انجام فصل 4 پایان نامه و پروژه های تحقیقی - پایگاه تحلیل آماری

پایگاه تحلیل آماری، مشاوره و انجام تحلیل آماری پایان نامه، انجام فصل 4 پایان نامه با لیزرل و Spss

تحلیل آماری و انجام فصل چهارم پایان نامه (لیزرل، Spss، آموس، اسمارت PLS و ...)

 

مشاوره رایگان در زمینه تمامی فصول پایان نامه

ایمیل:lisrel167@gmail.com

  شماره تماس:09370942358-09116901585

فصل 4 پایان نامه خود را به ما بسپارید

به صورت کاملا حرفه ای

با کمترین هزینه  

هر گونه مشکل آماری در تحلیل آماری را به راحتی بر طرف می کنیم 

  هر جا که باشید می توانید مشاوره و تحلیل آماری تحقیقات علمی، مقالات، پایان نامه ها و پروژه هایتان را از ما بخواهید. انجام تحلیل ها توسط کارشناسان ارشد و دکتری. به صورت علمی ، سریع و با هزینه مناسب. تسویه حساب نهایی پس از تایید استاد راهنما. 

———————–

تحلیل کامل و روان داده ها

استفاده از جدیدترین روش های تحلیلی

تحویل به موقع  و در کوتاه ترین زمان

کمک به پژوهشگران جهت شناخت روش صحیح پژوهش

تحویل فصل چهارم به صورت  word 

هزینه ها با توافق طرفین و حجم کار قابل تغییر است

 

نگران استخراج مقاله از پایان نامه خود نباشید

مشاوره و راهنمایی جهت چاپ مقالات شما

در مجلات معتبر داخلی و خارجی

کافیست با ما تماس بگیرید

09370942358-09116901585 

 وبلاگ تحلیل آماری پایان نامه با لیزرل

تحلیل آماری با نرم افزار Spss و Lisrel

کانال تلگرام ما را نیز دنبال فرمایید:

https://telegram.me/paygahtahlilamari

  
نویسنده : تحلیل آماری ; ساعت ۱۱:٢٦ ‎ب.ظ روز ۱۳٩٥/۱٢/۱٤

کاربرد آنتروپی شانون در تحلیل تاپسیس

آنتروپی یک مفهوم بسیار با اهمیت در علوم اجتماعی، فیزیکی و تئوری اطلاعات می‌باشد. وقتی که داده‌های یک ماتریس تصمیم‌گیری، به طور کامل مشخص باشد، می‌توان از روش آنتروپی برای ارزیابی وزن‌های استفاده کرد. ایده روش فوق، این است که هرچه پراکندگی در مقادیر یک شاخص، بیشتر باشد، آن شاخص از اهمیت بیشتری برخوردار است.

آنتروپی در نظریه اطلاعات، یک معیار عدم اطمینان است که با توزیع احتمال مشخص  بیان می‌شود.

اندازه‌گیری این عدم اطمینان ( ) توسط شانون، به صورت زیر بیان شده است:

 k مقداری ثابت است و به منظور این­که  بین صفر و یک باشد، اعمال می‌شود. از توزیع احتمال  بر اساس مکانیزم آماری، محاسبه شده و مقدار آن در صورت تساوی  با یکدیگر (یعنی )، ماکزیمم مقدار ممکن خواهد بود که بدین صورت محاسبه می‌شود:


k به عنوان مقدار ثابت، به صورت زیر محاسبه می‌شود:


"ماتریس تصمیم‌گیری"، حاوی اطلاعاتی است که آنتروپی می‌تواند به عنوان معیار برای ارزیابی آن به کار می‌رود. فرض کنید که ماتریس تصمیم‌گیری، به صورت زیر است.

جدول1: نظرات تصمیم گیرندگان درباره شاخص­ها

Cn

 

C2

C1

شاخص

              افراد

a1n

a12

a11

N1

a2n

a22

a21

N2

         

amn

am2

am1

Nm

Wn

W2

W1

Wj

 : نظر فردi اُم درباره شاخصj اُم  است.

توجه شود  C نشان­دهنده معیار و N نشان­دهنده خبره است.

