电子商务的研究和应用Enhancement of ecommerce via mobile access to the Internet

1、毕业设计（论文）外文翻译enhancement of e-commerce via mobile access to the internet电子商务的研究和应用学 生 学 院 怀德学院 专 业 班 级 计算机082 校内指导教师 专业技术职务 校外指导老师 专业技术职务 电子商务的研究和应用提高电子商务通过手机来访问英特网摘要互联网的潜力已经大大扩大了新一代移动设备的发展，为移动电子商务打开了一扇快速发展的大门。虽然传统的通过电脑连接互联网的优势仍然是至关重要的，但手机上网由于能以一种无处不在的方式灵活得访问互联网而似乎吸引了更多的人。因此，电子商务现在正在朝着移动电子商务方面转换。本文的目

2、的是通过比较传统的pc接入和移动接入访问电子商务来开发和分析一个数学模型，这个数学模型可容纳传统的pc接入和移动接入。分布k产品销售所需的时间t和时间分布购买的产品数量派生明确，给出一个移动设备对电子商务影响的评价。给出的数值例子来阐明移动电子商务消费者和传统电子商务消费者的差异。1. 介绍互联网的潜力已经大大扩大了新一代移动设备的发展，为移动电子商务打开了一扇快速发展的大门。虽然传统的通过电脑上网来利用互联网的优势任然是至关重要的，但手机上网由于能以一种无处不在的方式灵活得访问互联网而似乎吸引了更多的人。因此，电子商务现在正在朝着移动电子商务方面转换。因为这样的事实，移动通信技术还很年轻。对

3、移动设备在电子商务的影响上的研究目前在学术上还是一个新的东西。root和kim提供了移动设备和移动电子商务的现状，chae和kim讨论了移动电子商务对电子商务的影响，barwise和hammond预言了移动电子商务的发展趋势在预见的未来。wu和hisa提出立方体创新模式分析移动电子商务的特点集中在三点：改变经营模式，改变核心部件个利益相关者。siau et al，park和fader调查了移动电子商务对消费者的好处，以及为什么电子商务已经改变了消费者的消费习惯。bykzkan开发了一个分析方法来确定移动电子商务用户的要求。所有这些论文都是经过实践证实的，定性或静态的分析性质并且对于作者来说是最

4、好的知识，在学术上还没有一项研究是用数学随机模型来捕捉传统电子商务和移动电子商务行为的差异。这篇论文的目的是发展和分析一个数学模型来比较传统的pc访问通过电子商务与移动电子商务谁可同时进行传统的pc接入和移动接入。更具体地说，我们考虑那些打算决定是否应该通过互联网信息购买产品的消费者。为了捕捉到他们的行为模式，分解到每一天的三个时期。每天的第一时期代表工作时间，而第二和第三时期则对应每天的傍晚时分和在家的睡眠时间。 据报道在makeyougohmm（2006年），企业员工经常利用私人访问互联网公司pc。因此，在每天的第一时期pc访问被假定为偶尔为私人使用互联网的时间。移动接入也有可能，如果消费

5、者选择这样做。很自然得认为 ，傍晚时分在家，pc访问取代了移动接入。因此，只有pc访问被认为是在一天的第二时期。由于第三时期在一天中是睡眠时间，所以消费者都不在使用互联网。消费者们接入互联网的方式被分为三类：一类是只通过个人电脑来接入互联网；一类是平时只通过个人电脑来接入互联网但有些时候开始尝试用手机来接入互联网；还有一类是从一开始就用个人电脑或者手机来接入互联网。这些类型的消费者分别被认为是：&pc，&pc-both和&both，全部的消费者类型被定义为&=&pc&pcboth&both（指的是bbc新闻，一个匿名的介绍人指出了在我们的模型中合并&pcboth的重要性，这点在论文的初稿中没有

6、被指出）。根据我们的分析考虑，假设这些产品在某一个时期被每个消费者至多购买了一次。每次互联网被访问时，消费者都是这三类中的一类：为了购买东西，不是为了购买东西，或者尚未决定是否要买东西。为了获得消费者&在一个统一的习惯的随机行为，我们认为一个半马尔可夫过程包含六个过度状态和两个吸收状态。过渡状态i和3+i符合i=1,2,3这个短暂的周期。吸收状态0和7分别描述了买和不买的两种决定。起始于状态1，那些用&pc方式的消费者以一种连续的循环方式持续移动至1,2和3周期直到他们达到了0或者7的状态。用&both方式的消费者和&pc方式是类似的，除非他们起始于状态4并且持续到4,5,6直到他们到达吸收状

