مجموعه مرجع در بسیاری از موارد با مسائل حقیقی زندگی بیشتر سازگاری دارد.

ایرادات مدل های FDH

تمامی مدل ها، فرض بر این است که بردار های ورودی و خروجی اکیدا مثبت می باشند که این مطلب در رابطه با مسائل عملی فرض بسیار سنگینی است.
در هیچ یک از مدل ها، مقادیر متغیر های کمکی به دست نمی آید.

کاربرد های DEA

روح انگیز نامداری ، علیرضا اقبالی ورضا یوسفی ،(۱۳۸۹) در مقاله ای تحت عنوان “ارزیابی کارا یی در بانک های دولتی ایـران با بهره گرفتن از روش DEA به این نتیجه رسیدند که از ۱۰ بانـک بزرگ دولتی کشور از سال ۸۳ الی ۸۶ بانک های رفاه ،توسعه صادرات و صنعت و معدن کارا بودند و ما بقی بانک ها ناکارا مد هستند و بانک صنعت و معدن بیشترین کارا یی را داشته است.
دادگر ونیک نعمت ،(۱۳۸۶) سرپرستی بانک های تجارت را برای بررسی کارا مدی و آزمون تجربی یک واحد اقتصادی در نظر گرفتند. در این تحقیق کارا یی ۳۸ سرپرستی بانک تجارت در کل کشور با بهره گرفتن از دو مدلCCRوBCC محاسبه و واحدهای کارا رتبه بندی بندی شدند.نتایج نشان می دهد که سرپرستی های مناطق سه،چهار و پنج تهران کارا تر و سرپرستی های قم، زنجان وآذربایجان غربی و شرقی ناکارا بودند.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

حجازی،انواری و مقدسی ،(۱۳۸۷) در مطالعه ای با عنوان”تحلیل بهره وری کل بانک توسعه صادرات ایران و رشد بهره وری شعب آن با بهره گرفتن از تحلیل پوششی داده هاDEA “نشان دادند که بهره وری شعب بانک در سال۸۳ به طور متوسط یک درصد ودر سال ۸۴ دو درصد رشد داشته است ،همچنین شعب بانک بر اساس بهره وری رتبه بندی شدند.
علیرضایی، افشاریان و تسلیمی ،در مقاله ای با عنوان “ارائه راهکارهای منطقی بهبود عملکرد شعب بانک ها به کمک مدل های تعمیم یافته تحلیل پوششی داده ها” نشان دادند که راهکار بهبود در مدل لایه ای به دلیل استفاده از نظرات کارشناسـی در روند بهبود ، بسیـار منطقی تر و عملی تر است . لذا این مدل می تواند جایگزیـن مطمئنی در موقعیت های مشابه باشد.
چند کاربرد:

کاربرد در شرکتهای گاز:

این بخش کاربرد رویکرد برنامه ریزی تولید بحث شده در این مقاله را با بهره گرفتن از داده های واقعی ۱۴ شرکت گاز نشان می دهد. شرکت ملی گاز ایران۲۵ شرکت در ۲۴ استان دارد. این شرکتها دو گروه می باشند. مقیاس بزرگ و مقیاس کوچک. هر شرکت به صورت جداگانه فعالیت خود را در منطقه خود انجام می دهد. ما بر روی شرکتهای مقیاس بزرگ تمرکز کرده ایم که شامل ۱۴ شرکت می باشند و داده هایشان در طول سال ۲۰۰۷ جمع آوری شده است. ما ۵ متغیر را از مجموعه داده ها به عنوان ورودی ها و خروجی ها به کار می گیریم. ورودی ها شامل سرمایه(X₁) و هزینه های عملیاتی از جمله هزینه کارکنان(X₂) می باشند و خروجی ها شامل تعداد مشترکین(y₁)، طول شبکه گاز(y₂) و میزان گاز فروش رفته(y₃) می باشد.
مدل CCR چارنز و همکاران(۱۹۷۸)، برای تعیین کارایی شرکتها به کار گرفته شده است. امتیازات کارایی همه شرکتها نشان می دهد، که ۴ شرکت از نظر مدل CCR کارا می باشند.
با بهره گرفتن از مدل پیشنهادی،کارایی شرکتها به ۱ افزایش پیدا نموده است که این افزایش در کارایی شرکتها نیاز به کاهش ورودی ها و افزایش خروجی های شرکتها برای رسیدن به مرز کارایی را دارد. آشکار است که انتظار خروجی های بیشتر با ورودی های کمتر، انتظار نا معقولی است.
تولید خروجی های بیشتر، نیاز به مصرف ورودی های بیشتر دارد. این همان مشکل عمده در مدل پیشنهادی به وسیله دو و همکاران(۲۰۱۰) می باشد. علاوه بر این، بدون شک پیچیدگی مدل آنها بسیار زیاد است، زیرا ما باید یک مسئله برنامه ریزی غیر خطی را برای تعیین یک طرح تولیدی در فصل بعد تولید حل کنیم.

