پاورپوینت ساختمان داده ها و الگوریتم 389 اسلاید
| دسته بندی | کامپیوتر و IT |
| بازدید ها | 0 |
| فرمت فایل | ppt |
| حجم فایل | 681 کیلو بایت |
| تعداد صفحات فایل | 389 |
پاورپوینت ساختمان داده‌ها و الگوریتم 389 اسلاید
این مجموعه ناب پروژه ای در زمینه ی بررسی ساختمان داده ها و الگوریتم در قالب پاورپوینتی زیبا و فوق العاده سطح گرافیکی نادر در مجموع 390 اسلاید منظم میباشد
مبانی نظری و پیشینه پژوهش تحلیل پوششی داده‌ها
| دسته بندی | علوم انسانی |
| بازدید ها | 4 |
| فرمت فایل | docx |
| حجم فایل | 51 کیلو بایت |
| تعداد صفحات فایل | 15 |
مبانی نظری و پیشینه پژوهش تحلیل پوششی داده‌ها
توضیحات: فصل دوم (پیشینه ی پژوهش)
همرا با منبع نویسی درون متنی فارسی و انگلیسی کامل به شیوه APA جهت استفاده فصل دو
توضیحات نظری در مورد متغیر و همچنین پیشینه در مورد متغیر مربوطه و متغیرهای مشابه
رفرنس نویسی و پاورقی دقیق و مناسب برای فصل دو
منبع : دارد (به شیوه APA)
نوع فایل: WORD و قابل ویرایش با فرمت doc
قسمتی از مبانی نظری متغیر:
این روش در ابتدا با تز دکتری رودز مطرح شد که در آن پیشرفت تحصیلی مدارس امریکا در سال 1978 مورد ارزیابی قرار گرفته بود که در همین راستا این تکنیک برای رتبه‌بندی دانشکده‌های اقتصاد انگلستان نیز مورد استفاده قرار گرفت که اساس آن بر اساس مدلی بود که فارل در سال 1957 برای ارزیابی کارایی با استفاده از روشهای غیر پارامتری مطرح کرده بود. چارنز رودز و کوپر مدل اولیه فارل راکه چند ورودی و یک خروجی داشت را توسعه دادند و نام آن را CCR گذاشتند و در سال 1984نیز مدل BCC توسط بنکر، چارنز و کوپر ارائه شد. (آزادی و فتائی، 1389 : 22)
تعریف تحلیل پوششی داده‌ها: تکنیکی جهت محاسبه کارایی نسبی یک مجموعه از واحدهای تصمیم گیرنده در مقایسه با یکدیگر با استفاده از یک برنامه ریاضی میباشد.
تعریف ورودی: در تحلیل پوششی داده‌ها عاملی است که با افزایش آن با حفظ تمام عوامل دیگر کارایی کاهش یافته و با کاهش آن با حفظ تمام عوامل دیگر کارایی افزایش می‌یابد.
تعریف خروجی: در تحلیل پوششی داده‌ها عاملی که با افزایش آن با حفظ تمام عوامل دیگر کارایی افزایش یافته و با کاهش آن و با حفظ تمام عوامل دیگر کارایی کاهش می‌یابد.
واحدهای تصمیم گیرنده (DMU): واحدهایی هستند که یکسری ورودی را دریافت و پس از فرایند خروجی خارج می‌کنند.
(کیم و لی، 2011 : 57)
2-1-17- مدل‌های تحلیل پوششی داده‌ها
در روش DEA برای هر یک از واحدهای غیرکارا، یک واحد کارا یا ترکیبی از دو یا چند واحد کارا به عنوان مرجع و الگو معرفی می‌گردند. از آنجائیکه این واحد مرکب (ترکیب دو یا چند واحد کارا) ضرورتاً در صنعت وجود نخواهد داشت، به عنوان یک واحد مجازی کارا شناخته می‌شود. یکی از مزایای DEA یافتن بهترین واحد مجازی کارا برای هر واحد واقعی (چه کارا و چه غیر کارا) میباشد. چنانچه واحدی کارا باشد، مجموعه مرجع آن واحد مجازی کارا خود این واحد خواهد بود. سهم هر یک از واحدهای کارا در تشکیل واحد مجازی کارا برای یک واحد غیرکارا بستگی به وزن (λ1 , λ2 ,... λn) λ دارد که توسط روش DEA برای هر یک از بنگاههای کارا محاسبه و ارائه می‌شود. (شعبانی و همکاران، 1389)
تکنیک DEA دارای چهار مدل اصلی میباشد:
1- مدل بازگشت به مقیاس (CRS): این مدل که اولین روش DEA است، توسط چارنز، کوپر و رودز در سال 1978 ارائه شد. این مدل را برخی اوقات با حروف CCR می‌شناسند که برگرفته از نام این سه پژوهشگر است. در این مدل با تغییر یک واحد در ورودیها، خروجیها نیز با نسبت ثابت (کاهشی یا افزایشی) تغییر می‌کنند. در واقع شیب تابع تولید در این مدل ثابت است.
2- مدل بازگشت به مقیاس متغیر(VRS) : این مدل توسط بانکر، چارنز و کوپر در سال 1984 ارائه شد و اغلب با حروف BCCشناخته می‌شود. این مدل در مواقعی استفاده می‌شود که مقیاس گذاری یکسان بالاتر و پائینتر از حداکثر مقداری که برای هر یک از ورودیها و خروجیها مشاهده شده است، امکانپذیر نباشد. در این مدل با تغییر یک واحد در ورودیها، خروجیها با نسبت متفاوتی تغییر می‌کنند. این تغییر میتواند کاهشی یا افزایشی باشد. شیب تابع تولید در این مدل متغییر است.