1. Learn
    2. /
  2. Courses
    3. /
  3. Simulações de Monte Carlo em Python
  • 1

    Introdução às simulações de Monte Carlo

    Free

    O que são simulações de Monte Carlo e quando elas são úteis? Depois de abordar essas questões básicas, você aprenderá a realizar simulações simples, como estimar o valor de pi. Você também aprenderá sobre reamostragem, um tipo especial de simulação de Monte Carlo.

  • 2

    Fundamentos de Monte Carlo

    Agora que você pode executar suas próprias simulações simples, está pronto para explorar as aplicações reais das simulações Monte Carlo em vários setores. Em seguida, você mergulhará no cerne do que faz uma boa simulação funcionar: amostragem a partir da distribuição de probabilidade correta. Você aprenderá sobre distribuições de probabilidade para variáveis aleatórias discretas, contínuas e multivariadas.

  • 3

    Simulação de Monte Carlo com base em princípios

    Quando estiver confortável com a escolha da distribuição de probabilidade, você estará pronto para seguir um fluxo de trabalho de simulação de Monte Carlo baseado em princípios usando um conjunto de dados de características e resultados de pacientes com diabetes. Você explorará os dados, realizará uma simulação e gerará estatísticas resumidas para comunicar os resultados da simulação.

  • 4

    Verificação de modelos e interpretação de resultados

    Descubra como avaliar seus modelos Monte Carlo e comunicar os resultados com visualizações fáceis de ler no Seaborn. Por fim, use a análise de sensibilidade para entender como as mudanças nos dados do modelo afetarão seus resultados e pratique esse conceito simulando como os lucros da empresa são afetados pelas mudanças nas vendas e na inflação!

Initializing

Exercise

Análise de sensibilidade da empresa

Agora você examinará o que aconteceria com os lucros da empresa no exercício anterior em uma variedade de valores mean_inflation e mean_volume. Isso ajudará a empresa a se planejar para vários níveis de inflação e volumes de vendas, já que nenhuma empresa pode ter certeza da inflação ou dos volumes de vendas que terá no futuro.

Os percentuais médios de inflação que você gostaria de explorar são 0, 1, 2, 5, 10, 15, 20, 50, enquanto os valores de vendas para uso como valor médio de volume são 100, 200, 500, 800, 1000. Como lembrete, aqui está a definição da função profit_next_year_mc(), que já foi carregada para você.

def profit_next_year_mc(mean_inflation, mean_volume, n):

  profits = []

  for i in range(n):

    # Generate inputs by sampling from the multivariate normal distribution

    rate_sales_volume = st.multivariate_normal.rvs(mean=[mean_inflation,mean_volume], cov=cov_matrix,size=1000)

    # Deterministic calculation of company profit

    price = 100 * (100 + rate_sales_volume[:,0])/100

    volume = rate_sales_volume[:,1]

    loan_and_cost = 50 * volume + 45 * (100 + 3 * rate_sales_volume[:,0]) * (volume/100)

    profit = (np.mean(price * volume - loan_and_cost))

    profits.append(profit)

  return profits

Os seguintes pacotes foram importados: pandas como pd, numpy como np, scipy.stats como st, matplotlib.pyplot como plt, e seaborn como sns.

Instructions

100 XP
  • Conclua a simulação Monte Carlo executando profit_next_year_mc() para calcular o lucro 100 vezes, cada vez percorrendo a lista de valores infl e a lista de valores vol.
  • Use o site displot para visualizar os resultados da simulação salvos na coluna Profit do DataFrame resultante.