进货策略数学建模结课论文

1、数学建模结课论文题目：a 进货策略参赛队员信息：论文题目：进货策略摘要：我们通过对附表1中数据的分析，发现商品的出售具有一定的周期性质。首先，我们利用泊松分布（a商品）和正态分布（b,c商品），找出商店缺货零出的点及其频率，进而得出商店进货的周期。然后因为题中已知数据记录偏多，故而我们以月为单位，将各类商品的出售数量进行统计和作图（可简化题目）。接下来，我们再通过傅里叶变化得出该数据中的幅频最高的点，找出其幅频最高的点对应的周期，验证正态分布中的周期。再接下来，运用最直接的极大值和极小值的方法，得出周期，再去验证之前得到的周期的正确性。在问题一中，通过一些图形模拟和计算，得出a,b,c商品的进

2、货（缺货）的周期大约是12天。所以就可以很容易的得出，该商店的进货策略和在825天内进了多少次货。在问题二中，我们通过泊松分布的得出a的日需求量为3.07件，由正态分布很容易得出b的平均值为4.5左右，c的平均值为7左右，即b,c的日需求量约为4.5和7。在问题三中，通过程序，找出a,b,c中连续点或者是相邻差值非常大的点，再从中挑选出符合缺货条件的点，从而算出，a的缺货时间为93天，缺货量为301件。b缺货时间大约为62天，缺货量大约286件。c缺货时间大约为48天，缺货量大约为339天。在问题四中，通过计算，a在每个周期内缺货大约为4.36件，确定b在每个周期内缺货大约4.14件，c在每个

3、周期内大约缺货4.91件。由此，我们可以很容易得出当周期为11天时，a,b,c三种商品的缺货损失减半。关键词：泊松分布 正态分布 傅里叶变换 假设检验一 问题重述1.1背景： 已知某商店取得了某物在该区域的市场经销权，销售该物的三类产品，附表1给出了该店过去连续825天的三类产品销售记录。通过分析附表1，解决下述四个问题。1.2 问题描述：（1） 该店三类产品的进货策略是什么？800多天内共进了多少次货？（2） 该三类产品在该区域的市场需求如何？（3） 分析现有进货策略下，该店的缺货情况（包括缺货时间及缺货量）。（4） 如果现有进货策略已经充分考虑了该店的产品存贮能力，如何改进进货策略，将缺货

4、损失减半，且进货次数尽可能少？二 问题分析我们第一眼看到题目时，发现题目中附表的数据颇多，而且绘成图之后没有明显的图象趋势，没有明显的特点。所以我们决定对原始数据进行一系列的处理，包括傅里叶变换，频率分布等处理，希望取得图象深程度的理解，以便简化题目中的大量数据。在问题（一）中，我们认为这是一个固定周期的模型。只要通过对数据的分析，找出商家去购买商品的大概周期，然后我们再结合数据中的一些特殊情况，就可以找出商家的进货方式了。然后我们用825除以周期，就可以得到商家在825天内大概进了多少次货。在问题（二）中，我们认为如果找到了，a,b,c的本质分布曲线，就可以通过求平均值或者正态分布平均值的方

5、法，得到居民对于a,b，c的日需求量。在问题（三）中，我们认为要分析缺货情况，必须要在数据中找到哪些数据是断货或是缺货的，然后我们在找出缺货时间的基础上，去得到缺货量。在问题（四）中，我们认为只要找到在825天的缺货量，再除以售卖周期，就可以得到在每个周期内的缺货数量。这样就可以通过调整周期得到让让缺货损失减半的方法。三 模型假设（一）商家是定期去采购商品；（二）a,b,c商品储存方式不能替代；（三）在商品无限充足的自然情况下，商品售出的数量大约呈正态分布。四 符号说明p概率分布（泊松分布和正态分布）泊松分布中为平均值（方差）正态分布中的平均值2正态分布中的方差w傅里叶变换中的频率p0标准曲线

