Расчет посещаемости и доходов, надо бы сделать Опции

[artross]

Проект завершен совместными усилиями artross и goleger. Благодарю ayrom и ozzer за большой вклад

Вот ссылочка: калькулятор
или вот, вариант 2

Сообщение отредактировал artross - 6.4.2010, 13:46

[Muiron]

...
Оптимальное значение посещаемости стадиона всё равно в пределах 70-80 % стадиона.
...

Абсолютно неверное утверждение. Не факт, что экстремум функции дохода от стадиона, равной произведению функции П=f(ЦБ) и ЦБ находится в пределах 0,7*Вместимость ÷ 0,8*Вместимость. Если бы это утверждение было верно, то тогда бы функция П=f(ЦБ) должна была зависеть от Вместимости стадиона, а это - абсурд. Фактически, в товах, к примеру, максимальный доход от стадика максимален при посещаемости около 55 000, если ЗРы обоих ком по 80, а если ЗРы ком по 50, то доход максимален при посещаемости около 40 000. Но эти цифры никак не зависят от вместимости. Если чемп, то доход от стадиона максимален уже при посещаемости больше 80 000, и как эта величина составит 70-80% от вместимости, если к примеру вместимость у тебя 60 000?

Про влияние размера стадиона я уже сказал выше... А интересно бы поподробнее услышать, что значит "провести оптимизацию" И как "несложно" это сделать при даже двух независимых переменных? График такой функции на плоскость не уложишь, это линия в пространстве. Расскажи, как ты ее без визуализации "оптимизируешь"? Какими инструментами нужно пользоваться для этого? В описанном мною выше методе я предлагаю решение системы уравнений с одной переменной именно потому, что их можно отобразить на плоскости.

1) Я это говорил Нике, чтобы он понял, что 100% посещаемость не оптимальна. Хотя да, я чуть лоханулся в модели - забыл учесть коефициенты турниров.
2) А зачем там вообще визуализация? Самое элементарное: Эксель - Поиск решения - Задаешь целвую функцию. ВСЁ! Может, при реализации надо будет чуть подправить. Но повторюсь - статистики у меня нет для таких опытов. И это даже если не брать сложные методы типа кластерного анализа или построения нейросетей, сетей Кохонена, и т.д.
Главный недостаток моей модели - она вычисляет оптимальную посещаемость стадиона, а она может отличаться для разных случаев. Если будет время, продумаю модель получше.
Зависимость здесь многофакторная, а потому и разбивать её на разные функции нельзя.

[OzzeR]

1) Я это говорил Нике, чтобы он понял, что 100% посещаемость не оптимальна. Хотя да, я чуть лоханулся в модели - забыл учесть коефициенты турниров.
...

Какая разница, кому ты говорил и зачем. Ты сказал в корне неверное утверждение, вот я о чем тебе говорю. Я тебе про Фому, а ты мне про Ерёму...

...
2) А зачем там вообще визуализация? Самое элементарное: Эксель - Поиск решения - Задаешь целвую функцию. ВСЁ! Может, при реализации надо будет чуть подправить. Но повторюсь - статистики у меня нет для таких опытов. И это даже если не брать сложные методы типа кластерного анализа или построения нейросетей, сетей Кохонена, и т.д.
...

2.1) При выводе эмпирических формул графики позволяют оценить насколько подбираемая для формулы функция подходит для поля фактических данных. От студента до великого ученого, все всегда рисовали графические палетки при выводе эмпирических зависимостей. Ты у нас первый, Мурион, кому не нужны графики?!
2.2)Чтобы задать целевую ячейку в "Поиске решения" как раз и нужна та формула расчета, которую тут все и ищут ))) Как ты ее можешь задать, если тебе ее как раз и найти нужно? А про сети Кохонена ты для весомости своих слов сказал? )))

...
Главный недостаток моей модели - она вычисляет оптимальную посещаемость стадиона, а она может отличаться для разных случаев. Если будет время, продумаю модель получше.
...

Ты лучше покажи на примере как твоя "модель" считает... Просчитай перед матчем посещаемость, а потом посмотрим, что по факту получится. Просто основываясь на вышеизложенном тобой бреде (извини, но это так), ничего работать не будет...

...
Зависимость здесь многофакторная, а потому и разбивать её на разные функции нельзя.

Показать тебе как разбить на функции многофакторную зависимость? Смотри. В нашем случае мы имеем: 1) двухфакторную зависимость y=f(x1,x2) и знаем, что 2) при x1=const функция y=f(x2) линейна. Получаем что:
y=A*x2+B
A=f1(x1)
B=f2(x1).
Вот я разбил, а ты уверенно говоришь, что этого нельзя сделать. Имеем три однофакторные функции. Далее, зная f1 и f2, берем в качестве исходных данных x2 (т.е. ЗР матча), мы из этой системы получаем обратно зависимость y=f(x1) (у - посещаемость, x1 - ЦБ), находим для каждого х1 из диапазона от 1 до 100 соответствующее значение y*x1 (т.е. это наш доход от стадика) и берем максимальный доход при посещаемости, меньшей размера стадика. Только в последнем действии (выбор максимального дохода) при известной формуле посещаемости можно применить тот "Поиск решения" о котором ты говоришь.
Ладно, Мурион... Смотрю ты жутко уверен в своих абсурдных словах... Я опровергаю одну твою чушь, а ты несешь другую... Поэтому толку от нашего разговора - ноль, и продолжать его с тобой буду после того, как ты приведешь пример своего расчета в сравнении с фактом. До этого слушать неработающие предположения нет никакого смысла... Мой совет: учи мат. часть.

[Muiron]

...
Зависимость здесь многофакторная, а потому и разбивать её на разные функции нельзя.

Показать тебе как разбить на функции многофакторную зависимость? Смотри. В нашем случае мы имеем: 1) двухфакторную зависимость y=f(x1,x2) и знаем, что 2) при x1=const функция y=f(x2) линейна. Получаем что:
y=A*x2+B
A=f1(x1)
B=f2(x1).
Вот я разбил, а ты уверенно говоришь, что этого нельзя сделать. Имеем три однофакторные функции. Далее, зная f1 и f2, берем в качестве исходных данных x2 (т.е. ЗР матча), мы из этой системы получаем обратно зависимость y=f(x1) (у - посещаемость, x1 - ЦБ), находим для каждого х1 из диапазона от 1 до 100 соответствующее значение y*x1 (т.е. это наш доход от стадика) и берем максимальный доход при посещаемости, меньшей размера стадика. Только в последнем действии (выбор максимального дохода) при известной формуле посещаемости можно применить тот "Поиск решения" о котором ты говоришь.

Я предлагал как найти эту формулу. Считать мне пока нечего из-за отсутствия статистики по матчам.
Спорить по существу я особо не собираюсь. Посмотрим за тем, что у вас получится. Пока детально продумаю свою модель.

Никто и не говорит что нельзя разбить многофакторную зависимость на несколько однофакторных. Но принятие других факторов за константу - упрощение, а значит - может привести к ошибке. Хотя я не знаю, может быть в наших условиях она и будет небольшая.

Графики всегда предлагались только для упрощения понимания, но никак не для расчетов. Как пример - попробуй нарисовать график в 5-6 измерениях в классическом виде (без карт Кохонена, лиц Чебышева, и прочих извращений). А зависимости и с большим количеством факторов встречаются.

Нейросети дали бы наилучший результат, но они, во-первых, не дадут формулу, во-вторых, если результат не окажется универсальным, придется пересчитывать их для каждого случая. А перенести их в программу задача нелёгкая.

Впрочем - моё дело предложить. Не нравится - как хотите.