تحلیل پوششی داده ها(dea ‎) روشی غیر پارامتری برای ارزیابی کارایی واحدهای تصمیم گیرنده dmu)‎) می باشد که بر اساس برنامه ریزی ریاضی، کارایی نسبی ‎ dmu ‎ها را تشخیص می دهد. اگر چه ‎ dea‎ مزایای زیادی دارد ولی یکی از ضعف هایی که در مدل تحلیل پوششی داده ها وجود دارد این است که در حقیقت ‎ dea ‎ اجازه ی تغییرات تصادفی در ورودی و خروجی را نمی دهد. در این پایان نامه به بررسی ‎ dea ‎ با داده های تصادفی پرداخته می شود. در ابتدا به مطالعه برنامه ریزی تصادفی می پردازیم وروش های حل آنرا بررسی می کنیم. سپس به معرفی ‎ dea تصادفی، مجموعه های احتمال تولید تصادفی و مرزهای کارایی، تعریف کارایی تصادفی و نیز بازده به مقیاس در حالتی که داده ها تصادفی باشند می پردازیم. رتبه بندی زمانی که داده ها تصادفی می باشند بسیار مورد توجه قرار گرفته است. در اینجا به معرفی بعضی از مدل های رتبه بندی در ‎ dea ‎ تصادفی پرداخته می شود و معادل های قطعی برای این مدل ها بدست آمده است. در پایان مباحثی برای بررسی تراکم در داده های تصادفی و نیز تحلیل حساسیت در آن مطرح شده است.