Optymalizacja kosztów

Teraz użyjemy zbudowanych funkcji, aby zoptymalizować koszty produkcji. Zależy nam na maksymalizacji średnich zysków. Na zyski wpływa jednak wiele czynników, a my kontrolujemy tylko koszty. Możemy zatem zasymulować niepewność pozostałych czynników i sprawdzić, jak zmiana kosztów przekłada się na zyski.

Ponieważ zarządzasz małą farmą kukurydzy, możesz samodzielnie wybrać poziom kosztów – od 100 do 5 000 dolarów. Chcesz wybrać taki poziom, który zapewni maksymalny średni zysk. W tym ćwiczeniu zasymulujemy wiele wyników dla każdego poziomu kosztów i obliczymy średnią. Następnie wybierzemy poziom kosztów dający największy średni zysk. Po ukończeniu ćwiczenia będziesz dysponować gotowym schematem wyboru optymalnych parametrów wejściowych w decyzjach biznesowych.

To ćwiczenie jest częścią kursu

Symulacje statystyczne w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zainicjalizuj pusty słownik results.
Dla każdego poziomu kosztów zasymuluj zyski przy użyciu wczytanej funkcji profits() i dołącz je do tmp_profits.
Zapisz średnią wartość tmp_profits dla każdego poziomu kosztów w słowniku results.
Znajdź poziom kosztów cost_max o najwyższym średnim zysku, uruchamiając results przez wyrażenie listowe.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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))

Edytuj i uruchom kod