Einführung in die Informatik mit Java

Ähnliche Dokumente
Einstieg in die Informatik mit Java

Höhere Mathematik III

Kapitel 8: Gewöhnliche Differentialgleichungen 8.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2.

Mathematik für Anwender II

2 Funktionen einer Variablen

Differentialgleichungen

Schlussrechnung, Modellbildung und Interpolation

Dierentialgleichungen 2. Ordnung

Vorlesung 3: Risikoaversion

Skalare Differenzialgleichungen

Differentialgleichungen

Mathematik für Anwender I

Numerische Integration

f(x 0 ) = lim f(b k ) 0 0 ) = 0

3. Ebene Systeme und DGL zweiter Ordnung

Differentialgleichungen sind überall!

Beschränktheit, Monotonie & Symmetrie

Nichtlineare Optimierung ohne Nebenbedingungen

Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 8

Vorlesung 6: Alternativen zur Erwartungsnutzentheorie

Die Differentialgleichung :

Polynominterpolation

Wahrscheinlichkeitsrechnung und Quantentheorie

MATHEMATISCHE METHODEN DER PHYSIK 1

Aufgabenstellung: Explizite gewöhnliche Differentialgleichung 1. Ordnung mit Anfangsbedingung Gesucht ist eine Funktion y = y(x).

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

6.6 Poisson-Verteilung

6. Polynom-Interpolation

Modell zur Einflussanalyse Ein Modell zur Einflussanalyse von Methodenänderungen in Entwicklungsprozessen

Vorlesung 2: Erwartungsnutzen

Nach der Theorie der Partialbruchzerlegung kann der Bruch auf der linken Seite in Teilbrüche zerlegt werden: = + =

Vorlesung 4: Risikoallokation

1 Einführung, Terminologie und Einteilung

Einführung. Ablesen von einander zugeordneten Werten

Die Forderungen 1) und 2) sind sowohl mathematisch als auch physikalisch vernünftig und einleuchtend. 3) ist eine Forderung über die

Gewöhnliche Dierentialgleichungen

Explizite Runge-Kutta-Verfahren

Differentialgleichungen sind überall!

Ableitungsfunktion einer linearen Funktion

8.1 Begriffsbestimmung

Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016

23. DIFFERENTIALRECHNUNG VON FUNKTIONEN VON MEHREREN VARIABLEN

Flüsse, Fixpunkte, Stabilität

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert

Klausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,

Parareal. Ein paralleler Lösungsalgorithmus für gewöhnliche Differentialgleichungen. Johannes Reinhardt. Parareal 1 Johannes Reinhardt

Mathematik I. Vorlesung 7. Folgen in einem angeordneten Körper

12 Gewöhnliche Differentialgleichungen

5 Numerische Mathematik

Vorlesung 3: Versicherungsnachfrage

Probeklausur zur Analysis II

Mathematischer Vorkurs Dr. Thomas Zehrt Funktionen 1. 1 Grundlagen 2. 2 Der Graph einer Funktion 4. 3 Umkehrbarkeit 5

Mathematische Methoden für Informatiker

π und die Quadratur des Kreises

Vorlesung Mathematik 2 für Ingenieure (A)

Mathematik für Ökonomen 1

Systemwissenschaften, Mathematik und Statistik

Seminar Gewöhnliche Differentialgleichungen

Höhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik

5 Interpolation und Approximation

Anwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen

6 Gewöhnliche Differentialgleichungen

2 für 1: Subventionieren Fahrgäste der 2. Klasse bei der Deutschen Bahn die 1. Klasse?

Kapitel 2. Mathematik für Mikroökonomie

Mengen, Funktionen und Logik

13. Funktionen in einer Variablen

Was ist eine Funktion?

e. Für zwei reelle Zahlen x,y R gelten die Additionstheoreme sin(x+y) = cos(x) sin(y)+sin(x) cos(y). und f. Für eine reelle Zahl x R gilt e ix = 1.

4 Gewöhnliche Differentialgleichungen

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.

