Simulation d’un problème de profit

Vous travaillez pour une entreprise qui fabrique des équipements industriels. Le prix de vente de chaque équipement est de 100 000 $. Vous savez également qu’il existe une forte corrélation négative entre le inflation_rate et le volume des ventes. Cette relation est capturée par la matrice de covariance cov_matrix, disponible dans la console.

La fonction profit_next_year_mc() effectue une simulation de Monte Carlo et renvoie le profit attendu (en milliers de dollars), à partir du taux d’inflation moyen et du volume de ventes moyen passés en arguments. Vous devrez aussi passer n, le nombre de fois où la simulation doit être exécutée. La fonction a été chargée pour vous, et sa définition est ci-dessous.

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

Les paquets suivants ont été importés pour vous : pandas sous pd, numpy sous np, scipy.stats sous st, matplotlib.pyplot sous plt, et seaborn sous sns.