طرح ریزی تولید در شعب بانک:

این بخش رویکرد محیط هدف مورد بحث در این مقاله را به وسیله استفاده از این رویکرد در داده های واقعی ۱۷ شعبه بانک نشان می دهد. یک بانک تجاری در استان گیلان ۱۷ شعبه در ۴ شهر دارد. این شعب به طور جداگانه فعالیت می کنند و همه آنها تحت نظر بانک مرکزی قرار دارند. . ورودی ها شامل تمام حسابهای چک(X1) و هزینه های عملیاتی(X2) و خروجی ها شامل سپرده ها(y1)، وامها(y2) و مطالبات معوق(y3) می باشند.. مدل CCR چارنز و همکاران(۱۹۷۸)، برای تعیین کارایی شعب در فصل سوم به کار گرفته شده است .براساس فعالیتهای اتجام شده تعداد شعب کارا از ۵ شعبه به ۸افزایش پیدا کرده است.

ارزیابی عملکرد بانکها

در یک مطالعه کاربردی توسط دکتر علیرضا امیرتیموری [۱] روی ۵۰ شعبه یکی از بانکهای استان گیلان، با مراجعه به بخش اطلاعات و آمار بانک، اقدام به جمع­آوری و تعیین شاخص ها و مقادیر کمی آنها در دو دوره عملکردی سالهای ۸۴ و ۸۵ شد.
شاخص های موردنظر در این تحقیق به شرح زیر می­باشند:
شاخص های ورودی: شاخص های خروجی:

• • هزینه پرسنلی مصارف

• • هزینه شعبه سود دریافتی

• • تسهیلات

در این تحقیق شعبه کارا و ناکارا مشخص و میزان پیشرفت و پسرفت آنها از سال ۸۴ به ۸۵ تعیین گردید.

رستوران زنجیره ای در چین:

در این روش برنامه ریزی مبتنی بر تحلیل پوششی داده ها را در ۲۰رستوران در چین مورد بررسی قرار داده ایم.در اینجا از ساعات کار و اندازه فروشگاه به عنوان ورودی ها و ظرف گوشت،بشقاب سبزیجات،نوشیدنیها و….به عنوان خر
وجی اشاره شده است.تغییرات در خروجی ها به صورت مثبت نشان داده شده است که نشان دهنده افزایش در تقاضاست ودر حالیکه تغییرات منفی نشان دهنده کاهش تقاضاست..

مزایای تحلیل پوششی داده ها:

• • امکان ارزیابی عملکرد کارایی واحدهای تصمیم گیرنده با چندین ورودی و چندین خروجی.

• • بر خلاف برخی روش های عددی، مشخص بودن وزنها از قبل و تخصیص آنها به ورودیها و خروجی ها لازم نیست.

• • نیاز به شکل تابع توزیع از قبل تعیین شده (مانند روش های رگرسیون آماری) و یا شکل صریح تابع تولید (مانند برخی روش های پارامتری) نیست.

• • امکان به کارگیری ورودی ها و خروجی ها مختلف با مقیاس های اندازه گیری متفاوت.

• • تحلیل پوششی داده ها فرصت های زیادی را برای همکاری میان تحلیل گر و تصمیم گیرنده ایجاد می کند. این همکاری ها می تواند در راستای انتخاب ورودی و خروجی واحدهای تحت ارزیابی و چگونگی عملکرد و الگویابی نسبت به مرز کارا باشد.

• • استفاده از کلیه ی مشاهدات گردآوری شده برای اندازه گیری کارایی: بر خلاف روش رگرسیون که با میانگین سازی در مقایسه 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.

• • فراهم آوردن یک شیوه ی اندازه گیری جامع و منحصر به فرد برای هر واحد که از ورودی ها (متغیرهای مستقل) برای ایجاد خروجی ها (متغیرهای وابسته) استفاده می کند.

• • الگویابی نسبت به مرز کارا: میزان تغییرات ورودی ها وخروجی واحدهای ناکارا برای تصویر کردن آنها بر مرز کارا (منبع و مقدار ناکارایی برای هر ورودی و خروجی) را میتوان محاسبه نمود. در نتیجه علاوه بر تعیین میزان کارایی نسبی، نقاط ضعف واحد تصمیم گیرنده در شاخصهای مختلف تعیین می شود و با ارائه میزان مطلوب آنها، خط مشی واحد تصمیم گیرنده را به سوی ارتقای کارایی و بهره وری مشخص می‌کند.

