大数定律

您在上一个练习中已经了解到，由于蒙特卡洛模拟具有随机性，每次模拟的结果可能差异很大。这个练习中，您将利用大数定律，通过大量模拟的平均值来推断 2050 年的通胀水平。

您在上一练习中编写的 monte_carlo_inflation() 函数可直接使用。以下是该函数代码供参考：

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)

已为您导入 numpy 和 random 包。

本练习是课程的一部分

Python 中的蒙特卡洛模拟

查看课程

练习说明

计算 1,000 次模拟的平均值。每次都在 0 到 20,000 之间随机选择一个种子。
计算 10,000 次模拟的平均值。每次都在 0 到 20,000 之间随机选择一个种子。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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))

编辑并运行代码