6、与实际曲线在零点处的频率差值pi，ni标准曲线与实际曲线在大于平均值（方差）处的频率差值和对应的频数pi，ni实际曲线与标准曲线在小于平均值（方差）处的频率差值和对应的频数t总的出售时间，即825天t总的缺货时间t1缺货（不断货）的时间标准图形中的平均值（方差）五 模型的建立与求解 对于a商品：我们首先用matlab将b,c数据进行正态分布处理数据，并作出图象，见下图（其中横坐标为出售数量，纵坐标为频率）： （一）泊松分布 泊松分布的概率分布函数为：其中 . 0是常数,则称x服从参数为的泊松分布,记作xp () 。泊松分布的参数是单位时间(或单位面积)内随机事件的平均发生率。泊松分布适合于描述

7、单位时间内随机事件发生的次数。且在泊松分布中，平均值和方差均为。（二)具体问题分析在a商品的出售量的数据中，我们可以得到，a商品的出售数量平均值为2.76（图中显示为3.76），方差为3.07（图中显示为4.07）。我们取泊松分布中=3.07，得到标准的泊松分布函数。商品a的图象与标准泊松分布图象（为便于观察，图象向右平移一个单位）结合图形和理论数据，我们可以很容易的看出，a的出售数量与频率的分布图象和泊松分布的图象十分相近。在图象中我们可以看出a的出售数量在零附近的概率非常高，我们认为这是因为a的缺货时间非常长，缺货量非常大而产生的。对于b,c商品：（一）正态分布正态分布，是一种概率分布。公

8、式为：第一参数是服从正态分布的随机变量的均值，第二个参数2是此随机变量的方差，所以正态分布记作n（，2）。服从正态分布的随机变量的概率规律为取与邻近的值的概率大，而取离越远的值的概率越小；越小，分布越集中在附近，越大，分布越分散。（二）具体问题分析我们首先用matlab将b,c数据进行处理，并作出图象，用matlab中的ttest函数，进行拟合分析，得出图象和正态分布的拟合度达到95%以上，几乎可以认为是正态分布。根据数据，我们得到b的出售数量平均值为4.62（图中显示5.62，以下数据相同），c的出售数量平均值为7.49。根据b商品的出售数据中，我们可以得到它的平均数和每个频数对应的频率。当

9、我们取正态分布中的的参数=4.5，并且= 2.4018时。就可以得到与b商品出售数量相对应的正态分布曲线。商品b的图象与标准正态分布图象（其中图象横坐标为出售数量，纵坐标为频率。为便于观察，图象向右平移一个单位）：根据c商品的出售数据中，我们可以得到它的平均数和每个频数对应的频率。当我们取正态分布中的的参数=7，并且= 2.9120时。就可以得到与c商品出售数量相对应的正态分布曲线。商品c的图象与标准正态分布图象（其中图象横坐标为出售数量，纵坐标为频率。为便于观察，图象向右平移一个单位）： 从图象中可以明显看出，b,c图象很符合正态分布的关系。所以我们可以确信，b,c数据是一种正态分布模型。但

10、是我们可以在模型中明显的看见，在零附近出的概率值明显偏大。经过我们的研究，探讨可以确定，这是由于b,c的缺货，导致了零处的概率偏大。在a,b,c模型确立之后，我们分析认为，当数据中出现连续的零或者是二天出售量差值非常大时，极有可能是缺货（进货）的时间点。我们通过分析和计算机的筛选，找到了最符合缺货（进货）的点，再通过对筛选出来的点的分析（见附录），初步找出了缺货（进货）的周期在12天左右。再接下来，我们通过假设检验的方法，对周期进行进一步的确认。（一） 傅里叶变换傅里叶表换公式：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利用直接测量到

11、的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。（二） 具体问题分析下面是以月为单位，对每月的总的出售数据进行傅里叶变换，得出的一系列图形（其中横坐标为频率，纵坐标为傅里叶变换后的值，周期单位为月）：右边是a的傅里叶变换图形：下面是b的傅里叶变换图形：下面是c的傅里叶变化图形：从傅里叶变换的图形中，我们可以明显的发现，在频率为15的点附近，傅里叶变换的值最高。转化为该题中的具体数据即为：在周期为2*pi/15*28=11.7（天）为周期的数据最具有周期性。通过傅里叶变换我们可以在另一方面验证出，a,b,c数据的缺货（进货）周期为12天是正确的。在接下来，我们再次通过以周为

