大數法則

你在前一個練習中學到，因為 Monte Carlo 模擬具有隨機性，每次的模擬結果可能差異很大。這個練習中，你會運用大數法則，透過大量模擬的平均值來推估 2050 年的通膨。

你在前一個練習中寫好的 monte_carlo_inflation() 函式已可供使用。提醒你，函式程式碼如下：

def monte_carlo_inflation(year, seed):
    random.seed(seed)
    inflation_rate = 8.6
    yearly_increase = random.randint(1, 3)
    for i in range(year - 2022):
        inflation_rate = inflation_rate * ((100 + yearly_increase)/100)
    return(inflation_rate)

已為你匯入 numpy 與 random 套件。

本練習屬於課程

Python 的 Monte Carlo 模擬

檢視課程

練習說明

計算 1,000 次模擬的平均值；每次都隨機選擇介於 0 到 20,000 的種子。
計算 10,000 次模擬的平均值；每次都隨機選擇介於 0 到 20,000 的種子。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Calculate the average of 1,000 simulation results with a seed between 0 and 20000
rates_1 = []
for i in range(____):
    seed = random.randint(____, ____)
    rates_1.append(monte_carlo_inflation(2050, ____))
print(np.mean(rates_1))

# Calculate the average of 10,000 simulation results with a seed between 0 and 20000
rates_2 = []
for i in range(____):
    seed = random.randint(____, ____)
    rates_2.append(monte_carlo_inflation(2050, ____))
print(np.mean(rates_2))

編輯並執行程式碼