モンテカルロ・シミュレーションの確率的な性質
前の演習では、情報を決定論的にモデル化しました。ここではモンテカルロ・シミュレーションを用いて、確率モデルで将来のインフレ率を推定してみます。
確率モデルでは、サンプリングを使って変数のランダム性を再現します。このランダム性により、入力が同じでも各シミュレーションの期待結果は毎回異なる可能性があります。動画では、異なるシードでモンテカルロ・シミュレーションを実行して、この点を確認しました。
この演習では、2022年のインフレ率を8.6%とし、以降の各年は前年から1%、2%、または3%のいずれか（それぞれ等確率）で確率的に上昇すると仮定します。この仮定のもとで、2050年のインフレ率はどのようになるでしょうか。
random パッケージはすでに random としてインポートされています。
この演習はコースの一部です
Pythonで学ぶモンテカルロ・シミュレーション
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)