7、态。那些用&pcboth方式的消费者开始于状态1类似于&pc。在第三状态结束的停顿时间，然而当他们以1-r（0r=0上定义n=0,1.7。这里，那些&pc方式的消费者的短暂周期ith代表状态i，并且那些&both方式的消费者符合状态i+3,i=1,2,3。这两种状态0和7是吸引人的，前者对应购买产品的决定，而后者则代表不购买产品的决定。我们假设，暂时，状态i在半马尔可夫过程状态中停留的时间是决定连续的概率密度函数(p.d.f.) ai(x),i=1,.6。相应的分布函数，剩余函数和危害率的函数表示为 很清楚ai(x)=ai+3(x) 其中 i =1; 2; 3。因为这个，我们认为a1(x)=a

8、4(x)=aw(x),a2(x)=a5(x)=ae(x)和a3(x)=a6(x)=as(x)是可交换的。aw(x),aw(x),w(x)等。因此对应。因为状态0和状态7是相互吸引的，所以这两种状态的停顿时间是很长的，相应的剩余函数可以写成：因为这些&pc方式的消费者，发生在状态1和状态2的因特网接入方式分别很强得根据泊松过程1=w:pc 和2=e:pc，购买相应的概率（不购买）为每个访问表示和 和消费者仍然未定的概率1-()0，i=1,2.因此，其中是从状态0到状态1的过渡。和同样被定义得很明确。在一天中的第三个时期&pc方式的消费者打算用手机上网的可能性是1-r。这意味着，在状态3停顿时间结

9、束的时候，消费者转向状态1的概率是r转向状态4的概率是1-r。&both方式的消费者可能同时会用电脑和移动设备来接入因特网。泊松强度的pc访问被定义为，并且移动方式接入被表示为购买的概率（不购买每个接入）的定义为未都表示通过 和。并行与（2,3），随后其中因为在晚上，&pc方式的消费者和&both方式的消费者的行为是中立的，他们的行为结构是相似的。我们把它记作：和这些差异连同移动接入用户人口增长的概率r在我们的模型中影响了通过手机接入电子商务方式。这用数字描绘了半马尔可夫的结构装换图。为了解决在每天的这三个时期是不变的这种情况，我们随后选择为每个i1.6一个序列函数如此以致ai(k,x)u(x

10、-i)，k，在状态i时i是恒定不变的停顿时间并且u(x)是一个阶梯函数u(x)=1，x=0并且u(x)=0，x0。3. 半马尔可夫的动态分析在这一章中，我们在半马尔可夫过程j(t)中得出明确的转移概率矩阵，被定义为为此，这个时间过程x(t)被介绍所用的时间直到在时间t过渡到当前状态j(t)。清楚得，这个二元变量过程j(t),x(t)适合马尔可夫，我们分析的第一步是评价的联合分布函数的定义 和相应的联合p.d.f这个函数被用来描述边界函数关于x。这里如果st是真，另外。函数是与卷积相关的单位算子。为了一些可积分的函数g(t) 0,图1 半马尔可夫过程的过渡结构。 为了评估联合p.d.f. （3.

11、3），我们将介绍下面的拉普拉斯变换 概念上的便利，我们也定义以及下面的函数，向量，和矩阵 同样地，我们定义用然后下面的定理认为定理3.1让和分别在(3.12),(3.14)有和分别在(3.16),(3.17),(3.20),(3.22)a1.an表示一个n*n与对角线的对角矩阵元素a1.an证明.除了状态1-6分别在(3.4)(3.9)的边界状态，人们看到，状态0和7， 和通过采取拉普拉斯变换（3.4） - （3.9）和上述两个关于t的方程，我们会发现 通过描述（3.25） - （3.32）的矩阵形式，它遵循， 其中ui是第i个单位向量和在r8和方程（3.33）可以解决可以证明（3.34）后，

