A lei dos grandes números
Você aprendeu no exercício anterior que, devido à natureza estocástica das simulações de Monte Carlo, cada resultado de simulação pode ser muito diferente. Neste exercício, você aproveitará a Lei dos Grandes Números para simular a inflação em 2050 com base na média de um grande número de simulações.
A função monte_carlo_inflation() que você escreveu no exercício anterior está disponível para uso. Como lembrete, esse é o código de função:
def monte_carlo_inflation(year, seed):
random.seed(seed)
inflation_rate = 8.6
yearly_increase = random.randint(1, 3)
for i in range(year - 2022):
inflation_rate = inflation_rate * ((100 + yearly_increase)/100)
return(inflation_rate)
Os pacotes numpy e random foram importados para você.
Este exercício faz parte do curso
Simulações de Monte Carlo em Python
Instruções de exercício
- Calcule a média de 1.000 simulações em que uma semente entre 0 e 20.000 é escolhida aleatoriamente a cada vez.
- Calcule a média de 10.000 simulações em que uma semente entre 0 e 20.000 é escolhida aleatoriamente a cada vez.
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# Calculate the average of 1,000 simulation results with a seed between 0 and 20000
rates_1 = []
for i in range(____):
seed = random.randint(____, ____)
rates_1.append(monte_carlo_inflation(2050, ____))
print(np.mean(rates_1))
# Calculate the average of 10,000 simulation results with a seed between 0 and 20000
rates_2 = []
for i in range(____):
seed = random.randint(____, ____)
rates_2.append(monte_carlo_inflation(2050, ____))
print(np.mean(rates_2))