Ви працюєте в компанії, що виробляє промислове обладнання. Ціна продажу кожної одиниці обладнання — $100 000. Також відомо, що між inflation_rate та обсягом продажів volume існує сильна від'ємна кореляція. Цей зв'язок відображено в матриці коваріації cov_matrix, яка доступна в консолі.

Функція profit_next_year_mc() виконує моделювання Монте-Карло та повертає очікуваний прибуток (у тисячах доларів) за середніх значень інфляції й обсягу продажів, переданих як аргументи. Вам також потрібно передати n — скільки разів слід запустити моделювання. Функцію вже завантажено для вас, її визначення наведено нижче.

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

Наступні пакети вже імпортовано для вас: pandas як pd, numpy як np, scipy.stats як st, matplotlib.pyplot як plt і seaborn як sns.

Вітаємо!

Create Your Free Account