ارائه مجموعه مرجع: الگوهای کارا که ارزیابی واحدهای ناکارا بر اساس آنها انجام گرفته‌است به واحدهای ناکارا معرفی می‌شوند و این دلیلی بر منصفانه بودن مقایسه در DEA خواهد بود.

معایب تحلیل پوششی داده ها :

• • تحلیل پوششی داده ها به عنوان یک تکنیک بهینه سازی امکان پیشگیری خطا در اندازه گیری و سایر خطاها را ندارد.

• • این تکنیک جهت اندازه گیری کارایی نسبی به کار گرفته شده و کارایی مطلق را نمی سنجد.

• • تفاوت بین اهمیت ورودی ها و خروجی ها موجب انحراف در نتایج می گردد اما با محدود سازی وزن های ورودی و خروجی این مشکل تا حدودی قابل رفع است.

• از آنجا که تحلیل پوششی داده ها تکنیکی غیرپارامتری است، انجام آزمون های آماری برای آن مشکل است.

۵۷۵/۴ (۶۱۷/۰)

۱۳۴/۰ (۳۵۷/۰)

SCAD

۰۷۶/۹۷ (۰۸۱/)

۳۳۳/۴ (۷۳۴/۰)

۰ (۰)

Adaptive-

۴۲۸/۹۵ (۰۸۱/۰)

۰۰۰/۵ (۰)

۰۶۴/۰ (۲۴۴/۰)

در هر مقدار λ و در مدل (۱-۵) با برابر با ۱ و ۳، میزان خطا برای هر سه روش فوق تقریباً یکسان است. لذا از لحاظ میانگین check loss، این روش­ها با یکدیگر تفاوتی ندارند.

حالت مطلوب زمانی اتفاق می­افتد که تعداد ضرایب صفر غلط کم و تعداد ضرایب صفر صحیح به ۵ نزدیک باشد. از این نظر روش adaptive-LASSO بهتر از دو روش دیگر است. زیرا برای λهای مختلف تعداد ضرایب صفر غلط کم و تعداد ضرایب صفر صحیح بیشتری دارد.
روش SCAD و تفاوت زیادی از لحاظ تعداد ضرایب صفر صحیح ندارند. البته در اکثر مواقع روش تعداد ضرایب صفر صحیح بیشتری (البته به مقدار کم) نسبت به روش SCAD ارائه می­دهد ولی تعداد ضرایب صفر غلط بیشتری نیز ارائه می­دهد.
توجه کنید که در مقاله­ مورد نظر (Variable selection in quantile regression)،
نرم­افزار مورد استفاده برای قسمت شبیه­­سازی و تابعcheck loss ذکر نشده­اند. با توجه به متن پایان نامه، check loss، در نظر گرفته شده و از نرم­افزار R،
دستور­های rq.fit.lasso و rq.fit.scad برای شبیه­سازی استفاده شده است. لازم به ذکر است در نهایت نتایج ارائه شده در این شبیه­سازی با نتایج مقاله اصلی (Variable selection in quantile regression)، مطابقت دارد.
فهرست منابع و مآخذ
An, L. T. H. and Tao, P. D. (1997). Solving a class of linearly constrained indefinite quadratic problems by d.c. algorithms. J. Global Optim. 11, 253-285.
Breiman, L. (1996). Heuristics of instability and stabilization in model selection. Amer. Statist. 24, 2350-2383.
Candes, E. and Tao, T. (2007). The Dantzig selector: statistical estimation when p is much larger than n. Amer. Statist. 6, 2313-2351.
Fan, J. (1997). Comments on “Wavelets in statistics: A review”, by A. Antoniadis. J. Amer. Statist. Assoc. 6, 131-138.
Fan, J. and Li, R. (2001). Variable selection via nonconcave penalized likelihood and its oracle properties. J. Amer. Statist. Assoc. ۹۶, ۱۳۴۸-۱۳۶۰٫
Fan, J. and Li, R. (2002). Variable selection for Cox’s proportional hazards model and frailty model. Amer. Statist. 30, 74-99.
Fan, J. and Li, R. (2004). New estimation and model selection procedures for semiparametric modeling in longitudinal data analysis. J. Amer. Statist. Assoc. 99, 710-723.
Fan, J. and Lv, J. (2006). Sure independence screening for ultra-high dimensional feature space. Submitted.
Fan, J. and Peng, H. (2004). Nonconcave penalized likelihood with a diverging number of parameters. Amer. Statist. 32, 928-961.
Frank, I. and Friedman, J. (1993). A statistical view of some chemometrics regression tools. Technometrics 35, 109-148.
Geyer, C. J. (1994). On the asymptotics of constrained m-estimation. Amer. Statist. 22, 1993- 2010.
Harrison, D. and Rubinfeld, D. L. (1978). Hedonic housing prices and the demand for clean air. J. Environmental Economics and Management, 81-102.
He, X. and Shao, Q.-M. (2000). On parameters of increasing dimensions. J. Multivariate Anal. 73, 120-135.
Hendricks, W. and Koenker, R. (1992). Hierarchical spline models for conditional quantiles and the demand for electricity. J. Amer. Statist. Assoc. 87, 58-68.
Hoerl, A. and Kennard, R. (1988). Ridge regression. In Encyclopedia of Statistical Sciences 8, 129-136 Wiley, New York.
Hunter, D. R. and Li, R. (2005). Variable selection using MM algorithm. Amer. Statist. 33, 1617-1642.
Keming Yu, Zudi Lu and Julian Stander (2003). Quantile regression: applications and current research areas. The Statistician 52, Part 3,331-350
Knight, K. (1999). Asymptotics for L1-estimators of regression parameters under heteroscedas- ticity. Canad. J. Statist. 27, 497-507.
Kocherginsky, M., He, X. and Mu, Y. (2005). Practical confidence intervals for regression quan- tiles. J. Comput. Graph. Statist. 14, 41-55.
Koenker, R. (2004). Quantile regression for longitudinal data. J. Multivariate Anal. 91, 74-89.
Koenker, R. (2005). Quantile Regression, Cambridge University Press.
Koenker, R. and Bassett, G. (1978). Regression quantiles. Econometrica 46, 33-50.
Koenker, R. and Geling, R. (2001). Reappraising medfly longevity: a quantile regression survivalanalysis. J. Amer. Statist. Assoc. 96, 458-468.

