Das Gesetz der großen Zahlen
In der vorherigen Übung hast du gelernt, dass die Ergebnisse von Monte-Carlo-Simulationen aufgrund ihrer stochastischen Natur stark variieren können. In dieser Übung nutzt du das Gesetz der großen Zahlen, um die Inflation im Jahr 2050 auf Basis des Durchschnitts vieler Simulationen zu schätzen.
Die Funktion monte_carlo_inflation(), die du in der vorherigen Übung geschrieben hast, steht dir zur Verfügung. Zur Erinnerung, hier ist der Funktionscode:
def monte_carlo_inflation(year, seed):
random.seed(seed)
inflation_rate = 8.6
yearly_increase = random.randint(1, 3)
for i in range(year - 2022):
inflation_rate = inflation_rate * ((100 + yearly_increase)/100)
return(inflation_rate)
Die Pakete numpy und random wurden bereits für dich importiert.
Diese Übung ist Teil des Kurses
Monte-Carlo-Simulationen in Python
Anleitung zur Übung
- Berechne den Durchschnitt von 1.000 Simulationen, wobei jedes Mal zufällig ein
seedzwischen 0 und 20.000 gewählt wird. - Berechne den Durchschnitt von 10.000 Simulationen, wobei jedes Mal zufällig ein
seedzwischen 0 und 20.000 gewählt wird.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Calculate the average of 1,000 simulation results with a seed between 0 and 20000
rates_1 = []
for i in range(____):
seed = random.randint(____, ____)
rates_1.append(monte_carlo_inflation(2050, ____))
print(np.mean(rates_1))
# Calculate the average of 10,000 simulation results with a seed between 0 and 20000
rates_2 = []
for i in range(____):
seed = random.randint(____, ____)
rates_2.append(monte_carlo_inflation(2050, ____))
print(np.mean(rates_2))