Стохастическая природа симуляции Монте-Карло
В предыдущем упражнении вы моделировали данные детерминированно. Теперь попробуем оценить будущую инфляцию с помощью стохастической модели — симуляции Монте-Карло.
Напомним: стохастические модели имитируют случайность переменных с помощью выборки. Из-за этой случайности каждая симуляция, скорее всего, будет приводить к разным ожидаемым результатам, даже если входные данные одинаковы. В видео мы наблюдали это, запуская симуляции Монте-Карло с разными значениями seed.
В этом упражнении предположим, что инфляция в 2022 году составила 8,6%, а в последующие годы стохастически увеличивается на 1%, 2% или 3% относительно предыдущего года (с равными вероятностями для каждого из этих значений). Как будет выглядеть уровень инфляции в 2050 году при таких допущениях?
Пакет random уже импортирован под именем random.
Это упражнение является частью курса
Симуляции Монте-Карло на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Complete the function definition by defining the yearly_increase variable
def monte_carlo_inflation(year, seed):
random.seed(seed)
inflation_rate = 8.6
yearly_increase = ____
for i in range(year - 2022):
inflation_rate = inflation_rate*((100 + yearly_increase)/100)
return(inflation_rate)