Symmetric Error Structure in Stochastic DEA

برنامه نويسي تصادفي روشي براي مدل سازي و حل مسايل بهينه سازي است كه شامل داده هاي غير قطعي (تصادفي) مي باشند. روش برنامه ريزي با محدوديت هاي تصادفي، يكي از مهم ترين روش هاي برنامه نويسي تصادفي است. در بسياري از مسايل مقدار دقيق داده ها قابل تعيين نمي باشد. بنابراين چندين مدل براي ارزيابي كارايي تصادفي ،(DEA) كاربردي تحليل پوششي داده ها واحدها با ورودي هاي و خروجي هاي تصادفي ارايه شده است. بسياري از اين مدل ها غير خطي مي باشند . در اين مقاله با معرفي تصادفي ارايه شده است . در نهايت، مدل پيشنهادي با يك مثال CCR ساختار خطاي متقارن براي متغيرهاي تصادفي، مدل خطي بررسي شده است.

Stochastic programming is an approach for modeling and solving optimization problem that include uncertain data. Chance constrained programming is one of the most important methods of stochastic programming. In many real world data envelopment analysis (DEA) models, exact amount of data can not be determined. Therefore several researchers proposed methods to evaluate stochastic efficiency of units with random inputs and/or outputs. Most of these methods are nonlinear. In this paper by introducing symmetric error structure for random variables, a linear from of stochastic CCR is provided. Finally, the proposed model is applied on an example.