BaşlayınÜcretsiz Başlayın

Mısır Üretimini Modelle

Küçük bir mısır çiftliğini yönettiğini ve maliyetlerini optimize etmek istediğini varsay. Bu örnek egzersizde mısır üretimini modelleyeceğiz. Birim gibi ayrıntıları bir kenara bırakıp sürece odaklanacağız.

Basit olması için, mısır üretiminin yalnızca iki faktöre bağlı olduğunu varsayalım: senin kontrolünde olmayan yağış ve senin kontrolünde olan maliyet. Yağışın ortalaması 50, standart sapması 15 olan normal dağılıma sahip olduğunu varsayalım. Şimdilik maliyeti 5.000'de sabitleyelim. Herhangi bir sezonda üretilen mısır miktarının Poisson rassal değişkeni olduğunu ve ortalama mısır üretiminin şu eşitlikle belirlendiğini kabul edelim:

\(100\times(\text{cost})^{0.1}\times(\text{rain})^{0.2}\)

Hadi bu üretim fonksiyonunu modelleyip tek bir sonuç simüle edelim.

Bu egzersiz

Python'da İstatistiksel Benzetim

kursunun bir parçasıdır
Kursu Görüntüle

Egzersiz talimatları

  • rain değişkenini ortalaması 50, standart sapması 15 olan bir Normal rassal değişken olarak başlat.
  • corn_produced() fonksiyonunda, mean_corn değişkenini \( 100\times\text{cost}^{0.1}\times\text{rain}^{0.2} \) olarak modelle.
  • corn değişkenini ortalaması mean_corn olan bir Poisson rassal değişken olarak modelle.
  • Bir sonuç simüle etmek için corn_produced() çağrısının sonucunu corn_result içinde sakla ve sonuçlarını yazdır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Initialize variables
cost = 5000
rain = np.random.____

# Corn Production Model
def corn_produced(rain, cost):
  mean_corn = ____
  corn = np.random.____
  return corn

# Simulate and print corn production
corn_result = ____
print("Simulated Corn Production = {}".format(____))
Kodu Düzenle ve Çalıştır