Modelowanie produkcji kukurydzy

Załóżmy, że zarządzasz niewielką farmą kukurydzy i chcesz zoptymalizować swoje koszty. W tym ćwiczeniu zamodelujemy produkcję kukurydzy. Pominiemy szczegóły techniczne, takie jak jednostki, i skupimy się na samym procesie.

Dla uproszczenia przyjmijmy, że produkcja kukurydzy zależy tylko od dwóch czynników: opadów deszczu, na które nie masz wpływu, oraz kosztów, które kontrolujesz. Opady mają rozkład normalny ze średnią 50 i odchyleniem standardowym 15. Na razie przyjmijmy stałą wartość kosztów równą 5 000. Przyjmijmy ponadto, że ilość wyprodukowanej kukurydzy w danym sezonie jest zmienną losową Poissona, a średnia produkcja jest opisana równaniem:

\(100\times(\text{cost})^{0.1}\times(\text{rain})^{0.2}\)

Zamodeluj tę funkcję produkcji i zasymuluj jeden wynik.

To ćwiczenie jest częścią kursu

Symulacje statystyczne w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zainicjalizuj rain jako zmienną losową o rozkładzie normalnym ze średnią 50 i odchyleniem standardowym 15.
W funkcji corn_produced() zamodeluj mean_corn jako \( 100\times\text{cost}^{0.1}\times\text{rain}^{0.2} \).
Zamodeluj corn jako zmienną losową Poissona ze średnią mean_corn.
Zasymuluj jeden wynik, zapisując rezultat wywołania corn_produced() w zmiennej corn_result, a następnie wyświetl wyniki.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Initialize variables
cost = 5000
rain = np.random.____

# Corn Production Model
def corn_produced(rain, cost):
  mean_corn = ____
  corn = np.random.____
  return corn

# Simulate and print corn production
corn_result = ____
print("Simulated Corn Production = {}".format(____))

Edytuj i uruchom kod