Simulatie van een winstprobleem

Je werkt bij een bedrijf dat industriële apparatuur produceert. De verkoopprijs van elk apparaat is $100.000. Je weet ook dat er een sterke negatieve correlatie is tussen de inflation_rate en de verkoopvolume. Deze relatie is vastgelegd in de covariantiematrix cov_matrix, die in de console voor je beschikbaar is.

De functie profit_next_year_mc() voert een Monte Carlo-simulatie uit en geeft de verwachte winst terug (in duizenden dollars), gegeven de gemiddelde inflatie en het gemiddelde verkoopvolume als argumenten. Je moet ook n meegeven: het aantal keer dat de simulatie moet worden uitgevoerd. De functie is al voor je geladen en de definitie staat hieronder.

def profit_next_year_mc(mean_inflation, mean_volume, n):
  profits = []
  for i in range(n):
    # Generate inputs by sampling from the multivariate normal distribution
    rate_sales_volume = st.multivariate_normal.rvs(mean=[mean_inflation,mean_volume], cov=cov_matrix,size=1000)
    # Deterministic calculation of company profit
    price = 100 * (100 + rate_sales_volume[:,0])/100
    volume = rate_sales_volume[:,1]
    loan_and_cost = 50 * volume + 45 * (100 + 3 * rate_sales_volume[:,0]) * (volume/100)
    profit = (np.mean(price * volume - loan_and_cost))
    profits.append(profit)
  return profits

De volgende pakketten zijn voor je geïmporteerd: pandas als pd, numpy als np, scipy.stats als st, matplotlib.pyplot als plt en seaborn als sns.