Kom igångKom igång gratis

Modellera vinster

I föregående övning byggde du en modell för majsproduktion. På en liten gård har du vanligtvis ingen kontroll över priset eller efterfrågan på majs. Anta att priset är normalfördelat med medelvärde 40 och standardavvikelse 10. Du har tillgång till funktionen corn_demanded(), som tar priset som indata och beräknar efterfrågan på majs. Det är rimligt eftersom efterfrågan vanligtvis styrs av marknaden och ligger utanför din kontroll.

I den här övningen arbetar du med en funktion som beräknar vinsten genom att samla ihop alla simulerade variabler. Det enda indata till den här funktionen är den fasta kostnaden för produktionen. När du är klar har du en funktion som ger ett simulerat vinstutfall för en given kostnad – en funktion som sedan kan användas för att planera dina kostnader.

Den här övningen är en del av kursen

Statistisk simulering i Python

Visa kurs

Övningsinstruktioner

  • Modellera price som en normalfördelad slumpvariabel med medelvärde 40 och standardavvikelse 10.
  • Hämta majsens supply genom att anropa funktionen corn_produced(rain, cost), som du utformade i föregående övning.
  • Anropa funktionen corn_demanded() med price som indata för att få demand.
  • Vinst \(=\) kvantitet \(\times\) pris \(-\) kostnad. Om mer majs produceras än vad som efterfrågas (supply > demand), är den sålda kvantiteten demand, annars är den supply.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Function to calculate profits
def profits(cost):
    rain = np.random.normal(50, 15)
    price = np.random.____
    supply = ____
    demand = ____
    equil_short = supply <= demand
    if equil_short == True:
        tmp = ____*price - cost
        return tmp
    else: 
        tmp2 = ____*price - cost
        return tmp2
result = profits(cost)
print("Simulated profit = {}".format(result))
Redigera och kör kod