Aan de slagGa gratis aan de slag

Kosten optimaliseren

Nu gaan we de functies die je hebt gebouwd gebruiken om onze productiekosten te optimaliseren. We willen de gemiddelde winst maximaliseren. Onze winst hangt echter af van meerdere factoren, terwijl we alleen de kosten zelf sturen. Daarom kunnen we de onzekerheid in de andere factoren simuleren en de kosten variëren om te zien hoe dit onze winst beïnvloedt.

Omdat jij het kleine maïsbedrijf runt, kun je de kosten kiezen — van $100 tot $5.000. Je wilt de kosten kiezen die je de maximale gemiddelde winst opleveren. In deze oefening simuleren we meerdere uitkomsten voor elk kostenniveau en berekenen we een gemiddelde. Vervolgens kiezen we het kostenniveau dat ons de hoogste gemiddelde winst geeft. Als je klaar bent, heb je een raamwerk om optimale invoer te kiezen voor zakelijke beslissingen.

Deze oefening maakt deel uit van de cursus

Statisticale simulatie in Python

Cursus bekijken

Oefeninstructies

  • Initialiseer de lege dictionary results.
  • Simuleer voor elk kostenniveau de winst met de vooringeladen functie profits() en voeg die toe aan tmp_profits.
  • Sla het gemiddelde van tmp_profits voor elk kostenniveau op in de dictionary results.
  • Vind het kostenniveau cost_max met de hoogste gemiddelde winst door results door de list comprehension te halen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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))
Code bewerken en uitvoeren