Differential- und Integralrechnung

Monotonie, Konkavität und Extrema

Differenzengleichungen

Wiederholungsklausur zur Analysis II

Folie zur Vorlesung Wahrscheinlichkeitsrechnung und Stoch. Prozesse

Mathematische Grundlagen der dynamischen Simulation

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn

Funktionen mehrerer Variablen

9.4 Lineare gewöhnliche DGL

Wechselkurse und Finanzmarkt-Indizes

2. Teilbarkeit. Euklidischer Algorithmus

9 Funktionen und ihre Graphen

Wichtige Klassen reeller Funktionen

Monte-Carlo Tests. Diplomarbeit. Wiebke Werft. Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf

Kapitel 3. Konvergenz von Folgen und Reihen

2. Übungsblatt zur Mathematik III für MB/MPE, LaB/WFM, VI, WI/MB

4. Weitere Ableitungregeln ================================================================= 4.1 Die Ableitung der Sinus-und Kosinusfunktion

Exponentialfunktionen. Eigenschaften, graphische Darstellungen 1-E1 Vorkurs, Mathematik

Mathematik für Biologen und Chemiker Prof. Scheltho - Übungen Mathe 2

Übungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Lösungsvorschlag Serie 12

Newton-Verfahren für ein Skalarfunktion

Caputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.

Kevin Caldwell. 18.April 2012

Analysis I. Vorlesung 28

Computersimulationen in der Astronomie

Leitfaden a tx t

Linearisierung einer Funktion Tangente, Normale

Teil VI. Gemeinsame Verteilungen. Lernziele. Beispiel: Zwei Würfel. Gemeinsame Verteilung

Transkript:

Vorlesung vom 08.01.2008

Übersicht 1 Polygonzüge und Anfangswertprobleme 2 Das Diffusionsmodell nach Bass 3 Erweiterung des Modells 4 Ein Parameteranpassungsproblem

Polygonzüge und Anfangswertprobleme 1 Polygonzüge und Anfangswertprobleme 2 Das Diffusionsmodell nach Bass 3 Erweiterung des Modells 4 Ein Parameteranpassungsproblem

Polygonzüge Polygonzüge sind stückweise lineare Funktionen p : [a, b] R. y (t 1, y 1 ) (t n, y n ) (t 0, y 0 ) t Sie sind durch ihre Stützstellen t 0 < t 1 <... < t n und ihre Stützwerte y 0, y 1,...,y n eindeutig bestimmt.

Polygonzüge Die Einschränkung eines Polygonzugs auf ein Teilintervall [t i 1, t i ] ist von folgender Form p [ti 1,t i ](t) = t i t t i t i 1 y i 1 + t t i 1 t i t i 1 y i y (t i 1, y i 1 ) (t i, y i ) t

Beispiel Ein Polygonzug p habe die Stützpunkte (1, 3) und (2, 2). Aufgabe: Geben Sie die Einschränkung des Polygonzugs auf das Teilintervall [t i 1, t i ] = [1, 2] in der Form p [ti 1,t i ](t) = t i t t i t i 1 y i 1 + t t i 1 t i t i 1 y i an. Welchen Wert hat der Polygonzug p an der Stelle t = 1.5? Lösung: p [1,2] (t) = (2 t)3 + (t 1)2, p(1.5) = p [1,2] (1.5) = 2.5

Anfangswertprobleme Ein Anfangswertproblem (AWP) ist ein Problem, bei dem eine differenzierbare Funktion y : R R gesucht ist, die { y (t) = f (t, y(t)), y(0) = η erfüllt. Dabei ist f eine vorgegebene Funktion von zwei Veränderlichen, genannt rechte Seite, und η ein vorgegebener Anfangswert ist.

Eulersches Polygonzugverfahren Das Eulersche Polygonzugverfahren konstruiert einen Polygonzug y h, der die Lösung y eines Anfangswertproblems { y (t) = f (t, y(t)) für alle t [a, b] annähert. y(a) = η y y(0) y h (t) y(t) t

Eulersches Polygonzugverfahren Die Stütztstellen t 0 < t 1 <... < t n und die Stützwerte y 0, y 1,...,y n der Näherungslösung y h werden nach folgenden Vorschriften berechnet. Stützstellen: t i := ih i = 0,...,n Stützwerte: { yi = y i 1 + hf (t i 1, y i 1 ) i = 1,...,n y 0 := η Dabei ist h = b a n die Schrittweite des Verfahrens.

