No description available.

在迴歸分析中選擇「最佳」變數, 當模式中之變數太多時, 使用所有可能迴歸法(all possible regressions), 往往因子集個數太多在計算上可能相當不經濟。本文為結 合Hocking 和Leslie( 一九六七 )及Newton和Spurrell( 一九六七a)所提之兩個方法 , 使得所須計算迴歸方程式之個數減少。

IEEE 802.11/802.16無線網路的MAC機制為儘可能爭取傳輸機會，此機制於壅塞的網狀網路環境中將造成傳輸速率過高及非必要封包碰撞的問題，進而嚴重降低網路傳輸效能。 / 本篇論文的目的旨在改善無線網狀網路環境中，因IEEE 802.11/ 802.16本身的MAC機制所導致的效能低落問題。我們利用賽局理論中零和賽局以強化競爭方式並計算及應用合理傳輸機會(Transmission Opportunities)及傳輸時機(Transmission Timing)，再依此將傳輸速率調降至合理的數值以降低無效封包的傳輸率。同時，此傳輸機會及傳輸時機將作為路徑選擇的重要依據。末了，我們利用網路模擬器NS2 (Network Simulator ver. 2)驗證及評估本論文所提出之方法的效能。 / The MAC mechanism of IEEE 802.11 and 802.16 competes as much transmission opportunities as possible. In a congested wireless mesh network, this greedy competition will result in inappropriate data rates and unintentional packet collision problems, and thus reduce network performance seriously. / The objective of this research is aimed to solve these two problems to enhance the performance of wireless mesh networks. We propose a zero-sum-game based contention-enhancement in MAC mechanism to estimate rational transmission opportunities and transmission timing dynamically. These estimations will then be used in reducing unsuitable packet data rates and selecting better routing paths. At last, we use NS2 (Network Simulator ver.2) to evaluate the system performance of our proposed methods.

本研究的主要目的有二：1.了解針對行動電話門號此一產品，消費者真正重視的產品屬性有哪些。2.透過聯合分析的方法，調整最佳產品組合，包括產品屬性與費率方式。 本研究進行的方式主要有兩階段。第一階段透過文獻探討與焦點團體來蒐集消費者重視的產品屬性以及水準。第二階段再透過聯合分析法來獲得消費者偏好函數。本研究之樣本範圍為政大企研所三十四、三十五屆及十七、十八屆企家班之行動電話使用者。有效樣本共六十六位。在聯合分析階段中，將樣本依照「使用頻率高低」、「職業別」、以及「原使用品牌」之變數作區隔，分析不同區隔之間的偏好屬性。 研究結論發現：1.全有效樣本最偏好的產品組合是和信電訊、搭配以秒計費，以及提供「國際漫遊」與「簡訊服務」的附加價值。偏好基地台數目較多的廠商，以及雙頻系統。2.消費者最重視的產品屬性是品牌；在不同的門號使用者區隔中，偏好的門號品牌亦有所差異。3.若以本研究架構中，產品屬性歸類為四大部分：附加價值、價格、品牌、品質來看，「價格」是最受重視的屬性。 第一章 緒論 1 第一節 研究動機 1 第二節 研究目的 2 第三節 研究假定與研究範圍 3 第二章 文獻探討 5 第一節 價格的定義與構面 5 第二節 消費者認知價值 8 第三節 影響消費者價格敏感性的因素 13 第四節 價格認知與價格衡量 16 第五節 價格品質訊號 19 第六節 價格與品牌之間相關性 24 第七節 價格與廣告之間的關係 26 第八節 區隔變數 26 第三章 理論架構與研究設計 29 第一節 研究設計 29 第二節 焦點團體 32 第三節 理論架構 39 第四節 變數定義 42 第五節 聯合分析法 46 第六節 研究對象與限制 62 第四章 實證分析與聯合分析結果 64 第一節 基本資料分析 64 第二節 聯合分析結果 66 第五章 結論與建議 117 第一節 研究結論 117 第二節 理論與實務涵意 133 第三節 對後續研究之建議 133 參考文獻 135 附錄一 138 附錄二 139 附錄三 142

