数学模型-耐用品销售
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
:
建立耐用消费品(本文使用的是彩色电视机的数据)数学模型,并预测下一时期此类消费品的销售量。
二、使用到的数据:
1、产品的销售只受市场的影响。
2、市场发展在一段时间内是平稳的。
3、市场需求量是平稳的。
4、销售量和需求量是按时间连续变化的。
四、建模型, 设变量
(1)模型分析:初期彩色电视机销售量增长率会不断提高,由于彩色电视机在本地区的越来越普及,彩色电视机的销售量增长率会变小,最后销售量会趋于一个相对固定的值,增长率趋于0。因此,彩色电视机的销售量满足Logistic模型。
(2)变量假设:
彩色电视机的销售量为y(t)
彩色电视机的固有增长率:r(即彩色电视机数量很少时的增长率)
彩色电视机的增长率为:r(t)
该地区彩色电视机的最大数量为:y m ,其中r(y m)=0
则有:r(t)=r(1-y/y m) dy/dt=ry(1-y/y m) y(0)=y0
(3)因此建立模型: dy/dt=ry(1-y/y m)
y(0)=y0
五、参数估计
(1)将模型线性化:
此微分方程可化成如下形式:(dy/dt)/y=r-(r/y m)y
设z=(dy/dt)/y a=-(r/y m) b=r
这样,可得到一个线性关系式:z=ay+b
(2)数值微分法计算z的值
首先计算左端z,使用数值微分的方法(采用插值多项式):
代码如下:
t=0:1:12;
y=[43.65,109.86,187.21,312.67,496.58,707.65,960.25,1238.
75,1560.00,1824.29,2199.00,2438.89,2737.71];
p=polyfit(t,y,5) %用5次多项式p拟合f(x)
dp=polyder(p) %对拟合多项式p求导数dp
dpt=polyval(dp,t) %求dp在假设点的函数值
z=dpt./y
解得:z =1.1489 0.6402 0.5658 0.4778 0.3916 0.3336 0.2816 0.2380 0.1975 0.1700 0.1373 0.1173 0.0973
我们可以得到下表:
(3)最小二乘法拟合,求线性方程的系数:
代码如下:
y=[43.65,109.86,187.21,312.67,496.58,707.65,960.25,1238.75, 1560.00,1824.29,2299.00,2538.89,2837.71];
z=[1.1489,0.6402,0.5658,0.4778,0.3916,0.3336,0.2816,0.2380, 0.1975,0.1700,0.1373,0.1173,0.0973];
result=polyfit(y,z,1) %最小二乘法回归求系数;
z1=result(1)*y+result(2)
plot(y,z,'*',y,z1,'-');
xlabel('y'); ylabel('z');
legend('实际z值','拟合z值',1);
得到如下结果:a=-0.0002 b=0.6536
即a=-( r/y m)=-0.0002 b=r=0.6536
下面是线性拟合的图像:
(4)求解销售模型:
由上面可以解得:r=0.6536 y m =3268
所以 dy/dt=0.6536y(1-y/3268)
y(0)=43.65
代入模型求解:dsolve('Dy=0.6536*y*(1-y/3268)','y(0)=43.65') 解得销售模型为:y(t)= 3268/(1+73.868e-0.6536t)
(5)销售模型与实际数据的比较
代码如下:
t=0:12;
y=[43.65,109.86,187.21,312.67,496.58,707.65,960.25,1238.75, 1560.00,1824.29,2199.00,2438.89,2737.71];
y1= 3268./(73.868*exp(-0.6536*t) + 1)
plot(t,y,'*',t,y1,'r--');
xlabel('时间');
ylabel('销售量');
title('实际销售量和预测销售量');
legend('实际数据','预测数据',1);
六、模型检验与分析:
由(5)所得模型解得销售量与实际销售量如下表:
此模型的平均误差为:(y1-y)./y*13=2%,但是后面误差比较大,可能与该地区的销售条件,居民的生活水平有关,总体来说该模型比较满意。
七、预测:
我们可以通过所建立的模型预测以后的销售量:
预测1994年得销售量为:y(13)=3268/(1+73.868e-0.6536*13)=3219.5 可以预计1994年得销售量为:3219.5