การเพิ่มประสิทธิภาพต้นทุน
ต่อไปเราจะนำฟังก์ชันที่สร้างไว้มาใช้เพื่อหาต้นทุนการผลิตที่เหมาะสมที่สุด โดยมีเป้าหมายคือการเพิ่มกำไรเฉลี่ยให้สูงที่สุด อย่างไรก็ตาม กำไรขึ้นอยู่กับปัจจัยหลายอย่าง ในขณะที่เราควบคุมได้เพียงต้นทุนเท่านั้น ดังนั้น เราจึงใช้การจำลองเพื่อสะท้อนความไม่แน่นอนของปัจจัยอื่น ๆ และปรับเปลี่ยนต้นทุนเพื่อดูผลกระทบต่อกำไร
ในฐานะที่ดูแลฟาร์มข้าวโพดขนาดเล็ก คุณสามารถเลือกต้นทุนได้ตั้งแต่ $100 ถึง $5,000 เป้าหมายคือหาต้นทุนที่ให้กำไรเฉลี่ยสูงสุด ในแบบฝึกหัดนี้ เราจะจำลองผลลัพธ์หลายรูปแบบสำหรับต้นทุนแต่ละระดับ แล้วคำนวณค่าเฉลี่ย จากนั้นจึงเลือกระดับต้นทุนที่ให้กำไรเฉลี่ยสูงที่สุด เมื่อทำเสร็จแล้ว คุณจะมีกรอบการทำงานสำหรับเลือกอินพุตที่เหมาะสมที่สุดในการตัดสินใจทางธุรกิจ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การจำลองทางสถิติด้วย Python
คำแนะนำการฝึกหัด
- กำหนดค่าเริ่มต้นให้ dictionary เปล่าชื่อ
results - สำหรับต้นทุนแต่ละระดับ ให้จำลองกำไรโดยใช้ฟังก์ชัน
profits()ที่โหลดไว้แล้ว และเพิ่มผลลัพธ์ลงในtmp_profits - เก็บค่าเฉลี่ยของ
tmp_profitsสำหรับต้นทุนแต่ละระดับไว้ใน dictionaryresults - หาระดับต้นทุน
cost_maxที่ให้กำไรเฉลี่ยสูงสุด โดยส่งresultsผ่าน list comprehension
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Initialize results and cost_levels variables
sims, results = 1000, ____
cost_levels = np.arange(100, 5100, 100)
# For each cost level, simulate profits and store mean profit
for cost in cost_levels:
tmp_profits = []
for i in range(sims):
tmp_profits.append(____)
results[cost] = np.mean(____)
# Get the cost that maximizes average profit
cost_max = [x for x in ____.keys() if ____[x] == max(____.values())][0]
print("Average profit is maximized when cost = {}".format(cost_max))