CommencerCommencer 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. Cependant, nos profits dépendent de plusieurs facteurs, alors que nous ne contrôlons que le coût. Nous pouvons donc simuler l’incertitude sur les autres facteurs et faire varier le coût pour voir l’impact sur nos profits.

Comme vous gérez une petite ferme de maïs, vous pouvez choisir votre coût — entre 100 \( et 5 000 \). Vous souhaitez sélectionner le coût qui vous donne le profit moyen maximal. Dans cet exercice, nous allons simuler plusieurs issues pour chaque niveau de coût et en calculer la moyenne. Nous choisirons ensuite le coût qui nous procure le profit moyen le plus élevé. À la fin, vous disposerez d’un cadre pour sélectionner des entrées optimales afin de prendre des décisions commerciales.

Cet exercice fait partie du cours

Simulation statistique en Python

Afficher le cours

Instructions

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

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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