如何解决如何在R的需求曲线上找到使利润最大化的最佳点?
R相对较新,所以请多多包涵-我的数据集与一种产品有关。我有一个针对此产品的每单位价格点的列表(价格取决于销售人员的决定),以及数量(在每个价格点购买的单位数)的列表,以及每笔交易的相应利润。>
我绘制了一条需求曲线,其中Y轴为数量,X轴为单价。我还绘制了一个线性回归模型,该模型给出了系数和截距,并允许我绘制表示该关系的斜线。代码如下:
#Model
testlm <- lm(Dataset$Quantity Sold~Dataset$Unit Price)
#Plot
plot(Dataset$Unit Price,Dataset$Quantity Sold,xlab = "Unit Price",ylab = "Quantity",pch=20,ylim=c(0,40))
#abline
abline(a=11.38,b=-0.24,col="blue",lwd=2)
##这是我要输入两条线越过最佳点的地方
abline(v=OptimalUnitPrice,lty=4,col = "red",lwd=2)
abline(h=OptimalQty,lwd=2)`
我试图弄清楚如何找到OptimalUnitPrice和OptimalQty的值-我试图找到一个与Excel的Solver相似的功能-使我能够找到将数量作为因素的最优价格,并使利润最大化。我相信我必须将利润叠加到关系中和/或以某种方式绘制图表,但是我不知道该怎么做。
有人可以帮忙吗?谢谢!
解决方法
希望此示例可以为您提供帮助。
library(data.table)
library(ggplot2)
library(magrittr)
# linear function
linear <- function(p,alpha,beta) {
alpha*p + beta
}
# Synthetic data
p <- seq(60,200)
d <- linear(p,alpha = -1.5,beta = 300) + rnorm(sd = 5,length(p))
c <- 88
profit <- d*(p-c)
# Fit of the demand model
lm_model <- lm(d~p)
profit_fitted <- lm_model$fitted.values*(p - c)
# Pricing Optimization
alpha <- lm_model$coefficients[2]
beta <- lm_model$coefficients[1]
p_max_profit <- (alpha*c - beta)/(2*alpha)
# Plots: Prices X Demand
df_linear <- data.table('Prices' = p,'Demand' = d,'profit_fitted' = profit_fitted,'Profit' = profit)
ggplot(df_linear) + aes(x = Prices,y = Demand) +
geom_point() + geom_smooth(method = lm)
# Plots: Prices X Profit
ggplot(df_linear) +
aes(x = Prices,y = Profit) +
geom_point() + geom_vline(xintercept = p_max_profit,lty = 2) +
geom_line(data = df_linear,aes(x = Prices,y = profit_fitted),color = 'blue')
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。