تحلیل پوششی داده ها یکی از روشهای پیشرفته در مبحث ارزیابی عملکرد می باشد که با استفاده از مدلهای ریاضی از نوع برنامه ریزی خطی کارایی مجموعه ای از واحدهای تصمیم گیرنده را نسبت به هم مقایسه می کند. در مدلهای متداول تحلیل پوششی داده ها فرض بر این است که مقادیر شاخص های ورودی و خروجی واحدهای تصمیم گیرنده از نوع حقیقی و نامنفی می باشند. اما در عمل به مواردی برخورد می کنیم که برخی از شاخص های ورودی یا خروجی از نوع مقادیر صحیح می باشند و لذا استفاده از مدلهای پایه ای تحلیل پوششی داده ها در خصوص این نوع از مسائل ممکن است مقادیر کارایی و اهداف واحدهای ناکارا را به درستی محاسبه نکند. در این پایان نامه به بررسی مدلهای تحلیل پوششی داده ها با استفاده از شاخصهای با مقادیر صحیح می پردازیم. این مدلها به واسطه اعمال محدودیت صحیح بودن شاخصها، قدرت تفکیک کمی دارند و به خصوص هنگامی که تعداد واحدهای تصمیم گیرنده زیاد نیست، در نتیجه ی اجرای آنها تعداد زیادی از واحدها کارا می شوند. برای حل این مشکل مدل تعمیم یافته ای برای استفاده از مبادله ها بین ورودی ها و خروجی های صحیح ارائه شده است که قدرت تفکیک مدلهای تحلیل پوششی داده های صحیح را افزایش داده و مقادیر کارایی واقعبینانه تری ارائه می دهد.