Epälineaarinen hinnoittelu: Diskreetin ja jatkuvan mallin vertailu



Samankaltaiset tiedostot
Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely)

Hintadiskriminaatio 2/2

Haitallinen valikoituminen: Kahden tyypin malli

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

Harjoitus 4: Matlab - Optimization Toolbox

Haitallinen valikoituminen

Cubature Integration Methods in Non-Linear Kalman Filtering and Smoothing (valmiin työn esittely)

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Lineaaristen monitavoiteoptimointitehtävien

12 Oligopoli ja monopolistinen kilpailu

Virheraportoijien virhemäärien jakaumat virhetietokannassa

1. Kuntosalilla on 8000 asiakasta, joilla kaikilla on sama salikäyntien kysyntä: q(p)= P, missä

TIEA382 Lineaarinen ja diskreetti optimointi

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Luodin massajakauman optimointi

Voitonmaksimointi esimerkkejä, L9

Haitallinen valikoituminen: yleinen malli ja sen ratkaisu

Optimization of Duties in Railway Traffic (valmiin työn esittely)

A31C00100 Mikrotaloustiede. Kevät 2017 HARJOITUKSET 6

Kirjallisuuskatsaus sisäpistemenetelmiin ja niiden soveltamiseen eri optimointiluokille (valmiin työn esittely)

4. www-harjoitusten mallivastaukset 2016

Peliteorian soveltaminen hajautettujen järjestelmien protokollasuunnittelussa (valmiin työn esittely)

11 Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Ch 17)

Harjoitus 2: Matlab - Statistical Toolbox

MS-C2105 Optimoinnin perusteet Malliratkaisut 5

suurtuotannon etujen takia yritys pystyy tuottamaan niin halvalla, että muut eivät pääse markkinoille

Sopimusteoria: Salanie luku 3.2

JOITAKIN KOMMENTTEJA JA LISÄEHDOTUKSIA TIETEEN METODIIKKA MODUULIN YHTEISEEN KURSSILISTAAN Esitys KK

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 9. harjoitus - ratkaisut

Joonas Haapala Ohjaaja: DI Heikki Puustinen Valvoja: Prof. Kai Virtanen

4. www-harjoitusten mallivastaukset 2017

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Rajatuotto ja -kustannus, L7

Normaalijakaumasta johdettuja jakaumia

Pystysuuntainen hallinta 2/2

Sivu 1 / 8. A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste. Olli Kauppi

A31C00100 Mikrotaloustiede. Kevät Olli Kauppi & Emmi Martikainen HARJOITUKSET 7

Asiakaspalautteen monikanavainen keräys ja analyysi (valmiin työn esittely)

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

Vangin dilemma häiriöisessä ympäristössä Markov-prosessina (valmiin työn esittely) Lasse Lindqvist

Sovellettu todennäköisyyslaskenta B

Päätösanalyysi Teknologföreningenin kiinteistöuudistuksen tukena (valmiin työn esittely)

Täydellinen kilpailu: markkinoilla suuri määrä yrityksiä. ----> Yksi yritys ei vaikuta hyödykkeen markkinahintaan.

Vesivoimaketjun optimointi mehiläisalgoritmilla (Valmiin työn esittely)

Tuotantoprosessin optimaalinen aikataulutus (valmiin työn esittely)

1. Vastaa seuraavaan tehtävään. Tehtävään liittyvä kuva on seuraavalla sivulla

teknillinen korkeakoulu Informaatio- ja luonnontieteiden tiedekunta Arttu Klemettilä

H0: otos peräisin normaalijakaumasta H0: otos peräisin tasajakaumasta

Matemaattinen optimointi I -kurssin johdantoluento Prof. Marko M. Mäkelä Turun yliopisto Matematiikan ja tilastotieteen laitos

Menetelmä Markowitzin mallin parametrien estimointiin (valmiin työn esittely)

Luento 5: Peliteoria

Voitonmaksimointi, L5

Harjoitus 9: Optimointi I (Matlab)

Lineaarisen ohjelman määritelmä. Joonas Vanninen

Gaussiset prosessit derivaattahavainnoilla regressio-ongelmassa (valmiin työn esittely)

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Signalointi: autonromujen markkinat

Implementation of Selected Metaheuristics to the Travelling Salesman Problem (valmiin työn esittely)

Harjoitus 9: Optimointi I (Matlab)

Mikrotaloustiede (31C00100)

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Informaation leviäminen väkijoukossa matemaattinen mallinnus

Hintakilpailu lyhyellä aikavälillä

Kimppu-suodatus-menetelmä

Moniulotteisia todennäköisyysjakaumia

Diskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma

Mikrotaloustiede (31C00100)

Lineaaristen monitavoiteoptimointitehtävien ratkaiseminen Bensonin algoritmilla

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia


Työvuorosuunnittelun optimointi (valmiin työn esittely)

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

Harjoitus 7: vastausvihjeet

Lentotiedustelutietoon perustuva tykistön tulenkäytön optimointi (valmiin työn esittely)

11. laskuharjoituskierros, vko 15, ratkaisut

How to Support Decision Analysis with Software Case Förbifart Stockholm

Talousmatematiikan perusteet, ORMS1030

S11-04 Kompaktikamerat stereokamerajärjestelmässä. Projektisuunnitelma

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5)

Mat Työ 1: Optimaalinen lento riippuliitimellä

Sovellettu todennäköisyyslaskenta B

Kysyntä (D): hyötyfunktiot, hinta, tulot X = X(P,m) Tarjonta (S): tuotantofunktiot, hinta, panoshinta y = y(p,w)

Tieverkon kunnon stokastinen ennustemalli ja sen soveltaminen riskienhallintaan

monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.