تحقیقات اولیه بر روی بسته بندی های جاذب اکسیژن، نشان داده که اکسیژن بازمانده در بسته، یک ماده فعالی است که حذف آن باعث بهبود کیفیت ماده غذایی می­گردد[۲۳]. در طول سالیان متمادی به دلیل استفاده گسترده از مواد پلاستیکی در بسته بندی، که نسبت به اکسیژن نفوذ پذیرند، نگرانی درباره واکنش­های اکسایش ناشی از اکسیژن موجود در بسته و اکسیژن وارد شده به محیط بسته بندی افزایش یافت. این نگرانی باعث شد که از روش­های گوناگون برای حذف اکسیژن استفاده کنند. ابتدایی ترین روش، تولید بسته های کوچکی بود که داخل بسته بندی ماده غذایی تعبیه می­شدند و با اکسیژن وارد واکنش شیمیایی شده و آنرا از داخل بسته حذف می­کردند. این مواد به عنوان زیرگروه بسته بندی فعال محسوب می­شوند[۱۷]. تحقیقات بیشتر در این زمینه نشان داد که می توان این مواد جاذب را در پلاستیک های چند لایه ای مانند کیسه­های انعطاف پذیر نیز بکار گرفت[۲۴, ۲۵].

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

به طور کلی به منظور حذف میزان اکسیژن درون بسته، جاذب های اکسیژن کاربرد تجاری بسیاری پیدا کرده است. جاذب­های اکسیژن بطور تجاری برای اولین بار در ژاپن در سال ۱۹۷۶ توسط شرکت شیمیایی گاز میتسوبیشی تحت نام تجاری ™ Ageless به بازارعرضه شده است[۱۵]. در سال ۱۹۹۰ میلادی یک شرکت ژاپنی دیگری با بهره گرفتن از تکنیک کواکستروژن جاذب­های اکسیژن حاوی آهن احیا را در بین دو لایه مواد بسته بندی قرار داد که لایه بیرونی نفوذ ناپذیر به اکسیژن و لایه داخلی نفوذپذیر به اکسیژن بود[۳]. شرکت انگلیسی Emco که در زمینه فناوری بسته بندی­های فعال فعالیت دارد، نوعی از جاذب های اکسیژن را به بازار عرضه کرده که می ­تواند در مورد بسته های حاوی برش­های گوشت پخته شده استفاده شود. این جاذب­ها تا حدود ۲۰۰-۱۰۰ سانتی متر مکعب ظرفیت جذب اکسیژن دارند[۱۵]. شرکت آمریکایی Cryovac نیز سیستم ها و لفاف­های جاذب اکسیژنی را طراحی کرده است که با قرار گرفتن در معرض نور فرابنفش، فعال می­ شود. این سیستم در مورد محصولات گوشتی خشک شده یا دود داده شده و فرایند شده کاربرد دارد و می تواند مقدار اکسیژن درون بسته را در مدت ۴ تا ۱۰ روز از یک درصد به حد ppm برساند[۱۵].
شرکت های دیگری نیز در زمینه تولید این بسته بندی­ها فعالیت نموده اند که در جدول ۱-۲ به آنها اشاره شده است.
جدول۱-۲- سیستم های جاذب اکسیژن[۶]

