موضوع: روش ابرکارایی برای شناسایی مشاهدات دورافتاده، عنوان: ارزیابی عملکرد روش ابرکارایی مبتنی بر شناسایی مشاهدات دور افتاده

شناسایی مشاهدات دور افتاده یک میدان تصادفی

This article has no abstract.

شناسایی 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 .

شناسایی 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 .

روش های نمونه گیری برای مشاهدات فازی

چکیده ندارد.

تحلیل شاخص های کیفی اقتصادی - اجتماعی مبتنی بر مطالعات و مشاهدات میدانی در راستای شناسایی محلات غیررسمی

تلفیقی از مدل ابرکارایی با قضاوت های مدیریتی در ارزیابی عملکرد شعب بانک مسکن

مدل های DEA از آن جهت که دستیابی به شاخص کارایی را با در نظر گرفتن همزمان داده ها و ستانده های بنگاه تولیدی میسر می سازند، در سال های اخیر بسیار متداول شده اند. هر چند انعطاف پذیری مدل های مورد استفاده در روش DEA یکی از کلیدی ترین خصوصیات آنهاست و این ویژگی، زمانی که هیچ گونه اطلاعاتی در خصوص ضرایب در دسترس نباشد، می تواند مثمر ثمر واقع شود، اما برای نمونه های کوچک، مدل های فاقد محدودیت های وزن...