Peliteoria luento 1. May 25, Peliteoria luento 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu

7 Yrityksen teoria: tuotanto ja kustannukset (Mankiw & Taylor, Ch 13)

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Sovellettu todennäköisyyslaskenta B

Seurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen

Luento 6: Optimaalisen myyntimekanismin suunnittelu

Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Transkriptio:

Epälineaarinen hinnoittelu: Diskreetin ja jatkuvan mallin vertailu 11.4.2011 Ohjaaja: TkT Kimmo Berg Valvoja: Prof. Harri Ehtamo

Esityksen sisältö: Hinnoittelumallien esittely Menetelmät Esimerkkitehtävän osittainen analyyttinen ratkaisu Diskretoidun esimerkkitehtävän numeerinen ratkaisu Yhteenveto Tärkeimmät tietolähteet

Hinnoittelumallien esittely I (diskreetti malli) Monopolistinen yritys valmistaa tuotteita, joilla on yksi tai useampi laatuparametri ja hinta. Yrityksen asiakaskunta koostuu asiakasluokista, joilla on samanlaiset mieltymykset keskenään. Yritys suunnittelee jokaiselle asiakasluokalle oman tuotteen siten, että jokainen asiakasluokka saa parhaan hyödyn omasta tuotteestaan ja yritys maksimoi voittonsa.

Hinnoittelumallien esittely II (diskreetti malli) w i on i:nnen asiakasluokan koko p i ja q i ovat i:nnen asiakasluokan tuotteen hinta ja laatuvektori c(q) on kustannusfunktio u i (q) on i:nnen asiakasluokan hyötyfunktio

Hinnoittelumallien esittely III (jatkuva malli) Yrityksen asiakaskunnan mieltymykset noudattavat jotakin jatkuvaa jakaumaa. Yritys valitsee valmistettavien tuotteiden joukon ja tuotteille hinnan, jota kuvataan tariffifunktiolla. Tehtävä formuloidaan allokaatiofunktion avulla, joka kertoo mitä laatua millekin asiakkaalle myydään.

Hinnoittelumallien esittely IV (jatkuva malli) a on asiakkaan tyyppivektori ja f(a) on asiakaskunnan jakauman tiheysfunktio p(q) on tariffifunktio ja q(a) on allokaatiofunktio v(a,q) on tyyppiä a olevan asiakkaan hyötyfunktio

Hinnoittelumallien esittely V (esimerkkejä) Tietokonevalmistaja suunnittelee omat tietokonemallinsa Laatuparametrit: prosessorin nopeus, keskusmuisti, näytön koko, jne. Joukkoliikenneyritys hinnoittelee kausiliput Laatuparametri: kausilipun voimassaoloaika Ongelma: Minkälaista alennusta kannatta tarjota pitkäaikaisen lipun ostajalle

Menetelmät Jatkuvan tehtävän analyyttinen ratkaiseminen lähteissä [1] esitetyn Dual Approach menetelmän avulla. Jatkuvaa esimerkkitehtävää on approksimoitu diskretoimalla, jolloin saadaan kvadraattinen optimointitehtävä. Diskretoidun tehtävän ratkaisemiseen on käytetty Matlabin Optimization Toolboxin quadprogfunktiota.

Esimerkkitehtävä I Tyyppiä a olevan asiakkaan hyötyfunktio: Asiakaskunta on jakautunut tasaisesti alueelle Yrityksen kustannusfunktio:

Esimerkkitehtävä II

Huomioita ratkaisusta Osalle asiakkaista ei kannata myydä mitään. Vähän tuotteen laatuja arvostaville asiakkaille (ΩB) kannattaa myydä perustuotteita sen takia, että enemmän tuotteen laatuja arvostaville asiakkaille (Ω1) saadaan myytyä korkeammalla hinnalla parempia tuotteita.

Diskretoidun esimerkkitehtävän ratkaisu 2 1.5 1 0.5 0 0 0.5 1 1.5 2

Ongelmat mallien ratkaisemisessa Diskreetissä tehtävässä asiakasluokkien määrä kasvaessa rajoitusehtojen määrä kasvaa toiseen potenssiin. -> pitkät laskenta-ajat Jatkuvien tehtävien ratkaiseminen vaatii hyvin rajoittavien oletusten tekemistä, mistä huolimatta menetelmät ovat matemaattisesti haastavia.

Yhteenveto Riippuu sovelluskohteesta kumpi malli kuvaa todellisuutta paremmin. Mallien ominaispiirteet Jatkuvan mallin soveltamista käytäntöön rajoittaa sen edellyttämät oletukset. Jatkuva malli joudutaan monimutkaisemmissa tapauksissa diskretoimaan. Diskreetti malli on helpommin sovellettavissa käytäntöön. Mallin parametrien estimointi datan perusteella tuo oman haasteensa.

Tietolähteet 1. M. Spence, Multi-Product Quantity-Dependent Prices and Profitability Constraints, The Review of Economic Studies, 1980 2. M. Armstrong, Multiproduct Nonlinear Pricing, Econometrica, 1996 3. J.C. Rochet and P. Chone, Ironing, Sweeping, and Multidimensional Screening, Econometrica, 1998