در مطالعات انجام شده تاکنون در خصوص بسته بندی­ های حاوی جاذب اکسیژن، تحقیقات و گزارشات علمی در نشریات بین المللی کمتر دیده شده و بیشتر به صورت ثبت اختراع(patent) چاپ گردیده است ولی بطور تجاری شرکتهای بزرگی در جهان محصولات مختلفی تولید و به بازار عرضه کرده اند. از جمله ثبت اختراع های انجام شده می­­توان به موارد زیر اشاره کرد:
جدول ۱-۳– برخی ثبت اختراع های انجام شده در زمینه جاذب های اکسیژن

جاذب های اکسیژن در درب بطری
EP1029020 A4
Ashok M. Adur و همکاران

EP 0269066 B1
Yoshikazu Moritaو همکاران

US 4756436 A
Yoshikazu Moritaو همکاران

جاذب­های اکسیژن
US5143763A
Takao Aoki و همکاران

US 5804236 A
Peter Frisk و همکاران

EP 0507207 B1
Cynthia Louise Ebner و همکاران

۲۰۱۱۰۲۹۰۷۵۷

و همکاران Vernon J. Purdy

US 4702966 A
و همکاران Christopher J. Farrell

US4536409
و همکاران Christopherl

الگوریتم وارشال یک الگوریتم از درجه ۳ می‌باشد.
حجم ماتریس وابستگی در این آزمایشات بسیار بزرگ است به گونه‌ای که ماتریس در برخی مواقع شامل بیش از ۱۲۰۰۰ سطر و ستون می‌باشد.
زمان اجرای الگوریتم وارشال بر روی گراف‌های با این اندازه بسیار زمان‌بر می‌باشد که با توجه به منابع سخت افزاری محدود در دسترس قادر به اجرای آن نبودیم و علاوه بر آن این روش برای پیدا کردن خطا بهینه نمی‌باشد.

