Simulation eines Gewinnproblems

Du arbeitest für ein Unternehmen, das Industrieanlagen herstellt. Der Verkaufspreis jeder Anlage beträgt 100.000 $. Außerdem weißt du, dass es eine starke negative Korrelation zwischen der inflation_rate und dem Verkaufs-volume gibt. Diese Beziehung wird durch die Kovarianzmatrix cov_matrix abgebildet, die dir in der Konsole zur Verfügung steht.

Die Funktion profit_next_year_mc() führt eine Monte-Carlo-Simulation aus und gibt den erwarteten Gewinn (in Tausend Dollar) zurück. Als Argumente erhält sie die durchschnittliche Inflationsrate und das durchschnittliche Verkaufsvolumen. Außerdem musst du n übergeben, also wie oft die Simulation ausgeführt werden soll. Die Funktion wurde bereits für dich geladen; die Definition findest du unten.

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

Folgende Pakete wurden bereits importiert: pandas als pd, numpy als np, scipy.stats als st, matplotlib.pyplot als plt und seaborn als sns.