Resumen

Este documento propone una nueva metodología de referencia de eficiencia que es capaz de incorporar la probabilidad al mismo tiempo que preserva las ventajas de una técnica de modelado no paramétrico y libre de distribución. Esta nueva técnica desarrollada en este documento será conocida como el modelo DEA-Chebyshev. La base del modelo DEA-Chebyshev se basa en el modelo pionero de Charnes, Cooper y Rhodes en 1978 conocido como Análisis Envolvente de Datos (DEA). La combinación del DEA normal con la frontera DEA-Chebyshev (DCF) puede proporcionar con éxito un buen marco de evaluación basado en datos cuantitativos y conocimiento de gestión intelectual cualitativo. El conjunto de datos simulado fue probado en el modelo DEA-Chebyshev. Se ha demostrado estadísticamente que este modelo es efectivo para predecir una nueva frontera, mediante la cual las unidades eficientes de DEA pueden diferenciarse y clasificarse aún más. Es una mejora sobre otros métodos, ya que es fácil de aplicar, práctico,

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Metodología de comparación de eficiencia; Probabilidad; Sin distribución; Técnica de modelado no paramétrico; Modelo DEA-Chebyshev; Análisis Envolvente de Datos
• Keywords:Efficiency benchmarking methodology; Probability; Distribution-free; Nonparametric modeling technique; DEA-Chebyshev model; Data Envelopment Analysis