Симуляция задачи о прибыли
Вы работаете в компании, производящей промышленное оборудование. Цена продажи каждой единицы оборудования составляет 100 000 долларов. Также известно, что между inflation_rate (уровнем инфляции) и объёмом продаж volume существует сильная отрицательная корреляция. Эта зависимость отражена в матрице ковариации cov_matrix, доступной в консоли.
Функция profit_next_year_mc() выполняет симуляцию методом Монте-Карло и возвращает ожидаемую прибыль (в тысячах долларов) на основе среднего уровня инфляции и среднего объёма продаж, переданных в качестве аргументов. Также необходимо передать n — количество запусков симуляции. Функция уже загружена, её определение приведено ниже.
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
Следующие пакеты уже импортированы: pandas как pd, numpy как np, scipy.stats как st, matplotlib.pyplot как plt и seaborn как sns.
Это упражнение является частью курса
Симуляции Монте-Карло на Python
Инструкции к упражнению
- Выполните симуляцию методом Монте-Карло, запустив
profit_next_year_mc()500 раз со значениемmean_inflationравным2иmean_volumeравным500. - Визуализируйте результаты симуляции с помощью
displot.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Run a Monte Carlo simulation 500 times using a mean_inflation of 2 and a mean_volume of 500
profits = profit_next_year_mc(____)
# Create a displot of the results
____
plt.show()