मक्का उत्पादन का मॉडलिंग
मान लीजिए आप एक छोटे मक्का फार्म का प्रबंधन करते हैं और अपनी लागत को अनुकूलित करना चाहते हैं। इस उदाहरणात्मक अभ्यास में, हम मक्का के उत्पादन का मॉडल बनाएँगे। हम इकाइयों जैसी बारीकियों को अलग रखते हुए पूरे प्रोसेस पर ध्यान देंगे.
सरलता के लिए मान लें कि मक्का उत्पादन केवल दो कारकों पर निर्भर करता है: बारिश, जिसे आप नियंत्रित नहीं करते, और लागत, जिसे आप नियंत्रित करते हैं। बारिश का वितरण Normal है, जिसका mean 50 और standard deviation 15 है। फिलहाल, लागत को 5,000 पर फिक्स करें। मान लें कि किसी भी सीज़न में उत्पादित मक्का एक Poisson रैंडम वैरिएबल है और औसत उत्पादन निम्न समीकरण से निर्धारित होता है:
\(100\times(\text{cost})^{0.1}\times(\text{rain})^{0.2}\)
आइए इस प्रोडक्शन फंक्शन का मॉडल बनाएँ और एक आउटकम को सिमुलेट करें.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Statistical Simulation
अभ्यास निर्देश
rainको mean 50 और standard deviation 15 के साथ एक Normal रैंडम वैरिएबल के रूप में इनिशियलाइज़ करें.corn_produced()फंक्शन में,mean_cornको \( 100\times\text{cost}^{0.1}\times\text{rain}^{0.2} \) के रूप में मॉडल करें.cornकोmean_cornके mean के साथ एक Poisson रैंडम वैरिएबल के रूप में मॉडल करें.- एक आउटकम सिमुलेट करने के लिए,
corn_produced()को कॉल करने के परिणाम कोcorn_resultमें स्टोर करें और अपने परिणाम प्रिंट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Initialize variables
cost = 5000
rain = np.random.____
# Corn Production Model
def corn_produced(rain, cost):
mean_corn = ____
corn = np.random.____
return corn
# Simulate and print corn production
corn_result = ____
print("Simulated Corn Production = {}".format(____))