Stochastische aard van Monte Carlo-simulatie
In de vorige oefening modelleerde je informatie deterministisch. Nu ga je met een stochastisch model proberen de toekomstige inflatie te schatten met een Monte Carlo-simulatie.
Onthoud dat stochastische modellen willekeur in variabelen simuleren door te sampelen. Door die willekeur zal elke simulatie waarschijnlijk op een andere verwachte uitkomst uitkomen, zelfs met dezelfde input. Dat zagen we in de video door Monte Carlo-simulaties met verschillende seeds uit te voeren.
Ga in deze oefening uit van 8,6% inflatie in 2022 en een stochastische stijging van 1%, 2% of 3% per jaar ten opzichte van het voorgaande jaar (met gelijke kansen op 1%, 2% of 3%) voor de daaropvolgende jaren. Hoe ziet het inflatiepercentage er in 2050 uit onder deze aannames?
Het pakket random is al voor je geïmporteerd als random.
Deze oefening maakt deel uit van de cursus
Monte Carlo-simulaties in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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)