Непрерывное распределение прибыли. Центральный позиционный дизайн. Оценка координат экстремума. Нормальность распределения прибыли с продаж, генерируемых имитационной моделью. Неравенство дисперсий прибыли с продаж. Дискретное распределение прибыли.
В данной курсовой работе раскрывается тема «Максимизации прибыли от продаж»: производится поиск оптимальной цены продажи товаров трёх видов, закупленных у производителя по некоторым ценам, при непрерывном распределении прибыли, представленным нормальным законом, и при дискретном, - пуассоновским; проверяются гипотеза о нормальности распределения прибыли с продаж и гипотеза о неравенстве её дисперсий. Для проведения эксперимента использовать имитационную модель profit3norm(D), где D - матрица дизайна эксперимента, генерирующую случайную прибыль от продажи товаров. Опыт 1 X01=300; X02=490; X03=580; D=[X01, X02, X03]; Y=profit3norm(D) Массы продаж: m = 17.4395 10.1606 18.2867 Прибыль: Y = 4629.38 Опыт 2 X01=300; X02=490; X03=580; D=[X01, X02, X03]; Y=profit3norm(D) Массы продаж: m = 17.7338 8.4880 16.9476 Прибыль: Y = 4317.50 ОпытЗ X01=300; X02=490; X03=580; D=[X01, X02, X03]; Y=profit3norm(D) Массы продаж: m = 17.9844 9.6691 17.7280 Прибыль: Y = 4570.35 Опыт 4 X01=300; X02=490; X03=580; D=[X01, X02, X03]; Y=profit3norm(D) Массы продаж: m = 18.1529 8.6035 18.3119 Прибыль: Y = 4484.73 Так, получена средняя прибыль: Y0mean= (4629.38 4317.50 4570.35 4484.73 )/4 Y0mean = 4500.49 Для увеличения прибыли с продаж, т. е. для поиска оптимальных цен товаров сформируем, схему продаж, основанную на полном факторном эксперименте с числом опытов , где - число факторов, т. е. число товаров, вошедших в экспериментальную группу. Clear Clc close all disp(ПОЛНЫЙ ФАКТОРНЫЙ ЭКСПЕРИМЕНТ’) % format bank d=fracfact(a b с); X=[ones(length(d),1) d]; %X=[X;X]; X0=[300 490 580]; dX=0.05*X0; %dX=[30 49 58]; %Xm=[248.00 420.00 670.00]; dX=[10 10 10]; X0=Xm; %Xm=[249.5 419.5 667.5]; dX=[30 49 58]; X0=Xm; N=length(X); D=[X(:,1)*X0(:,1) X(:,2)*dX(:,1)… X(:,1)*X0(:,2) X(:,3)*dX(:,2)… X(:,1)*X0(:,3) X(:,4)*dX(:,3)] Y=profit3norm(D) alpha=0.2; [b,bint,r,rint,stats] = regress(Y,X,alpha); bbint=[b bint] format short p=stats(3) Получена статистически значимая модель с оценками доверительных интервалов , , , на уровне значимости . Рассчитаем, например, 5 шагов движения по градиенту, приняв параметр шага disp(PACЧET ШАГОВ ДВИЖЕНИЯ ПО ГРАДИЕНТУ’) % ------------- format bank b=b(2:4); % gamma=0.004; ng=6; for j=1:ng G(j,1:3)=X0 (j-1)*gamma*b.*dX; end G Элементы матрицы G говорят о том, что цена 1-го товара при движении по градиенту выйдет за границу его закупочной цены на 6-м шаге. С этой целью начнем продавать товары по новым ценам: disp(СРАВНЕНИЕ СРЕДНИХ’) % N=4; D0=G(ones(1,N),:) Y0=profit3norm(D0) disp(Средняя прибыль на основном уровне матрицы дизайна:) Y0mean=sum(Y0)/N D=G([kYm kYm kYm kYm],:) Ymgrad=profit3norm(D) Disp(Средняя прибыль на 3-ем шаге движения по градиенту:) Ymean=sum(Ymgrad)/N gradmean=[Y0 Ymgrad]; disp(Оценка p-value различия средних) format short p=anoval(gradmean) Результаты сравнения средних, представленные на рис.
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