Einfluss der Schrittweite Je kleiner die Schrittweite h, desto genauer nähert y h die Lösung y des Anfangswertproblems an. y y h = 1 h = 0.5 t t

Das Diffusionsmodell nach Bass 1 Polygonzüge und Anfangswertprobleme 2 Das Diffusionsmodell nach Bass 3 Erweiterung des Modells 4 Ein Parameteranpassungsproblem

Fragestellung Diffusion Der Begriff Diffusion bezeichnet hier die Gesamtheit aller Prozesse, die dazu führen, dass sich neue Produkte, Technologien oder Ideen innerhalb einer sozialen Gruppe ausbreiten und von den Individuen der Gruppe angenommen werden. Im folgenden soll es um die Verbreitung eines neuen Produktes auf einem Mark von Käufern gehen.

Das Diffusionsmodell nach Bass Das Bass Modell Das hier vorgestellte Modell wurde 1969 vom amerikanischen Marketing Professor Frank M. Bass entwickelt [1] und von diesem und anderen 1994 erweitert [2]. Mit diesem Modell konnten die Verkaufszahlen bestimmter Produkte gut simuliert werden. Betrachtet wurden beispielsweise die Verkaufszahlen von Tiefkühltruhen [1] Schwarzweiß Fernsehgeräten [1] Klimaanlagen [2]

Innovatoren und Immitatoren Das Diffusionsmodell nach Bass unterscheidet zwei Käufertypen, die ein neues Produkt annehmen: 1 Innovatoren entscheiden sich zum Kauf des neuen Produkts unabhängig von der Kaufentscheidung anderer. 2 Imitatoren entscheiden sich zum Kauf des neuen Produkts aufgrund von sozialem Druck, der dadurch entsteht, dass andere sich bereits zum Kauf des Produkts entschieden haben.

Innovatoren Innovatoren kaufen das neue Produkt typischerweise, weil sie sich davon einen Vorteil gegenüber anderen versprechen. um sich von anderen abzusetzen. weil sie die Möglichkeiten erkannt haben, die ihnen das neue Produkt bietet.

Innovatoren Nach Everett M. Rogers [3] zeichnen sich Innovatoren durch folgende Eigenschaften aus: sie sind eher optimistisch und risikofreudig. sie sind gebildet. sie verwenden mehrere Informationsquellen, bevor sie eine Entscheidung treffen.

Imitatoren Imitatoren kaufen das neue Produkt typischerweise, weil ihre Bekannten das Produkt ebenfalls gekauft haben. um mitreden zu können. weil das neue Produkt ein ihnen bekanntes Produkt vom Markt verdrängt hat.

Innovatoren Nach Everett M. Rogers [3] zeichnen sich Imitatoren durch folgende Eigenschaften aus: sie sind eher skeptisch und traditionsbewusst. sie sind weniger gebildet. sie verwenden vor allem den Rat von Bekannten, bevor sie Entscheidungen treffen.

Modellierung des Verhaltens Basierend auf den Charakterisierungen von Innovatoren und Imitatoren macht das Diffusionsmodell nach Bass folgende Annahmen: 1 Die Wahrscheinlichkeit dafür, dass ein Imitator das neue Produkt kauft, verhält sich proportional zur Anzahl der bereits verkauften Produkte. 2 Die Wahrscheinlichkeit dafür, dass ein Innovator das neue Produkt kauft, hängt zunächst nicht von der Anzahl der bereits verkauften Produkte ab. Sie sinkt jedoch mit der Anzahl der verkauften Produkte.

Mathematische Formulierung des Bass Modells Wir modellieren die Verbreitung des neuen Produkts relativ zum gesamten Markt durch eine differenzierbare Funktion y : [0, ) [0, 1] Wir interpretieren y(t) als die momentane Verbreitung des Produkts zum Zeitpunkt t. Damit kann y (t) als die momentane Verkaufsrate des Produkts zum Zeitpunkt t interpretiert werden.

Mathematische Formulierung des Bass Modells Modellgleichung Das Diffusionsmodell nach Bass stellt folgenden Zusammenhang zwischen der Verkaufsrate y und der Verbreitung y her: y (t) = (p + qy(t))(1 y(t)) p q wird Innovationskoeffizient genannt wird Imitationskoeffizient genannt

Interpretation der Modellgleichung Es gilt y (t) = (p + qy(t))(1 y(t)) = p (1 y(t)) +q y(t)(1 y(t)) }{{}}{{} (a) (b) (a) Verhalten der Innovatoren: p entspricht der Wahrscheinlichkeit, dass ein Innovator das neue Produkt kauft. (b) Verhalten der Imitatoren: q entspricht der Wahrscheinlichkeit, dass ein Imitator das neue Produkt kauft.

