将报童报纸订购数、读者数均设为整型数，用mathmatica给出报童卖报策略的模型构建

假设报童每天可以订购一定数量的报纸，每份报纸的售价为p，每份报纸的成本为c，报童能够卖出的最大数量为M。假设每天的需求量D是一个随机变量，其概率分布为f(D)。

报童的目标是最大化其利润，即收入减去成本。因此，我们可以设利润函数为：

profit = (p-c) * min(D,M) - (M - min(D,M)) * c

其中，min(D,M)表示报童订购的报纸数量和需求量的较小值，即实际售出的报纸数量。

为了求解最优的订购数量，我们需要对利润函数进行期望值的计算。即：

expected_profit = Sum[profit * f(D), {D,1,M}]

其中，Sum表示对所有可能的需求量进行求和。我们需要找到使得expected_profit最大化的订购数量M*。

为了求解M*，我们可以使用Mathematica中的优化函数，例如FindMaximum。具体实现如下：

1. 定义参数和变量：

p = 1.50; (* 报纸售价 *)
c = 0.75; (* 报纸成本 *)
M = 100; (* 最大销售量 *)
f = {0.1, 0.15, 0.3, 0.25, 0.15, 0.05}; (* 需求量分布 *)

2. 定义利润函数：

profit[D_] := (p-c) * Min[D,M] - (M - Min[D,M]) * c

3. 定义期望利润函数：

expected_profit[x_] := Sum[profit[D]*f[[D]],{D,1,x}]

4. 使用FindMaximum求解最优订购数量：

result = FindMaximum[expected_profit[x], {x,1,M}, WorkingPrecision->10]

其中，{x,1,M}表示要求解的变量x的取值范围为1到M，WorkingPrecision->10表示使用10位有效数字进行计算。

5. 输出结果：

Print["最优订购数量为：", Round[result[[2]]]]

最终输出的结果为最优订购数量，即报童每天应该订购多少份报纸才能最大化其利润。