با استفاده از این ماتریس، به صورت زیر محاسبه می‌شود:

و آنتروپی شاخص j اُم ( ) به صورت زیر محاسبه می‌شود:

عدم اطمینان یا درجه‌ی انحراف( ) از اطلاعات به دست آمده برای شاخصj، بیان می‌کند که شاخص مربوطه (j)، چه میزان اطلاعات مفید برای تصمیم‌گیری، در اختیار تصمیم‌گیرنده قرار می‌دهد. مقدار ( ) به صورت زیر به دست می‌آید:

سپس مقدار وزن  به صورت زیر به­دست می‌آید:

اگر تصمیم‌گیرنده از قبل، وزن دهی مشخص مثل  را برای شاخص j در نظر گرفته باشد، در این صورت وزن تعدیل شده( )، به شرح زیر محاسبه می‌شود:

گام های روش شانون

گام 1: نرمالایز کردن

گام 2: محاسبه ماتریس E

بایستی ماتریس نرمالایز را در لگاریتم خودش ضرب کنیم و هر ستون را جمع کنیم تا به عدد واقعی برسیم.

گام 3: ابتدا ماتریس W را بایستی بدست آوریم. این شاخص برابر با مقدار 1 را با مجموع k*ماتریس E جمع کنیم. شاخص K هم برابر با معکوس لگاریتم NI هستش.

شکل زیر گام ها را نشا می دهد:

در مرحله نهایی نیز خروجی ها بصورت وزن برای هر شاخص محاسبه می شود که می تواند به عنوان ورودی روش تاپسیس با عنوان وزن متغیرها استفاده مورد استفاده قرار گیرد.

  
نویسنده : تحلیل آماری ; ساعت ۱۱:٠۸ ‎ب.ظ روز ۱۳٩٥/٦/۱٢

مدل‌های اصلی تحلیل پوششی داده‌ها

مدل‌های اصلی تحلیل پوششی داده‌ها شامل CCR و BCC که به ترتیب به مدل‌های بازده به مقیاس ثابت و متغیر معروف‌اند می‌باشند، که در این پژوهش نیز از این مدل‌ها استفاده می‌شود.

در مدل CCR برای تعیین بالاترین نسبت کارایی و دخالت دادن میزان نهاده‌ها و ستاده‌های سایر واحدهای تصمیم‌گیرنده در تعیین اوزان بهینه برای واحد تحت بررسی، رابطه (1) ارائه‌شده است:

  
نویسنده : تحلیل آماری ; ساعت ٧:۳٥ ‎ق.ظ روز ۱۳٩٥/٥/٢٢

مدل ریاضی تحلیل پوششی داده ها

تحلیل پوششی داده ها تکنیکی است که از تمامی مشاهدات گردآوری شده برای اندازه گیری کارایی استفاده می کند. برخلاف روش رگرسیون که با میانگین سازی در مقایسه ی واحدها به بهترین عملکرد موجود در مجموعه واحدهای تحت بررسی دست می یابد. تحلیل پوششی داده ها هر کدام از مشاهدات را در مقایسه با مرز کارا بهینه می کند در هر روش از تمامی اطلاعات به طور کامل استفاده می شود در روش رگرسیون عملکرد در واحد نسبت به یک معادله رگرسیون بهینه شده مشخص می شود، در حالی که در تحلیل پوششی داده ها با ساخت و حل n مدل عملکرد n واحد بررسی می شود. در مدل تحلیل پوششی داده ها منظور از:

DMU1عبارتست از یک واحد سازمانی یا یک سازمان مجزا که توسط فردی به نام مدیر یا رئیس اداره می شود به شرط آنکه این سازمان یا واحد دارای فرآیند سیستمی باشد یعنی تعدادی عوامل تولید به کارگرفته شود تا تعداد محصول بدست آید.

1Decision Making Unit

ورودی ها که با  نشان داده می شوند عاملی هستند که با افزودن یک واحد از آن به سیستم با فرض ثابت بودن سایر شرایط کارایی کاهش یابد.

خروجی ها که با  نشان داده می شوند عاملی هستند که با افزودن یک واحد از آن به سیستم با فرض ثابت بودن سایر شرایط کارایی افزایش یابد.

  
نویسنده : تحلیل آماری ; ساعت ۱۱:۱۱ ‎ب.ظ روز ۱۳٩٥/٥/۱٠

← صفحه بعد