای به دست آوردن مقادیر برش بهینه یک مسا له تصمیم مطرح و به روشی کمبیشینه (مینیماکس) حل می گردد. در حل این مسا له از روش شبیه سازی بهره گرفته شده است .
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
تحقیق در عملیات در کاربردهای آنجلد ۱۰، شماره ۴، صفحات ۰-۰
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023