शुरू करेंमुफ़्त में शुरू करें

Monte Carlo simulation की स्टोकेस्टिक प्रकृति

पिछले अभ्यास में, आपने जानकारी को निर्धारक (deterministic) तरीके से मॉडल किया था। अब आप Monte Carlo simulation का उपयोग करके एक स्टोकेस्टिक मॉडल से भविष्य की महँगाई का अनुमान लगाने का प्रयास करेंगे.

याद करें कि स्टोकेस्टिक मॉडल सैंपलिंग के जरिए वैरिएबल्स में रैंडमनेस का अनुकरण करते हैं। इस रैंडमनेस का मतलब है कि हर simulation, इनपुट समान होने पर भी, आम तौर पर अलग अपेक्षित नतीजे तक पहुँचेगा। हमने वीडियो में अलग-अलग seeds के साथ Monte Carlo simulations चलाकर यह देखा था.

इस अभ्यास में मान लीजिए कि 2022 में महँगाई 8.6% है और अगले वर्षों में हर साल पिछले वर्ष पर 1%, 2%, या 3% की स्टोकेस्टिक वृद्धि होती है (1%, 2%, और 3% — तीनों की समान प्रायिकता के साथ)। इन मान्यताओं के तहत 2050 में महँगाई दर कैसी दिखेगी?

random पैकेज पहले से random नाम से इम्पोर्ट किया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Monte Carlo Simulations

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Complete the function definition by defining the yearly_increase variable
def monte_carlo_inflation(year, seed):
    random.seed(seed)
    inflation_rate = 8.6
    yearly_increase = ____
    for i in range(year - 2022):
        inflation_rate = inflation_rate*((100 + yearly_increase)/100)
    return(inflation_rate)
कोड संपादित करें और चलाएँ