12、单位（源程序见附录），做出a,b,c数据的图形（其中横坐标为周，纵坐标为以周为单位的出售数量）。a，b，c以周为单位的数据图形： 我们再次运用假设检验的方式，通过观察相邻极大值和极小值的时间差值，再次找出b,c数据的大致周期。通过我们对这些数据的处理，再次找到b,c数据的周期，周期约为12天。而且对图形的观察，我们也可以得出，a,b,c的在一段时间内，上升和下降趋势十分接近。在a,b,c缺货（进货）周期为12天的基础上，我们进一步做出以12天为周期（源程序见附录），a,b,c数据的分布图象（横坐标为出售的数量，纵坐标是对应的频数）： a以12天为单位的数据图形：b以12天为单位的数据图形：c以

13、12天为单位的数据图形：在图形上我们可以明显的观察到，b,c商品若以12天为周期，它们的出售数量都集中在一起，而且集中的非常明显。图形很明显的阐述了，当b,c以12天为周期缺货（进货），出售数量是高度集中的，即12天是它的主要周期。通过以上方法，我们再经过几次验证，得出b,c的缺货（进货）周期就是12天。在问题（一）中： 对于a,b,c商品，我们通过上述的模型的建立与周期的确立，再结合实际数据。我们可以得出，a,b,c商品的进货周期为12天，在某些时刻（畅销的时候），还会缩短进货周期，并且允许缺货。在825天内，进货次数为：825/12=68.75（次），取整后，即大约进货69次左右。在问题（

14、二）中，对于a商品，我们认为它的出售曲线是一个泊松分布曲线，所以我们通过方差分析，得出方差为3.07，即a的日需求量大约是3.07。对于b,c商品，我们通过对正态分布模型的建立，得出b商品的出售数量平均值为4.5，c商品的出售数量平均值为7.那么我们就可以得出，b商品的日需求量为4.5，c商品的日需求量为7。在问题（三）中，对于a,b,c商品，我们通过对图形的拟合对比，找出缺货的的时间和总的缺货量。计算方法为：总的时间：t=p0*t+t1;总的缺货量：q=(ni*pi-ni*pi)+p0*t*对于a商品我们计算出断货时间为31天，缺货时间（不断货）62天，缺货总时间为：93天，故a商品的缺货量

15、：31*3.07（时间*方差）+206（缺货（不断货）时的缺货量）=301对于b商品，我们计算出断货时间为29天，缺货时间（不断货）33天，缺货总时间为：62（天），故b商品的缺货量为：29*4.5（断货量=时间*平均值）+156（缺货（不断货）时的缺货量）=286（总的缺货量）对于c商品，我们计算出出断货时间为17天，缺货（不断货）31天，总的缺货时间为：48天，故c商品的缺货量为：17*7（断货量=时间*平均值）+220（缺货（不断货）时的的缺货量）=339（总的缺货量）在问题（四）中，对于a商品，周期为12，共进货69次，总的缺货量为301件，所以在每个周期内缺货4.36（件），结合方差

16、为3.07，我们可以得出当进货周期为11天的时候，a的商品损失率就已经减半了。 对于b商品，周期为12，共进货69次，总的缺货量为286件，所以在每个周期内缺货量为：286/69=4.14（件），结合平均值为4.5，我们可以得出当进货周期为11天的时候，b商品的损失率就接近零了，符合题意。 对于c商品，周期为12天，共进货69次，总的缺货量为339件，所以在每个周期内缺货量为：339/69=4.91（件），结合平均值为7，我们可以得出当进货周期为11天的时候，c商品的损失率就接近零了，符合题意。 总结以上，我们可以得出，当进货周期改为11天的时候，能够将a,b,c的商品损失率减半。六 模型的检

17、验七 模型的优缺点分析模型的优点： 我们的模型对于实际数据具有非常高的拟合度，所以在处理问题的时候具有很强的依据性，而且得出的数据说服力很强。模型的缺点： 模型仍然只能从经验层面上粗糙的推出进货量和缺货量，缺少一个基于动力系统的销货-缺货模型，不能精确的推导出缺货量和缺货天数，另外计算周期的话傅里叶的突出峰也不明显，这有可能与突然缺货有关，即当严重缺货时老板有可能进货，另外，没有给出季度之类的周期数据也是个缺点。 八 模型的推广与改进推广：a的泊松分布模型适用于销量不太多的离散型商品，例如消耗性的香皂，钢笔类型的商品，而不适合刚性需求比较大的商品，比如说食物，卫生纸之类的。同样不适合的连续性商

