Aan de slagGa gratis aan de slag

Winst modelleren

In de vorige oefening heb je een model voor maïsproductie gebouwd. Voor een kleine boerderij heb je meestal geen invloed op de prijs of de vraag naar maïs. Stel dat de prijs normaal verdeeld is met gemiddelde 40 en standaarddeviatie 10. Je krijgt een functie corn_demanded(), die de vraag naar maïs bepaalt op basis van de prijs. Dat is logisch, want de vraag wordt meestal door de markt bepaald en ligt niet in jouw handen.

In deze oefening ga je werken aan een functie die de winst berekent door alle andere gesimuleerde variabelen samen te brengen. De enige invoer van deze functie is de vaste cost van de productie. Na afronding heb je een functie die één gesimuleerd winstresultaat geeft voor een gegeven kostenniveau. Deze functie kun je vervolgens gebruiken om je kosten te plannen.

Deze oefening maakt deel uit van de cursus

Statisticale simulatie in Python

Cursus bekijken

Oefeninstructies

  • Modelleer de price als een normale toevalsvariabele met gemiddelde 40 en standaarddeviatie 10.
  • Haal het maïs-supply op door de functie corn_produced(rain, cost) aan te roepen, die je in de vorige oefening hebt ontworpen.
  • Roep de functie corn_demanded() aan met invoer price om demand te krijgen.
  • Profit \(=\) quantity \(\times\) price \(-\) cost. Als er meer maïs wordt geproduceerd dan gevraagd (supply > demand), dan is de verkochte hoeveelheid demand; anders is het supply.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Function to calculate profits
def profits(cost):
    rain = np.random.normal(50, 15)
    price = np.random.____
    supply = ____
    demand = ____
    equil_short = supply <= demand
    if equil_short == True:
        tmp = ____*price - cost
        return tmp
    else: 
        tmp2 = ____*price - cost
        return tmp2
result = profits(cost)
print("Simulated profit = {}".format(result))
Code bewerken en uitvoeren