Задача максимизации прибыли от продаж

Регрессионный анализ решает задачу максимизации текущей прибыли продавца, абстрагируясь от конкретных механизмов ценообразования, которые, как известно, сложны и разнообразны в

Задача максимизации прибыли от продаж

Курсовой проект

Менеджмент

Другие курсовые по предмету

Менеджмент

Сдать работу со 100% гаранией
p>

 

 

Для определения оценок коэффициентов регрессии используем центральный композиционный дизайн.

Clear,('ЦЕНТРАЛЬНЫЙ КОМПОЗИЦИОННЫЙ ДИЗАЙН') %

format bank=3;=ccdesign(k);=[ones(length(p),1),p,p(:,1).^2,p(:,2).^2,p(:,3).^2];=length(p)=[20 80 100];

%xm=[249.5 419.5 667.50]bank=[ones(N,1)*x0(:,1)+p(:,1)*dx2(:,1)…(N,1)*x0(:,2)+p(:,2)*dx2(:,2)…(N,1)*x0(:,3)+p(:,3)*dx2(:,3)]=profit3norm(D)

%alpha=0.2;

[b,bint,r,rint,stats] = regress(Y,X,alpha);=[b bint]short=stats(3)

Получена модель , в которой оценка коэффициента подтверждает с доверительным интервалом при доверительной вероятности предыдущую оценку прибыли 5501.47 руб.

Коэффициент при 1-й переменной оказался положительным. То есть при движении по градиенту область экстремума вдоль 1-й переменной была пройдена, и необходимо уменьшить цену первого товара. Сделать это можно либо новой реализацией градиентного восхождения, либо повторной квадратичной аппроксимацией.

Вдоль второй переменной имеет место максимум прибыли. Оценим координаты экстремума:bank=-310.66;b6=-504. 43 ;

хm=[0;-b3/b6/2; 0]=x0'+xm.*dx'=

 

.31

=

.87

.37

.23

Поправка оказалась небольшой. Поэтому примем решение прервать процесс активного вмешательства в изменение цен на заданную группу товаров и перейти к сбору статистической информации по продаже этих товаров по ценам

х1 = 239.87 руб, х2 = 465.37 руб, х3 = 656.23 руб.,

найденным по результатам квадратичной аппроксимации области экстремума прибыли. Реализуем это решение с помощью уже использованного центрального композиционного дизайна, приняв за основной уровень точку с координатами руб., и руб.,clc=3;=ccdesign(k);=[ones(length(p),1),p,p(:,1).^2,р(:,2).^2,р(:,3).^2];=[X;X;X;X;X;X;X];=length(X)=[239.87 465.37 656.23];=[20 50 80];

%xm=[249.5 419.5 667.50]bank=[ones(N,1)*x0(:,1)+X(:,2)*dx(:,1)…(N,1)*x0(:,2)+X(:,3)*dx(:,2)…(N,1)*x0(:,3)+X(:,4)*dx(:,3)];=profit3(D);=0.2;

[b,bint,r,rint,stats] = regress(Y,X,alpha);=[b bint]short=stats(3)bank=[2*b(2) 0 0;0 2*b(3) 0; 0 0 2*b(4)],=[-b(5);-b(6);-b(7)]=A^-l*B=x0'+xm.*dx'

 

Итак, текущее исследование говорит, что средняя прибыль за выделенный период времени от реализации данной группы товаров составляет величину руб. с доверительным интервалом .

Заметим лишь, что в реальных условиях, в отличие от имитационных, отсутствует практическая возможность получить линии уровней функции прибыли.

 

Задача 2

 

Дать иллюстрацию близости распределения Пуассона , которому подчиняются дискретные величины хi прибыли с продаж, к нормальному распределению при больших значениях параметра .

 

Рис. 17

 

Для быстрого решения задачи удобнее обратиться к функции disttool, результаты исполнения которой показаны на рис. 18 и 19. Но при использовании высокоуровневого графического интерфейса не всегда удается согласовать интервал значений переменной вдоль оси абсцисс, что может породить некоторые сомнения в результатах сравнения распределений. Поэтому обратимся к более надежному, но и более трудоемкому средству.

Построим графики кумулятивных распределений Гаусса и Пуассона в одном графическом окне, написав следующий скрипт.,,=0:

e-3:40;=20;=4.5;=normcdf(x,mu,sigma);=20;=poisscdf(x,lambda);(x,yl,'--',x,y2,'LineWidth',1.5),('Gauss','Poisson','Location','SouthEast'),set(gca,'GridLineStyle','-'),=12;('x','FontSize',Font),('F_N(\mu=20,\sigma=5),_P(\lambda=20)','FontSize',Font)(gca,'FontSize',Font)('Распределения Гаусса и Пуассона',…

'FontName','Arial Cyr','FontSize',Font)

 

 

Заключение

 

В рамках выполненной работы мы смогли ознакомиться с одним из методов максимизации прибыли от продаж, реализованном в программной среде MATLAB , основанном на регрессионном анализе и уравнении регрессии, заключающемся в поиске оптимальной цены в зависимости от спроса. Так же возникло понимание статистической природы спроса, так основой её служат Гаусовское и Пуасоновское распределение.

Похожие работы

<< < 1 2 3