Monte Carlo simulations का उपयोग

Python में Monte Carlo Simulations

Izzy Weber

Curriculum Manager, DataCamp

व्यापक उपयोगिता

Monte Carlo simulations का उपयोग इन क्षेत्रों में होता है...

Finance और business
Engineering
Physical sciences

स्टॉक कीमत पूर्वानुमान

समय के साथ सिम्युलेटेड स्टॉक कीमतें दिखाता ग्राफ

¹ https://marketxls.com/monte-carlo-simulation-excel

रिस्क मैनेजमेंट

VaR confidence interval दिखाता एक ग्राफ

¹ https://www.investopedia.com/articles/04/092904.asp https://corporatefinanceinstitute.com/course/modeling-risk-monte-carlo-simulation/

बाइंडिंग साइट पहचान

प्रोटीन बाइंडिंग साइट ग्राफ़िक

¹ https://pubs.rsc.org/en/content/articlelanding/2020/ra/d0ra01127d

इंजीनियरिंग में रिलायबिलिटी विश्लेषण

safe और failure डोमेन दिखाता ग्राफ

¹ www.researchgate.net/publication/228814883_Probabilistic_Transformation_Method_in_Reliability_Analysis

Monte Carlo Simulations के लाभ

विभिन्न इनपुट के लिए मानों की रेंज पर विचार करें
सिर्फ क्या हो सकता है नहीं, हर outcome की संभावना भी दिखाएँ
संभव outcomes की रेंज को विज़ुअलाइज़ करना आसान बनाता है
अलग परिस्थितियों में क्या होता, यह भी परख सकते हैं

Monte Carlo simulations से optimize करें

Biased पासों के थैले

दो थैलों से दो अलग पासे फेंकें; हर थैले में तीन biased पासे हैं:

bag1 = [[1, 2, 3, 6, 6, 6], [1, 2, 3, 4, 4, 6], [1, 2, 3, 3, 3, 5]]
bag2 = [[2, 2, 3, 4, 5, 6], [3, 3, 3, 4, 4, 5], [1, 1, 2, 4, 5, 5]]

Simulation:

प्रत्येक थैले से एक-एक पासा रैंडम चुनें; दोनों पासे फेंकें
यदि दोनों का योग आठ है तो सफलता, अन्यथा विफलता
हर यूनिक पासा-कॉम्बिनेशन के लिए सफलता की probability निकालनी है

Biased पासों का सिमुलेशन

def roll_biased_dice(n):
    results = {}

    for i in range(n):
        bag_index1 = random.randint(0, 2)
        die_index1 = random.randint(0, 5)
        bag_index2 = random.randint(0, 2)
        die_index2 = random.randint(0, 5)

        point1 = bag1[bag_index1][die_index1]
        point2 = bag2[bag_index2][die_index2]

        key = "%s_%s" % (point1, point2)

        if point1 + point2 == 8: 
            if key not in results:
                results[key] = 1
            else:
                results[key] += 1

Biased पासों के परिणाम

dice1_dice2	probability_of_success
6_2	5.54
3_5	2.67
2_6	1.45
4_4	4

Biased पासों के परिणाम

bag1 = [[1, 2, 3, 6, 6, 6], [1, 2, 3, 4, 4, 6], [1, 2, 3, 3, 3, 5]]
bag2 = [[2, 2, 3, 4, 5, 6], [3, 3, 3, 4, 4, 5], [1, 1, 2, 4, 5, 5]]

10,000 trials के सिमुलेशन परिणाम: पासा-कॉम्बिनेशन की सफलता की probabilities दिखाता बार चार्ट

Biased पासों के परिणाम

bag1 = [[2, 2, 3, 4, 6, 6], [1, 2, 2, 4, 6, 6], [1, 2, 3, 3, 3, 3]]
bag2 = [[1, 2, 3, 4, 5, 6], [1, 3, 3, 4, 4, 6], [2, 2, 2, 3, 5, 5]]

10,000 trials के सिमुलेशन परिणाम: पासा-कॉम्बिनेशन की सफलता की probabilities दिखाता बार चार्ट

Monte Carlo simulations की सीमाएँ

मॉडल आउटपुट उतना ही अच्छा जितना मॉडल इनपुट
अत्यधिक घटनाओं की probability अक्सर कम आँकी जाती है

अभ्यास करते हैं!

Python में Monte Carlo Simulations