راه حل دیگری که به ذهن می‌رسید، پیاده سازی الگوریتم دیگری بود که مشابه وارشال عمل کند اما میزان پردازش‌ها را تا یک سقف معین محدود نماید. این راه حل دو مزیت به همراه داشت:
ما می‌توانستیم تعداد وابستگی‌ها یا به عبارتی مسیرها را تا هر سطح دلخواه شمارش کرده و از هر کدام از نتایج به دست آمده برای بهبود نتایج پیش‌بینی خطا استفاده نماییم.
الگوریتم بر روی منابع محدودتر قابل پیاده سازی است.
بنا بر این اقدام به پیاده سازی روشی کردیم که همچون الگوریتم وارشال شروع به یافتن تمامی مسیرهای موجود در گراف مورد نظر می‌کند اما این مسیرها را تا عمق محدودی که معین می‌شود، دنبال می‌کند. بنا بر این با بهره گرفتن از الگوریتم مورد نظر، شروع به شمارش وابستگی‌های مستقیم گره کردیم و در ادامه وابستگی‌ها را تا عمق‌های ۲ و ۳ ادامه دادیم.
شیوه شمارش وابستگی‌ها به گونه‌ای است که هر گره به عنوان ریشه انتخاب می‌شود. سپس وابستگی‌های مستقیم ریشه به عنوان برگ‌های اولین درخت تشکیل شده با عمق یک، شمارش شده و نگهداری می‌شود. در ادامه وابستگی‌های موجود در برگ‌های درخت به دست آمده را محاسبه می‌کنیم؛ و اقدام به تشکیل یک درخت جدید با عمق ۲ می‌کنیم. در این حالت، تمامی گره‌های درخت دوم را نیز محاسبه کرده و آن را برای استفاده در عمل پیش‌بینی خطا ثبت می‌کنیم. در کل، تشکیل درخت‌های با عمق n با بهره گرفتن از درخت‌های یا عمق n-1 به همین شیوه صورت می‌پذیرد و در هر مرحله تمامی گره‌های موجود شمارش شده و برای استفاده در عمل پیش‌بینی خطا نگهداری می‌شود.
بنا بر توضیحات داده شده، اگر روش بالا را برای گره A در گراف شکل (۱) پیاده کنیم و درخت آن را تشکیل بدهیم، درخت مورد نظر به صورت زیر نمایش داده خواهد شد:
شکل ۸: درخت وابستگی تشکیل شده از روی ماتریس وابستگی شکل ۷
با نگاهی به گراف شکل (۱) مشاهده می‌کنیم که گره A، به سه گره B، E و F وابسته می‌باشد. که در تصویر شماره ۳ نیز این وابستگی‌ها مشهود است. نکته دیگری که مورد توجه است، وجود ۳ مسیر متفاوت وابستگی از گره A به گره E می‌باشد که در این درخت می‌توان هر سه مسیر وابستگی را مشاهده نمود.
وجود یک عدد مرزی برای در نظر گرفتن محدودیت منابع برای شمارش وابستگی و همچنین در نظر گرفتن وابستگی‌ها در هر سطح مجزا مسأله دیگری است که در مثال ذکر شده مشاهده می‌گردد. برای مثال در شکل بالا ما حداکثر تا عمق ۲ وابستگی‌ها را بررسی کرده‌ایم. گرچه برای گراف مذبور عمق وابستگی بیشتر از ۲ نیست اما برای گراف‌های بزرگ‌تر با چندین هزار گره مطمئناً محدودیت منابع می‌تواند بسیار چالش بر انگیز باشد و ما مطمئناً به یک عدد مرزی جهت محدود نمودن عمق درخت تشکیل شده برای هر گره، نیازمندیم.
با شمارش تعداد گره‌های هر کدام از درخت‌های به دست آمده در هر سطح می‌توان گروهی از اعداد متناظر با هر فایل را به دست آورد. هر گروه از اعداد را می‌توان به عنوان یک ویژگی در نظر گرفت. با داشتن یک ویژگی در ازای هر درخت می‌توان عمل داده‌کاوی را بر روی داده‌های به دست آمده آزمایش کرد تا ارتباط مسأله و فرضیات طرح شده با خطا دار بودن یا نبودن گره‌ها مشخص گردد.
استخراج متریک‌های استاندارد برای مقایسه و بررسی نتایج: یکی از بهترین راه حل‌ها برای بررسی نتایج به دست آمده از روی داده‌های مختلف، استفاده از متریک‌های استانداردی است که پیش از این مورد استفاده قرار می‌گرفتند. به همین منظور سه دسته از متریک‌های قابل استخراج از برنامه‌های معرفی شده را توسط نرم افزاری به نام Prest استخراج نموده و نتایج را به گونه‌ای که در متن همین پایان نامه توضیح داده خواهد شد مقایسه خواهیم کرد. متریک‌های استخراج شده توسط Prest، در تحقیقات افرادی برجسته‌ای مانند آقای تورهان مورد استفاده و مقایسه قرار گرفته است.
۵-تحلیل و مقایسه:
در بخش آنالیز و مقایسه، برای بررسی عملکرد ویژگی‌های تعریف شده و بررسی آن از دیدگاه‌های مختلف از چند جنبه مسأله را مورد بررسی قرار می‌دهیم:
بررسی رفتاری: به معنی بررسی رفتار گره‌های مستعد خطای گراف وابستگی در مقابل افزایش یافتن هرکدام از ویژگی‌های تعریف شده.
مقایسه: مقایسه شیوه عملکرد ویژگی‌های تعریف شده، در مقابل شیوه‌های استانداردی که تا پیش از این مورد استفاده قرار گرفته بود.
بررسی رفتاری:
