CommencezCommencez gratuitement

Optimiser les coûts

Nous allons maintenant utiliser les fonctions que vous avez créées pour optimiser notre coût de production. Notre objectif est de maximiser le profit moyen. Toutefois, nos profits dépendent de plusieurs facteurs, alors que nous ne contrôlons que le coût. Nous pouvons donc simuler l'incertitude des autres facteurs et faire varier le coût pour voir l'effet sur nos profits.

Comme vous gérez la petite ferme de maïs, vous pouvez choisir votre coût — de 100 \( à 5 000 \). Vous voulez choisir le coût qui vous donne le profit moyen maximal. Dans cet exercice, nous allons simuler plusieurs résultats pour chaque niveau de coût et calculer une moyenne. Nous choisirons ensuite le coût qui procure le profit moyen le plus élevé. Une fois terminé, vous aurez un cadre pour sélectionner des intrants optimaux pour des décisions d'affaires.

Cette activité fait partie du cours

Simulation statistique en Python

Voir le cours

Instructions de l’exercice

  • Initialisez le dictionnaire vide results.
  • Pour chaque niveau de coût, simulez les profits à l'aide de la fonction préchargée profits() et ajoutez-les à tmp_profits.
  • Enregistrez la moyenne de tmp_profits pour chaque niveau de coût dans le dictionnaire results.
  • Trouvez le niveau de coût cost_max qui a le profit moyen maximal en passant results dans la compréhension de liste.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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))
Modifier et exécuter le code