IniziaInizia gratis

Modellare la produzione di mais

Supponi di gestire una piccola azienda agricola di mais e di voler ottimizzare i costi. In questo esercizio illustrativo modelleremo la produzione di mais. Tralasceremo dettagli come le unità di misura e ci concentreremo sul processo.

Per semplicità, assumiamo che la produzione di mais dipenda solo da due fattori: la pioggia, che non controlli, e il costo, che controlli. La pioggia è distribuita normalmente con media 50 e deviazione standard 15. Per ora, fissiamo il costo a 5.000. Assumiamo che il mais prodotto in una stagione sia una variabile casuale di Poisson e che la produzione media sia descritta dall’equazione:

\(100\times(\text{cost})^{0.1}\times(\text{rain})^{0.2}\)

Modelliamo questa funzione di produzione e simula un esito.

Questo esercizio fa parte del corso

Simulazione statistica in Python

Visualizza il corso

Istruzioni dell'esercizio

  • Inizializza rain come variabile casuale Normale con media 50 e deviazione standard 15.
  • Nella funzione corn_produced(), modella mean_corn come \( 100\times\text{cost}^{0.1}\times\text{rain}^{0.2} \).
  • Modella corn come variabile casuale Poisson con media mean_corn.
  • Simula un esito memorizzando il risultato della chiamata a corn_produced() in corn_result e stampa i risultati.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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(____))
Modifica ed esegui il codice