ComeçarComece de graça

Modelando a produção de milho

Suponha que você gerencie uma pequena fazenda de milho e esteja interessado em otimizar seus custos. Neste exercício ilustrativo, vamos modelar a produção de milho. Vamos abstrair detalhes como unidades e focar no processo.

Para simplificar, vamos assumir que a produção de milho depende de apenas dois fatores: chuva, que você não controla, e custo, que você controla. A chuva segue uma distribuição Normal com média 50 e desvio padrão 15. Por enquanto, vamos fixar o custo em 5.000. Vamos assumir que o milho produzido em qualquer safra é uma variável aleatória de Poisson e que a produção média de milho é regida pela equação:

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

Vamos modelar essa função de produção e simular um resultado.

Este exercício faz parte do curso

Simulação Estatística em Python

Ver curso

Instruções do exercício

  • Inicialize rain como uma variável aleatória Normal com média 50 e desvio padrão 15.
  • Na função corn_produced(), modele mean_corn como \( 100\times\text{cost}^{0.1}\times\text{rain}^{0.2} \).
  • Modele corn como uma variável aleatória Poisson com média mean_corn.
  • Simule um resultado armazenando o retorno da chamada corn_produced() em corn_result e imprima seus resultados.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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(____))
Editar e executar o código