在雙人賽局中，有些因為參賽者先後順序的不同，造成雙方掌握不同的訊息而有不同的策略，進而影響其結果。 本論文，主要以「猜錢幣」遊戲討論：當雙方可出的錢幣數為均勻分布時，雙方如何猜才可使獲勝機率最大。由於後猜者可掌握較多的訊息，造成後猜者在大多情況占有優勢。 最後，以模擬驗證導出之結果。

本文主要目的是探討壽險責任準備金公平價值之評價分析，根據台灣的利率市場，用符合財務經濟學的原則，計算出準備金的公平價值（Fair Value）。而準備金之公平價值是以準備金之最佳估計值（Best Estimate）加上風險邊際（Risk Margin）為原則。目前國內準備金之現行制度對於法定準備金僅假設未來利率固定，並未考量利率變化情形，本文將採用隨機利率的方式來評估國內強制分紅保單準備金的公平價值。隨機利率之模型本文採用無套利模型中的Ho-Lee model，利用此模型求得準備金之最佳估計值。並以主成分分析法（Principle Component Analysis）模擬未來之利率情境，求得準備金之風險邊際及公平價值。另外，由於國內尚無足夠資料建立合適之解約率模型，本文僅參考過去文獻額外假設二種與利率相關之解約率模型，及二種不同於原保單之分紅策略，探討準備金公平價值之變動。 本文之研究結果分析如下： 1.死差、利差可互抵之分紅策略，雖降低了保險公司之負債，但仍遠不及忽視隨機利率所造成的嚴重虧損。 2.取兩年定期儲蓄利率之前三年算術平均值作為分紅標準會降低紅利價值，此結果支持選擇權價值與波動率之正向關係。 3.利率敏感型之解約行為會使得紅利價值高於固定解約行為之紅利價值。而考慮隨機利率雖會造成市場上該強制分紅保單之負債大幅提昇，然而考量利率敏感型之解約行為使得保戶容易因為市場利率的走高而解除保險契約，此舉反而解救了保險公司。

逆物流在過去一直不被受到重視，但是在最近不管是世界各國開始制定法規諸如WEEE、RoHS等以及消費者環保意識的抬頭，都不得不讓企業開始專注在逆物流供應鏈上面，由於逆物流的不確定因素及成本都遠比過去正物流來的複雜，因此，過去企業往往選擇外包給專業第三方逆物流業者來處理。 　　然而在過去文獻中指出，其實企業自行建立逆物流供應鏈擁有一些外包得不到的好處，因此，仍然有企業願意自行建立逆物流供應鏈，本研究的目的在於提出一個最佳化模式，此模式利用非線性規劃先將整個研究模式建立成數學模式，再利用隨機規劃方法來將回收量、回收品質及拆解數量這三項不確定因素考慮進去，接著透過情境的方式來表達未來各種可以能發生的情況，再透過非線性隨機規劃模式來去求得一個綜合各種情境的最佳回收處理分配，最後再利用一個手機品牌廠商來做為範例。

隨著產品生命週期的縮短和環保法規的訂定，逆向物流成為21世紀重要的課題，而越來越多的企業也注意到逆向物流的重要性，他們開始將產品復原(recovery of product)納入整體企業作業的考量，本次的研究特別注重於產品復原中的再製造活動。我們假設一製造商有一再製造中心，製造商面對的是不確定的產品需求率和回收率，為最小化總存貨管理成本，製造商所關心的決策為在每次的再製造和再訂購點時應向供應商訂購多少零件及應有多少的回收品須被再製造。換句話說，我們處理的是一個同時考量最佳經濟製造批量(EPQ)和最佳經濟訂購批量(EOQ)的模式，在此模式中不管是經再製造處理的零件或全新訂購的零件皆可滿足需求且將經再製造處裡的零件視為全新的零件。首先我們混合模糊控制和基因演算法的概念建立一基因-模糊控制架構，藉此架構發展一基因-模糊控制系統，靠著此系統我們能得到一套決定最佳EPQ和EOQ的規則。依照規則，根據不同的回收率和需求率就能同時得到不同的EPQ和EOQ。最後我們會測試由模糊控制系統所得的EOQ和EPQ在存貨管理成本上的績效。

