
- •Принятие решений в условиях неопределенности и в условиях риска
- •Принятие решений в условиях неопределенности
- •Принятие решений в условиях риска
- •Стохастическое программирование
- •Вероятностные модели управления запасами
- •2.1. Одноэтапная модель управления запасами
- •Одноэтапная модель с учетом затрат на оформление заказа
- •Многоэтапная модель управления запасами
- •Управление запасами с учетом издержек на производство
- •3. Марковские цепи
- •Марковские цепи. Уравнение Колмогорова-Чэпмена
- •3.2 Марковские цепи с дискретным временем. Теорема о предельных вероятностях
- •3.3. Марковские цепи с непрерывным временем. Уравнения Колмогорова
- •Пуассоновский процесс
- •Простейший поток
- •Пуассоновский поток как марковский процесс. Немарковские потоки
- •Сложный пуассоновский процесс и процессы риска в страховой математике
- •Системы массового обслуживания
- •Марковские системы массового обслуживания
- •Процессы рождения и гибели. Одноканальная марковская смо с бесконечной очередью
- •Многоканальная марковская смо с ожиданием. Дисциплины взаимопомощи
- •Задача о ремонте станков
- •Немарковские модели смо
- •6. Марковские процессы принятия решений
- •6.1. Модели с конечным горизонтом планирования. Задача о замене оборудования
- •6.2. Задача о наилучшем выборе
- •Модели с бесконечным горизонтом планирования
- •7. Статистическое моделирование
- •7.1. Моделирование случайных величин
- •7.2. Моделирование случайных процессов в страховой и финансовой математике
- •Моделирование систем массового обслуживания
- •Статистический анализ данных. Методы уменьшения дисперсии
- •7.5. Метод Монте Карло марковских цепей. Метод отжига в задачах комбинаторной оптимизации
- •Приложение Сводка определений и теорем теории вероятностей и математической статистики
- •Литература
- •Оглавление
- •Глава 1. Принятие решений в условиях неопределенности и в условиях риска
- •Глава 2. Вероятностные модели управления запасами
- •Глава 3. Марковские цепи
- •Глава 4. Пуассоновский процесс
- •Глава 5. Системы массового обслуживания
- •Глава 6. Марковские процессы принятия решений
- •Глава 7. Статистическое моделирование
Вероятностные модели управления запасами
2.1. Одноэтапная модель управления запасами
Рассмотрим классическую задачу управлениями запасами, которую называют еще задачей о торговце газетами, или задачей о рождественской елке. Пусть есть товар, который можно продать только в течении какого-то периода времени. К концу этого периода товар либо испортится, либо станет никому не нужным (вчерашние газеты, елки после Нового года).
Спрос на товар
является случайной величиной с известным
законом распределения. Заказывать товар
можно только к началу периода (сезона).
Обозначим через
потери, которые мы понесем от одной
единицы нереализованного товара. Пусть
обозначает потери, которые мы понесем
при отсутствии одной единицы товара в
случае, когда спрос превысит предложение.
Обозначим через
количество товара, которое мы запасли
перед началом периода. Тогда функция
потерь (или издержек) примет вид:
(2.1)
В терминах первой главы обозначает наше действие, – состояние среды.
Рассмотрим сначала случай, когда товар штучный. Спрос является дискретной случайной величиной, – целочисленная переменная. Критерий среднего значения ставит задачу минимизации функции.
,
где
.
Предположим, что
функция
достигает минимума в одной точке
.
Условие на минимум в дискретном случае
запишется как
.
(2.2)
Рассмотрим разности
:
.
Поскольку
и
,
то
,
где
– функция распределения случайной
величины
.
Тогда условия (2.2) запишутся как
.
(2.3)
Мы получим не вполне очевидный ответ для такой простой задачи.
Рассмотрим теперь
случай непрерывного случайного спроса
с плотностью
.
Среднее значение функции издержек
(2.1) запишется как
.
Тогда
.
Приравнивая эту производную к 0, получаем, что оптимальный запас находится из уравнения
.
(2.4)
В силу монотонности
и непрерывности функции
ясно, что уравнение (2.4) имеет решение.
Тот факт, что это решение дает минимум
функции издержек, следует из того, что
.
Пример. Посредническая фирма скупает у дирекции спортивного комплекса билеты для проведения концерта по цене 500 руб. за штуку и собирается продавать их по цене 800 руб. Статистика показывает, что спрос на билеты имеет нормальное распределение с математическим ожиданием 4000 и стандартным отклонением 300. Сколько билетов стоит выкупить этой фирме?
Цена покупки
рублей.
В случае, когда спрос превысит предложение,
недополученная прибыль от одного билета
равна
800
руб.-500 руб.=300 руб. Мы должны решить
уравнение
,
где
,
где
–
функция распределения стандартного
нормального распределения
.
Так как
квантиль нормального
распределения
,
то
.
Заметим, что нормально распределенная величина может принимать и отрицательные значения, но в нашем случае это не приводит к противоречиям, поскольку вероятность такого события очень мала.
Константу можно интерпретировать как издержки, связанные с хранением единицы нереализованной продукции. Издержки, связанные с дефицитом товара, очень трудно оценить. В предыдущем примере эти издержки интерпретировались как недополученная прибыль. Когда речь идет о системе управления запасами на производстве, дефицит запчастей может привести к простою и соответствующим убыткам или к штрафным санкциям со стороны заказчиков.
В том случае, когда оценка издержек дефицита затруднительна, иногда запас определяют исходя из требования, чтобы вероятность возникновения дефицита не превышала заданной вероятности :
.