LoslegenKostenlos loslegen

Kosten optimieren

Jetzt nutzen wir die Funktionen, die du erstellt hast, um unsere Produktionskosten zu optimieren. Wir möchten den durchschnittlichen Gewinn maximieren. Unsere Gewinne hängen jedoch von mehreren Faktoren ab, während wir nur die Kosten steuern. Daher können wir die Unsicherheit der anderen Faktoren simulieren und die Kosten variieren, um zu sehen, wie sich das auf unsere Gewinne auswirkt.

Da du den kleinen Maisbetrieb leitest, kannst du die Kosten festlegen – von $100 bis $5.000. Du willst die Kosten wählen, die dir den höchsten durchschnittlichen Gewinn bringen. In dieser Übung simulieren wir für jede Kostenstufe mehrere Ergebnisse und berechnen einen Durchschnitt. Anschließend wählen wir die Kosten, die den höchsten mittleren Gewinn liefern. Am Ende hast du ein Rahmenkonzept, um optimale Eingaben für Geschäftsentscheidungen zu bestimmen.

Diese Übung ist Teil des Kurses

Statistische Simulation in Python

Kurs anzeigen

Anleitung zur Übung

  • Initialisiere das leere Dictionary results.
  • Simuliere für jede Kostenstufe die Gewinne mit der vorab geladenen Funktion profits() und hänge sie an tmp_profits an.
  • Speichere den Durchschnitt von tmp_profits für jede Kostenstufe im Dictionary results.
  • Finde die Kostenstufe cost_max, die den höchsten durchschnittlichen Gewinn hat, indem du results durch die Listen-Comprehension laufen lässt.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Initialize results and cost_levels variables
sims, results = 1000, ____
cost_levels = np.arange(100, 5100, 100)

# For each cost level, simulate profits and store mean profit
for cost in cost_levels:
    tmp_profits = []
    for i in range(sims):
        tmp_profits.append(____)
    results[cost] = np.mean(____)
    
# Get the cost that maximizes average profit
cost_max = [x for x in ____.keys() if ____[x] == max(____.values())][0]
print("Average profit is maximized when cost = {}".format(cost_max))
Code bearbeiten und ausführen