近年來已經有很多使用資料包絡分析(Data Envelopment Analysis, DEA)來評估許多不同種類實體效益的多種應用，在很多不同背景的國家中從事不同的活動。一個原因是，因為經常有未知的複雜因素，很多動作牽扯到多次輸入和輸出之間的關係，DEA已經提供對解決這些情況的可能性。例子包括：在不同的地理位置美國空軍基地的維護活動，或在英國和威爾斯警察的火力分配，賽普勒斯和加拿大銀行各分部的收益，美國、英國和法國的大學展現他們的教育和研究過程中的效率，這些種類的應用可以評價城市、地區和國家的效益，藉著各式各樣的輸入和輸出：包括"社會上"和"安全網"的支出當作輸入資料，和各種"生活品質"的尺寸當做輸出的資料。

新版本11新增的功能

版本11.0我們添加了新的功能，稱為重採樣數據包絡分析(Resampling DEA)，這種模式處理數據的變化，並給出了DEA分數的置信區間。輸入/輸出值如有變動，有幾個原因，例如，測量誤差，滯後因素，隨意性等。此外，這些變化有不同的輸入/輸出項目及其決策單元（DMU）。因此，DEA效率值需要考慮這些因素進行審查。根據這些變型的重採樣是必要的以評估DEA分數的置信區間。我們建議4種重新採樣模式。

• 第一個假設的缺點，並為每個輸入/輸出顛倒測量錯誤率，這是共同的所有決策單元。我們重新取樣後的三角分佈的下行和上行的錯誤周圍的觀測數據顯示的數據。 
• 第二個模型的計算結果，從歷史數據的下行和上行的錯誤率。 
• 第三個模型利用歷史數據，例如，過去，現在，估計數據的變化，這是由盧卡斯系列（Fibonacci數列的變體）提供按時間順序排列的權重。該模型提也有不同的缺點，並為每個決策單元倒置的錯誤率。 
• 最後一個涉及未來的發展前景。這種模式的目的是預測未來的效率值和每個決策單元的信賴區間。 

DEA預測分數和信賴區間