12、一点点代数并且（a） 部分如下（3.36） （b） 部分，我们注意到， 这些方程可以以下列方式解释。 因为状态0和7是吸引的，这一个过程中在时间t的两个状态与年龄x。它应该有进入状态时间t x，解释（3.37）和（3.44）。 对于进程状态j在时间t，j=1,2,4,5如同在（3.38），（3.39），（3.41）（3.42） 中。它应该在t-x时间进入状态，并有一直到没有任何其他状态的过渡时间t案例状态3和状态6（3.40）和（3.43）是类似的，除了过渡从状态3或状态6到状态0或状态是不可能的 。通过拉普拉斯变换（3.37） - 关于（3.44）t，可以看出， 再次到拉普拉斯变换（3.45

13、）（3.52 - 关于）x和投入的矩阵形式，定理的结果如下。 让拉普拉斯变换关于表示从（3.1）中的定义，很容易发现接下来的定理，然后立即从定理3.1。定理3.2因此，我们假定在状态i时的半马尔可夫过程的停顿时间随着p.d.f ai(x),i=16是绝对连续的，得出了这既不是购买的决定也不是不购买的决定。事实上，不管怎样一天当中的这三个时期应该被看做时常量1= 4=w，2= 3=e和3= 6=s。这种情况下，可以考虑一个序列处理拉普拉斯变换的p.d.f. 其中我们强调的限制使用符号 。在这个限定范围内，相应的转移概率矩阵的拉普拉斯变换可以通过定理3.1和3.2中的得到。假设一天开始的第一时期，

14、尤其是我们所分析的和，这是拉普拉斯变换随着时间t来决定消费者买某件商品或者不买某件商品的概率。这些结果可以在定义3.1和3.2中由和通过使用最初的概率矢量总结自下一条定理得到。定理3.3假如一天当中的这三个时期被常量w，e ，s 所表示，让和其中c1c2、5和c4 作为（3.15）中，那么我们现在能够证明下一个主要的定理通过在定理3.3（a）和（b）中得到的结论，从而真正得进入到这个领域。为了概念上的便利，下一个间隔由k=0.1.2.来描述其中，intk,w,intk,e和intk,s分别代表工作时间傍晚时间和睡眠时间。我们也把x当做实数x的整数部分。定理的证明是相当漫长和繁琐的，只有在附录中

15、简略得提到。定理3.4把intk,w,intk,e和intk,s分别当做（3.54）（3.55）和（3.56）。让和ci 在定理3.3中定义为。为了概念上的便利，我们也定义一下公式然后概率能够通过以下得到：（1） 如果那么（2） 如果那么（3） 如果，那么从定理3.4和3.5中，两个吸收概率e10和e17 可以让定理3.6在时间0起始于状态1，让e10和e17作为吸收概率在状态0和状态7，然后有对于那些一开始就用手机和电脑上网的用户来说，这个起始状态将会是状态4。因此，因为兴趣原因的在我们的分析的概率中对应和。这些可能性被获得仅仅是通过状态向量代替。定理3.7和3.8在下面提供定理3.4和3.

16、5相对的定理。定理3.7让intk,w,intk,e和intk,s分别在（3.54）（3.55）（3.56）。让ci 和m(t)在定理3.3.然后概率可以获得如下：（1） 如果，然后（2） 如果然后（3） 如果，然后定理3.8让intk,w,intk,e和intk,s分别在（3.54）（3.55）（3.56）。让ci 和m(t)在定理3.3.然后概率可以获得如下：（1） 如果，然后（2） 如果那么（3） 如果，然后与定理3.6相一致，通过定理3.7和3.8中可以得到下一个定理定理3.9起始于状态4在时间0。让e40和e47分别分别为状态0和状态7时的吸收概率。然后4. 动态销售量和销售额完成时

17、间的分析用第三章中讨论得到的半马尔可夫的结果，我们现在能够评价手机访问因特网扩大电子商务的影响。把&pc,&pc-both和&both的人数定义为其中|a|表示a的基数集合。给出和，由于兴趣的销售量分布在时间t。同样得，具有同等的重要性，将销售分布k产品的完成时间 。在这章，我们明确得推导出了这两个分布。为了从应用角度捕捉更好得个人消费行为，我们重新定义了半马尔可夫的状态矢量空间作为，其中buy相当于状态0，ud共计六种状态1.6，buy是状态7。此外，为了区分出消费者是那个类型的。我们得出，其中是转移概率矩阵在半马尔可夫过程r=1和，因此我们定义这可以从定理3.4,3.5,3.7和3.8中计

