ลักษณะสุ่มของการจำลอง Monte Carlo
ในแบบฝึกหัดที่แล้ว คุณได้จำลองข้อมูลแบบ deterministic ไปแล้ว คราวนี้จะลองประมาณอัตราเงินเฟ้อในอนาคตด้วยโมเดลแบบ stochastic โดยใช้การจำลอง Monte Carlo
โปรดจำไว้ว่าโมเดล stochastic จะจำลองความสุ่มในตัวแปรผ่านการสุ่มตัวอย่าง ความสุ่มนี้ทำให้แต่ละการจำลองมักได้ผลลัพธ์ที่คาดไว้ต่างกัน แม้จะใช้ค่าอินพุตเดียวกัน ดังที่เห็นในวิดีโอเมื่อรันการจำลอง Monte Carlo ด้วย seed ที่ต่างกัน
ในแบบฝึกหัดนี้ ให้สมมติว่าอัตราเงินเฟ้อในปี 2022 อยู่ที่ 8.6% และเพิ่มขึ้นแบบ stochastic ปีละ 1%, 2% หรือ 3% จากปีก่อนหน้า (โดยแต่ละค่ามีความน่าจะเป็นเท่ากัน) สำหรับปีถัดๆ ไป แล้วอัตราเงินเฟ้อจะเป็นเท่าไรในปี 2050 ภายใต้สมมติฐานเหล่านี้?
ได้ import แพ็กเกจ random ไว้ให้แล้วในชื่อ random
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Monte Carlo Simulations ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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)