Anfangswertproblem Bass Modell Nach dem Bass Modell kann die Verbreitung eines neues Produkts durch folgendes Anfangswertproblem beschrieben werden { y (t) = (p + qy(t))(1 y(t)) für t 0, y(0) = 0. Werte für p und q werden aus empirischen Studien abgeleitet. Typischerweise gilt p 0.01, q 0.5.

Lösung des Anfangswertproblems Die Verbreitung eines neuen Produkts zeigt überlicherweise folgenden Verlauf 1 y t

Erweiterung des Modells 1 Polygonzüge und Anfangswertprobleme 2 Das Diffusionsmodell nach Bass 3 Erweiterung des Modells 4 Ein Parameteranpassungsproblem

Erweiterung des Modells Das Bass Modell kann erweitert werden, indem man einen so genannten Marketingkoeffizienten x > 0 einführt [2]. Bass Modell Nach dem erweiterten Bass Modell kann die Verbreitung eines neues Produkts durch folgendes Anfangswertproblem beschrieben werden { y (t) = (p + qy(t))(1 y(t))x für t 0, y(0) = 0.

Der Marketingkoeffizient Der Marketingkoeffizient x soll den Aufwand beschreiben, den ein Produzent betreibt, um sein Produkt am Markt zu plazieren. Einfluss auf diesen Koeffizienten können beispielsweise folgende Maßnahmen haben Werbekampagnen Sonderpreiskampagnen Kosten In der Regel führt eine Erhöhung des Marketingkoeffizienten zu erhöhten Kosten für den Produzenten!

Einfluss des Marketingkoeffizienten Für die Verkaufsrate im erweiterten Bass Modell gilt y (t) = (p + qy(t))(1 y(t))x Für x = 1 erhält man das gewöhnliche Bass Modell Für x < 1 ist die Verkaufsrate niedriger als im gewöhnlichen Bass Modell: Das Produkt verbreitet sich langsamer. Für x > 1 ist die Verkaufsrate höher als im gewöhnlichen Bass Modell: Das Produkt verbreitet sich schneller.

Einfluss des Marketingkoeffizienten Sei y x die Lösung des Anfangswertproblems aus dem erweiterten Bass Modell, d.h. y x erfülle { y x (t) = (p + qy x (t))(1 y x (t))x für t 0, y x (0) = 0. für einen fest gewählten Marketingkoeffizienten x. Einfluss des Markingkoeffizienten Sei t > 0 ein fest gewählter Zeitpunkt. Dann ist die Abbildung x y x (t) streng monoton wachsend.

Fragestellung Wie groß muss man den Marketingkoeffizienten x mindestens wählen, um zu einem gegebenen Zeitpunkt t > 0 eine bestimmte Verbreitung y x (t) des neues Produkts zu erreichen?

Quellen F. M. Bass. A new product growth model for consumer durables. Management Science, 15:215 227, 1969. F. M. B. et. al. Why the bass model fits without decision variables. Marketing Science, 13:203 223, 1994. E. M. Rogers. New product adoption and diffusion. Journal of Consumer Research, 2:290 301, 1976.

Ein Parameteranpassungsproblem 1 Polygonzüge und Anfangswertprobleme 2 Das Diffusionsmodell nach Bass 3 Erweiterung des Modells 4 Ein Parameteranpassungsproblem

Parameteranpassungsproblem Definition Ein Parameteranpassungsproblem ist ein mathematisches Problem, bei dem eine Zielfunktion J : R R gegeben ist, die von einem Parameter x R abhängt. Es werden Parameter x 1, x 2,... gesucht, für die J(x) = ζ gilt, wobei ζ ein vorgegebener Zielwert ist.

Behandlung von Parameteranpassungsproblemen Offenbar gilt genau dann, wenn J(x) = ζ J(x) ζ = 0 gilt. Nullstellenproblem Jedes Parameteranpassungsproblem kann in ein Nullstellenproblem für die Funktion F(x) = J(x) ζ umformuliert werden.

Im Fall des Bass Modells Fragestellung Wie groß muss man den Marketingkoeffizienten x mindestens wählen, um zum Zeitpunkt t = 10 eine Verbreitung y x von 50% zu erreichen? Zielfunktion: J(x) = y x (10) y x,h (10) (Polygonzugverfahren) Zielwert: ζ = 0.5 Nullstellenproblem für die Funktion F(x) = y x,h (10) ζ

Das wars... Vielen Dank für Ihre Aufmerksamkeit!