18、算得出。因为，我们现在介绍接下来的三变量生成函数来捕捉在时间t时个体消费者的状态。让和分别作为种类消费者的数量，这些消费者在时间t时买了东西；在时间t还没决定要不要买东西；在时间t已经决定不会买东西。我们记作,。假定个别消费者的行为彼此独立，集体消费者的行为可以被描述为因此，联合概率和可以从以下公式中得出：基于以上的结论，下一个定理可以显示。定理4.1因为，让在（4.1）和定义为在时间t卖给种类消费者的商品数量。然后有二项分布用平均数。，是从一下公式得出证明.因为有一点从（4.5）和（4.6）中得出证明这个公式。因为我们接下来把注意力转变到k商品的销售完成时间在类消费者中，更加正式的，让作为k

19、商品卖掉的时间在消费者中让作为的剩余函数这下一个定理就适用了。定理4.2让和分别在定理4.1和（4.8）中，证明.从（4.7）中，有一点很容易得看出当且仅当这个双向关系在和之间意味着并且定理可以从定理4.1中产生。以上对个体消费者的分析应该是综合的以便获得随机消费者自然行为在全部市场中。更具体地说并且定义作为在时间t全部卖掉的商品数目在全部市场。如以前，我们么也定义作为卖掉k产品所需要的时间然后有以下定理。定理4.3让和被描写为上下文。让并且定义定义t(k)的剩余函数为。然后接下来的证明才有效。数学公约，其中证明.因为，（a）遵循定理4.1和卷积定理。（b）可以解释定理4.2中的证明。5.数例

20、值本节的目的是探索数字如何移动接入互联网，将加强电子商务。 为了这个目的，在表1中设置了基本参数的基本价值观。假设决定的概率是无关紧要的，不管在一天当中的访问时间，不管是用手机接入还是用电脑接入，上网决定购买的概率是0.03和不购买的概率是0.01。消费者的总数n=1000，接下去的五种情况被认为是。（1） 所有的消费者都用电脑接入（2） 这里存在三种不同方式的消费者和。概率1-r代表手机用户的增长是多变的：和。（3） 所有用电脑和手机接入的消费者，从一开始。这应该被记作移动的使用程度被加强在（1）（2-1）（2-2）（2-3）和（3）。在表2，k(240)的剩余函数也是在时间t=240时，卖

21、出商品的数量。从左到右被划分为五种情况在（1）（2-1）（2-2）（2-3）和（3）。能够很容易得看出k(240)随机增长在这个顺序中。用可能性0.7，例如，1736件商品或更多在情况（1）被卖掉了，虽然数量分别从2115，,2203和2229增长到了2450从情况（2-1）（2-2）（2-3）到（3）。情况（1）的1736增长到情况（2-1）的2115，增长了21.8%。是相当大的考虑这筛选概率1-r在r=8时从0增长到了0.2的事实。然而，后来的增长缩小了，从2115到2229，只有5.3%的增长率。1-r从0.2增长到了0.8。类似的观察值可以从表.3中的期望值得到。变化的单调性也在表.

22、3中给出，反映了k(240)增长间距当情况从（1）（2-1）（2-2）移动到（3）时的事实。表4和5提供了表2和3的副本为了剩余函数,t(2000)，也就是，销售时间当k=2000时的商品数。除了左边大部分曲线图表现在符合情况（3）和右边的大部分曲线图表代表情况（1）。我们观察t(2000)减少随机得就像从情况（1），（2-1）,（2-2）和（2-3）到（3）。随着概率0.7t(200)大于或等于273在情况（1）中，然而从219.230和200减少到176的数量就好像分别从情况（2-1）（2-2）（2-3）转移到（3）一样。此外，最初从273减到219的负增长率为8.7%。预期的销售完成时间

23、和他的变化在表5被描述。虽然期望值的单调性被再次观察到，但是涨跌的变化是明显的在一个奇怪的方式中。这个涨跌的现象或许能够从一天的第三个阶段中来解释，通过s来表示。在不同的情况下影响了t(2000)的分布。这个平坦的部分在表4中被观察相当于s代表睡觉时间，在这个时间消费者在因特网上不活跃。有一点意识到这个平坦部分在不同的曲线中国显得不同，这可能是变化波动的结果。表2 k(t)的剩余函数（t=240，n=10000）表1潜在参数的基值表3 k(t)的变化和平均值（t=240，n=10000）表4 剩余函数t（k）（k=2000，n=10000） 表5 t（k）的平均值和变化（k=2000，n=10000）6. 结论随着当今社会新一代移动设备的快速发展，接入因特网的方式