اگر تصور کنیم که یک نرم‌افزار دارای درصد خاصی از خطاها است، برای مثال اگر تصور کنیم که ۱۵ درصد کلاس‌ها یا ماژول‌های یک برنامه خطا دار باشد، با انتخابی تصادفی از میان ماژول‌ها یا کلاس‌ها به طور منطقی پراکندگی خطا در میان کلاس‌های انتخاب شده به صورت میانگین باید عددی نزدیک به ۱۵ باشد؛ و اگر این عمل را به صورت مداوم انجام دهیم، میانگین پراکندگی خطا در هرکدام از دسته‌ه ای انتخاب شده بر روی نمودار به صورت یک خط تقریباً موازی با محور X ها و یا محور Y خواهد داشت. این موضوع به این دلیل است که در انتخاب‌های تصادفی با هر حجمی، نسبت خطا با وجود درصدی فاصله، تقریباً حفظ می‌شود.
حال اگر بتوان معیاری را پیدا کرد که انتخاب گروه‌هایی از گره‌های گراف وابستگی، بر اساس این معیار، به صورت مداوم عددی را نشان دهد که از میزان نسبت گره‌های انتخاب شده تصادفی، به کل گره‌های گراف بیشتر باشد، توانسته‌ایم از یک انتخاب تصادفی موفق‌تر عمل نماییم؛ و البته این موضوع می‌تواند نشانه‌ای باشد بر این موضوع که خطادار بودن یک یا گروهی از گره‌ها، با معیار تعریف شده، ارتباط مستقیم دارد. بنابراین ابتدا به مقایسه رفتار انتخاب دسته‌ه ای تصادفی در مقابل انتخاب دسته‌ ها با توجه به مفهوم درخت وابستگی می‌پردازیم.
اگر محور x ها را به عنوان معیار تعداد انجام آزمایشات در نظر بگیریم، هر بار معیار دقت یا Precision را در ازای هر دسته انتخاب شده بررسی می‌کنیم و y هر نقطه از خط ترسیمی را میزان نسبی دقت تشکیل می‌دهد. در اینجا معیار دقت، برابر است با نسبت گره‌های خطادار در ازای کل گره‌های انتخاب شده.
(۲).
در فرمول بالا tp نشان دهنده تعداد گره‌های انتخاب شده صحیح است. از آنجایی که در جستجوی گره‌های خطادار هستیم، منظور از گره‌های انتخاب شده صحیح، همان گره‌های خطادار است. fp گره‌های انتخاب شده غلط را نشان می‌دهد. به این معنی که گره‌هایی که در میان دسته‌ ها انتخاب شده‌اند و دارای خطا نیستند.
در مورد انتخاب‌های تصادفی، محور x ها تنها نشان دهنده تعداد دفعات انتخاب می‌باشد اما در مورد انتخاب‌ها بر اساس معیارهای درخت وابستگی، هر عدد نشان دهنده یک فیلتر است. فیلتر به این گونه عمل می‌کند که در انتخاب گره‌ها، همیشه تمامی گره‌هایی که تعداد گره‌های درخت متناظرشان از عدد مورد نظر بیشتر باشد انتخاب می‌شوند.
ممکن است این سوال پیش بیاید که چرا یک معیار یکسان برای هردو نوع انتخاب مورد استفاده قرار نگرفته است، و پاسخ این است که در انتخاب‌های تصادفی تعداد گره‌های انتخابی هر عددی که باشد، باز هم نسبت گره‌های خطادار انتخاب شده، تقریباً حفظ می‌شود. ممکن است که در دو انتخاب، این نسبت با هم متفاوت باشد اما در انتخاب‌های زیاد و به طور میانگین، چندان از نسبت کل خطاها به کل گره‌ها دور نمی‌شویم.
با توضیحات داده شده، در سه نمودار زیر به بررسی سوال مطرح شده می‌پردازیم:
نمودار ۲: بررسی رفتار معیار دقت در هنگام افزایش وابستگی درجه ۱
نمودار ۳: بررسی رفتار معیار دقت در هنگام افزایش وابستگی درجه ۲
نمودار ۴: بررسی رفتار معیار دقت در هنگام افزایش وابستگی درجه ۳
همان‌طور که در هرکدام از سه نمودار بالا مشهود است، با افزایش یافتن میزان وابستگی‌ها احتمال خطادار بودن یک گره از گراف وابستگی نرم‌افزار نیز افزایش میابد. در اولین نمودار، وابستگی‌های مستقیم مورد بررسی قرار گرفته است و در ادامه وابستگی‌های تک واسطه و دو واسطه در نظر گرفته شده است که هر سه ویژگی ارتباط مستقیم خود را با خطادار بودن یا نبودن گره‌ها در صورت افزایش این نوع وابستگی‌ها نشان می‌دهند.
در بررسی رفتاری به این نتیجه رسیدیم که میزان دقت برای یافتن فایل‌های خطادار با افزایش میزان وابستگی‌ها، افزایش می‌یابد. اما نسبت نشان داده شده، گرچه رشد چند برابری احتمال یافتن خطا را در میان دسته انتخاب شده نشان می‌دهد، اما این میزان، نسبت به کل خطاها می‌تواند بسیار ناچیز باشد. برای مثال وقتی ۵۰% فایل‌های انتخاب شده دارای خطا باشند، این ۵۰% می‌توانند تنها شامل ۲% کل خطاهای نرم افزار باشند. به معیاری که میزان خطاهای یافت شده را نسبت به کل خطاها در نظر می‌گیرد اصطلاحاً فراخوان یا Recall گفته می‌شود. نکته قابل تأمل دیگری که مطرح است این است که میزان دقت و فراخوانی که محاسبه می‌گردد تنها در ازای تعداد گره‌هایی در نظر گرفته شده که در واقع به صورت صحیح خطادار شناخته شده‌اند اما به میزان گره‌هایی که به درستی بودن خطا تشخیص داده شده‌اند توجهی نشده است. بنا بر این باید با بهره گرفتن از روشی، تمامی این سوال‌ها پاسخ داده شوند. بهترین و رایج‌ترین راه برای پاسخ دادن به این سوالات استفاده از داده‌کاوی است.