18、品如大米之类的也不能使用泊松分布。b,c的正态分布模型适用于销量较稳定的离散型商品，通过该正态分布模型可以适用于缺货的商家来调整自己的进货策略。改进：因为商品大多有周期性因素来考虑，而本文的售出天数没有给季节，所以如果给定具体的季节的话，模型还可以从季节方面考虑来调整其进货量。九 参考文献1 魏宗舒等. 概率论与数理统计教程m . 高等教育出版社.1983. 10.2 赵荣春. 数字图象处理导论m. 西安: 西北工业大学出版社, 1995. 25-73.zhao rong-chun. digital image processing guide m. xian: northwestern po

19、lytechnical university press, 1995. 25-73.十 附录附表i销售量序号abc145821051334884458566136267723582110946510397112511123971313614021015012161591736418354192572028102124132216923558241122522102655102738112813329364306713312363218533210534336354593626103736133852939412104006641416421764343244310745125464064750

20、948106494410502485117652106535211543575530105630657208583665936660431561451362321163133643506514066475672386814669344701497122772398735437454975341576445772757827979357802388134682729833658422128546486235872568806989225903689134692349932469444119587159603997031982410991751002491014671024661030471042

21、741056571060251073591082581094171104681114991122411113208114381211553611672121171341184391194381202313121251012237612334151246371254551261561270561280211293461301710131463132131113330101343261352491363671374371382471392251403109141398142547143459144266145247146567147521214816414938121503361516151524

22、691531561544351551341561481572281583261592127160251416126101621541634641640741651781663861677315168274169399170338171566172581017330817420317520717620617711111780491794211180441218130318235121831710184738185335186277187268188368189221219035419102019232019337019415019574619636101971971980481992510200

23、371120102420223132034442042782051710206441020765820818520930621043152111562123552133411214549215467216263217321121835621976822014322139822243102232711224047225236226365227321022838422914723011102313642325582334782345410235454236362237118238059239381024022824122424244122433242443592453792465452476410

24、248078249547250837251373252059253365254251125503132560342570332580312591512260271226109132623592634562643413265357266068267156268345269267270039271548272475273167274491127522327666827744727824827924428035728152228214628301010284157285221128632328721728829628920122903012911292924810293341729463829575

25、132963810297031229834129935630044830137730266530323123040623052283061283075553082273093673103311311157312147313266314471531511111316554317131131826731965632062032137732231115323294324224325149326174327244328443329141033055103312773323710333448334409335108336406337202338265339346340178341421134243634

26、346734435113453710346158347331334826103494453500273511493521543533503545103556483561943574483582993597683601167361541236252113633553640753651710366078367057368251136936637038113715653721273731353742510375381137603337704937813113793411380477381365382455383003384241038506103865543873810388121138918123

27、902683913713392631339347839423939525113962113971403982603991664001212401525402366403112404318405376406571240724124083544095394104413411025412151041333841424241533041655441756741843741955542043842144104220474232454242564254710426448427311542835942904144300564312112432541043315643429743545104364374370

28、764381374393374401774411344424294433513444310344535644612644721044834844934104504864511344524169453538454461245504124569494575854583954594684601894614294621210463176464267465159466331046717546834104694310470317471337472497473444474201047562047625047744947843547974748016848104124822384835105484357485

29、391048622548737548835748923449008449132949210749320749417649518114963444972213498261249927550054750131115023685032685043316505381450637250714350822050953751027451127115125835132745145410515184516239517599518458519549520338521164522218523101152416652536115261555274665281515529333530310115314885321575

30、333149534377535106536105537005538607539209540435541531542331054315854406115452465461295474585482555492575505295515695522675536411554336555058556637557623558421055928856044135611585626685631785642795653475663585672295682565691710570282571738572055573369574636575399576496577296578336579444580241158113

31、45824635830465845610585021158611758737858824558945115904775916312592216593442594657595558596474597458598181659908136000456010146020146032456048410605771260612116071576084312609447610466611188612236613351361453126153511616291361712961847661957862019116213476221636232556241111062546962634862734116284176295036303010631355632158633137634271163547963622106374676381646393366402586412766426310643139644129645363646248647410648571064946106504614651278652310665355116540706551411656178657256658310