Simulace problému se ziskem

Pracuješ ve firmě, která vyrábí průmyslová zařízení. Prodejní cena každého kusu je 100 000 $. Víš také, že mezi inflation_rate (mírou inflace) a objemem prodeje volume existuje silná negativní korelace. Tento vztah zachycuje kovarianční matice cov_matrix, která je dostupná v konzoli.

Funkce profit_next_year_mc() provede Monte Carlo simulaci a vrátí očekávaný zisk (v tisících dolarů). Jako argumenty přijímá průměrnou míru inflace a průměrný objem prodeje. Budeš také muset předat n, tedy počet opakování simulace. Funkce je již načtena a její definice je níže.

def profit_next_year_mc(mean_inflation, mean_volume, n):
  profits = []
  for i in range(n):
    # Generate inputs by sampling from the multivariate normal distribution
    rate_sales_volume = st.multivariate_normal.rvs(mean=[mean_inflation,mean_volume], cov=cov_matrix,size=1000)
    # Deterministic calculation of company profit
    price = 100 * (100 + rate_sales_volume[:,0])/100
    volume = rate_sales_volume[:,1]
    loan_and_cost = 50 * volume + 45 * (100 + 3 * rate_sales_volume[:,0]) * (volume/100)
    profit = (np.mean(price * volume - loan_and_cost))
    profits.append(profit)
  return profits

Následující balíčky jsou již importovány: pandas jako pd, numpy jako np, scipy.stats jako st, matplotlib.pyplot jako plt a seaborn jako sns.