در واقع داده کاوی به بهره گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدل‌های آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Laming Method) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Tree) به دست می‌آورند بهبود می‌بخشد.
داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می‌شود برنامه‌های کاربردی که با برسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می‌پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارتند از:
رابطه^[۶۸] : الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلاً خرید قلم به خرید کاغذ.
ترتیب^[۶۹] : الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.
دسته بندی^[۷۰] : شناسایی الگوهای جدید و مدل سازی برای شناسایی ارتباطات میان دسته‌ه ای مشخصی از ویژگی‌ها با بقیه ویژگی‌های داده.
خوشه بندی^[۷۱] : کشف و مستند سازی مجموعه‌ای از حقایق ناشناخته مثلاً موقعیت جغرافیایی خرید محصولی با مارک خاص.
پیش بینی^[۷۲] : کشف الگوهایی که بر اساس آن‌ها پیش بینی قابل قبولی از رویدادهای آتی ارائه می‌شود،
از آنجایی که هدف ما از استفاده از داده‌کاوی در این آزمایشات، نشانه گیری گره‌های خطادار است، بهترین استفاده از داده‌کاوی، از طریق دسته بندی عملی خواهد شد. بنا بر این ابتدا یک مرور کلی بر روی تعریف کامل‌تر دسته بندی خواهیم داشت و پس از آن نحوه استفاده از آن را در آزمایشات این پایان نامه بررسی خواهیم نمود.
دسته بندی:
دسته‌بندی در واقع یکی از کاربردهای داده‌کاوی است که به منظور هدف قرار دادن گروهی از کلاس‌ها و یا دسته‌ ها، سایر ویژگی‌ها و دسته‌ ها را با در نظر گرفتن مدل‌های تصمیم گیری و قوانین خاصی، مورد بررسی قرار می‌دهد. هدف نهایی دسته‌بندی در واقع پیش‌بینی دقیق رفتار کلاس هدف، با توجه به هر شکلی از داده‌های ورودی است. برای مثال، با بهره گرفتن از دسته‌بندی می‌توان تشخیص داد که با شرایط در نظر گرفته شده، گرفتن یک وام می‌تواند دارای یک ریسک بالا، متوسط و یا پایین باشد.
در واقع، دسته‌بندی باید با گروهی از کلاس‌ها صورت بگیرد که با کلاس هدف ارتباط داشته باشد. برای مثال اگر برای پیش‌بینی ریسک یک وام جدید از دسته‌بندی استفاده می‌کنیم، باید کلاس‌های دیگر همگی شامل اطلاعات مرتبطی با مسأله بیمه باشند. معمولاً این حجم اطلاعات، در طی زمان و تجارب استفاده کنندگان به دست می‌آیند. البته ممکن است که برخی از این کلاس‌ها در ظاهر با کلاس هدف و با موضوع پیش‌بینی ارتباطی نداشته باشند اما در افزایش دقت پیش‌بینی تأثیر داشته باشند. البته با کمی تحقیق و بررسی همیشه دلایل منطقی پشت این ارتباطات را می‌توان یافت.
از ساده‌ترین مسائل دسته‌بندی می‌توان به دسته‌بندی دودویی اشاره نمود. در این نوع از دسته‌بندی، کلاس هدف تنها شامل دو نوع مقدار است. اگر موضوع این پایان‌نامه را بخواهیم در نظر بگیریم، کلاس هدف ما شامل مقادیر خطادار و بدون خطا می‌باشد. گونه دیگر این کلاس‌ها، کلاس‌های چند مقداری هستند که بیش از دو نوع مقدار را در خود جای می‌دهند.
در مرحله ساخت مدل، الگوریتم دسته‌بندی ارتباط صفات پیش‌بینی کننده را با کلاس هدف به دست می‌آورد. الگوریتم‌های دسته‌بندی مختلف از روش‌های مختلفی برای ساخت مدل استفاده می‌کنند. بعد از این که مدل ساخته شد، می‌توان از آن برای پیش‌بینی وضعیت‌های شناخته نشده جدید استفاده نمود. برای بررسی دقت پیش‌بینی هر کدام از الگوریتم‌های دسته‌بندی، مدل ساخته شده را با گروهی از مقادیر ناشناخته که قبلاً به الگوریتم برای یادگیری داده نشده آزمایش می‌کنیم. بنا بر این، داده‌هایی که برای ساخت و آزمایش یک مدل پیش‌بینی انتخاب می‌شوند، دو دسته هستند:
یک دسته برای آموزش و مدل سازی دسته‌بندی کننده.
یک دسته برای بررسی و تست دسته‌بندی کننده.
برای بررسی نتایج تست دسته بندی از یک سری پارامترها استفاده می‌گردد که پیش از بررسی نتایج آزمایش مورد بحث در این پایان نامه، به توضیح آن می‌پردازیم:

مصاحبه شونده: سیر تطوّر موضوع محیط زیست در برنامه‌های توسعه کشور (برنامه اول تا پنجم)
جدول ۴-۱۵: نکات کلیدی و کدگذاری باز، مطالعه مورد E