시작하기무료로 시작하기

비용 최적화

이제 여러분이 만든 함수들을 사용해 생산 비용을 최적화해 보겠습니다. 우리의 목표는 평균 이익을 최대화하는 것입니다. 다만 이익은 여러 요인에 좌우되지만, 우리가 통제할 수 있는 것은 비용뿐이에요. 따라서 다른 요인의 불확실성은 시뮬레이션으로 반영하고, 비용을 바꿔가며 이익에 어떤 영향을 주는지 살펴보겠습니다.

여러분은 작은 옥수수 농장을 운영한다고 가정합니다. 선택할 수 있는 비용 범위는 $100부터 $5,000까지예요. 평균 이익이 가장 큰 비용을 고르고자 합니다. 이 연습 문제에서는 각 비용 수준마다 여러 번의 결과를 시뮬레이션하고 평균을 계산합니다. 그런 다음 평균 이익이 가장 큰 비용을 선택합니다. 완료하면 비즈니스 의사결정을 위한 최적 입력값을 선택하는 데 쓸 수 있는 프레임워크를 갖추게 됩니다.

이 연습은 강의의 일부입니다

Python으로 하는 통계 시뮬레이션

강의 보기

연습 안내

  • 빈 딕셔너리 results를 초기화하세요.
  • 각 비용 수준에 대해, 미리 로드된 profits() 함수를 사용해 이익을 시뮬레이션하고 이를 tmp_profits에 .append()로 추가하세요.
  • 각 비용 수준의 tmp_profits 평균을 results 딕셔너리에 저장하세요.
  • 리스트 컴프리헨션으로 results를 처리해 평균 이익이 최대인 비용 수준 cost_max를 찾으세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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))
코드 편집 및 실행