- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
报童卖报
摘要
报童卖报问题实际上是求解使得报童赢利取得最大期望值或报童损失的最
小期望值的临界值,本文对报童卖报获得最大盈利的条件进行了研究,建立日期
望收入以及日均损失模型,当日需求量r 为离散型和连续型时分别进行了计算,
得出无论以收入或者损失作为模型,报童的最佳销售策略都是相同的,即保证每
天批发的报纸卖不完的概率与卖完的概率之比正好等于他卖出一份赚的钱与退
回一份赔的钱之比。另外本文还沿用此模型对当上下午报纸售价不同的两种情况
进行了分析,得到了结论。
一、问题提出
报童每天清晨从报社购进报纸零售,晚上将没有卖掉的报纸退回。设报纸每
份的购进价为b ,零售价为a ,退回价为c ,假设abc 。即报童售出一份报纸赚
a-b ,退回一份赔b-c 。报童每天购进报纸太多,卖不完会赔钱;购进太少,不够
卖会少挣钱。试为报童筹划一下每天购进报纸的数量,以获得最大收入。
二、模型分析
购进量由需求量确定,需求量是随机的。假定报童已通过自己的经验或其他
渠道掌握了需求量的随机规律,即在他的销受范围内每天报纸的需求量为 r 份
的概率是f(r)(r=0,1,2…)有了f(r),a 和b,c 就可以建立关于购进量的优化模型。
三、模型建立
假设每天购进量是n 份,需求量是随机的,r 可以小于,等于或大于n, ,所
以报童每天的收入也是随机的。那么,作为优化模型的目标函数,不能取每天的
收入,而取长期卖报(月,年)的日平均收入。从概率论大数定律的观点看,这
相当于报童每天收入的期望值,简称平均收入。
记报童每天购进n 份报纸的平均收入为G(n), 如果这天的需求量r=n, 则售
出r 份,退回n-r 份;如果需求量人rn,则r 份将全部售出。需求量为r 的概率是
f(r),则
1
n
( ) ( ) ( )( ) ( ) ( ) ( )
G n a −b r − b −c n −r f r + a −b nf r
r 0 r n+1
( )
问题归结为在f r ,a,b,c 已知时,求n 是G(n)最大。
四、模型求解
购进量n 都相当大,将r 视为连续变量便于分析和计算,这时概率f(r)
转化为概率密度函数p(r)
( ) n ( ) ( )( ) ( ) ( ) ( )
G n a −b r − b −c n −r p r dr + a −b np r dr
0 n
计算
dG ( ) ( ) n ( ) ( )
a −b np n − b −c p r dr ( ) ( ) ( ) ( )
− a −b np n + a −b p r dr
0
您可能关注的文档
- 必修四 2.2 平面向量的线性运算(教案).pdf
- 必修四文言文测试题含答案.pdf
- 必背公式默写纸.pdf
- 才比德更重要辩论会 素材库.pdf
- 才艺展示评分表.pdf
- 才高八斗的主人公.pdf
- 把Excel中的数据导入Oracle 数据库中.pdf
- 把下列的字加上偏旁组成新字再组词.pdf
- 把反问句改为陈述句10个例句 (2).pdf
- 把反问句改为陈述句10个例句.pdf
- 数据仓库:Redshift:Redshift与BI工具集成.docx
- 数据仓库:Redshift:数据仓库原理与设计.docx
- 数据仓库:Snowflake:数据仓库成本控制与Snowflake定价策略.docx
- 大数据基础:大数据概述:大数据处理框架MapReduce.docx
- 实时计算:GoogleDataflow服务架构解析.docx
- 分布式存储系统:HDFS与MapReduce集成教程.docx
- 实时计算:Azure Stream Analytics:数据流窗口与聚合操作.docx
- 实时计算:Kafka Streams:Kafka Streams架构与原理.docx
- 实时计算:Kafka Streams:Kafka Streams连接器开发与使用.docx
- 数据仓库:BigQuery:BigQuery数据分区与索引优化.docx
文档评论(0)