維修策略最基本的兩種模型為年齡置換和周期置換。年齡置換是考慮在失敗時, 或是 達到一預定的時間T 時作置換。而周期置換是在固定的周期時間T 作置換, 而在此期 間若發生FAILURE 則作MINIMAL REPAIR( 最小修理 )。所謂最小修理, 就是在經過修 理之后, 其狀態與剛故障之前相同, 也就是經過修理之后, 它的失敗率不變。 在時間是無限的情況下, 對於年齡置換策略,MORSE(1958)證明在使單位時間的平均成 本為最小下, 可以求得最佳的置換區間。而當時間是有限的時候,BARLOU AND PROSCH AN(1962)證明此一最佳置換策略亦存在。 R.CLEROUX,S.DUBUC AND C.TILQUIN(1977) 證明此一最佳置換策略, 在失敗發生時, 根據隨機修理成本, 來決定采行置換或修理的策略。令C1代表失敗時作置換的常數成 本。假如C>aC1,則作置換, 反之, 則進行最小修理, 其中a 為已知參數,0<a<=1,其值 由決策者加以決定。在實際生活中, 對於冰箱、電視, 或汽車每個人都有自己的a 值 , 而決定在故障時作修理或換新時, 就取決於修理的成本和a 值。 現今, 我們考慮更一般的情況, 在第一固定區間x,其置換的機率pl, 修理的機率為1- P1, 第二區間, 置換的機率為P2, 修理的機率為1-P2, 於此類推, 置換的機率為Pn, 修理的機率為1-Pn, 考慮時間nx之後的失敗一律作置換或是在nx時作預防置換, 在上 述條件下求得最佳置換策略。 此模行可將之應用, 例如: 購買一新的機器, 在第一階段有置換機率P1, 修理機率1- P1, 第二階段置換機率P2, 修理機率1-P2, 於此類推, 求得最佳維修策略。

在農業、工業上或生物學、醫學上, 我們經常拿一組控制的試驗組與其他在不同控制 下的試驗組對照比較結果。這方面的問題, 可經由適當的實驗設計(experiment desi -gn)而得到較佳的結果。假設我們有p+1 個處理(treatments), 其中一個處理為對照 處理(control treatment),設其為0,我們已有先前的資料(prior information),其余 p 個處理為試驗處理(test treatments),設其分別為1、2、…p,無任何資料可利用, 在此情況下將已知的資料加入實驗設計的考量中, 將會增加此設計之效率(efficienc y)。本文將討論此一對照組與其他P 個不同試驗組同時比較之貝氏A 式最佳設計(Bay -es A-optimal rowcolumn design)。 假設此模型為沒有交互作用之可加性線性模型(additive linear model without int -eraction): Y =α +τ +β +γ +ε α =處理i 之效果i=0,1,…p τ =α -α =試驗減對照處理之比較i=1,…p β =第j 列之效果j=1,…R γ =第k 行之效果k=1,…C ε =不相關之隨機變數, 其期望值為0,變異數為σ 我們就以此模型來建立貝氏A 式最佳設計, 所謂貝氏A 式最佳設計即能讓對照- 試驗比較之后續期望平方差(poste -rior expected square error loss) 最小之設計。 在本篇論文中, 我們將以電腦程式設計(FORTRAN程式語言) 來尋找貝氏A 式最佳設計 , 并歸納出結論以及比較先前變異數(prior variance)對貝氏最佳設計之影響。