Grafik_Upgrade.md verlangt "37 didaktisch wertvolle Visualisierungen". Es sind
19: Die Abschnitte "Modul 1-4" wiederholen die Grafiken 1-18 unter den Nummern
19-36, nur Grafik 37 ist zusaetzlich. Belegt an den Skriptnamen - 38
Nennungen, 19 verschiedene Dateien, erzeuge_kombinatorik_wand.py steht dreimal
darin. Von den 19 betreffen neun bereits vorhandene Diagramme.
Umgesetzt sind die zehn wirklich neuen plus eine elfte, die aus einem
Sachfehler des Auftrags entstand: Grafik 14 sollte in Abschnitt 12.3 stehen,
nannte aber Zahlen aus Kapitel 17. Beide Stellen haben jetzt ihre eigene
Grafik mit ihren eigenen Zahlen.
Vier Vorgaben des Auftrags wurden bewusst nicht befolgt: PNG bei 300 dpi (das
Buch kennt nur SVG - die 33 verwaisten PNGs waren gerade erst geloescht
worden), Matplotlib-Standardfarben (die Buchpalette steht in 33 Diagrammen),
harte Kapitelnummern im Fliesstext ({ref:sec:...} stattdessen) und die
fehlende Byte-Reproduzierbarkeit.
Der eigentliche Ertrag waren die Selbsttests. Jeder Generator prueft seine
Zahlen gegen das, was im Kapitel steht, und bricht bei Abweichung ab. Vier
haben angeschlagen:
* Kombinatorik-Wand: 25! ergibt 491,5 Mio. Jahre, die Tabelle nennt 490 Mio. -
Rundung auf zwei signifikante Stellen, nicht Fehler des Buchs.
* Laufzeit-Diagramm: Die abgedruckte Prozentspalte laesst sich aus den
abgedruckten Zeiten nicht exakt nachrechnen (0,001/0,008 ergibt 12 %,
gedruckt sind 14 %) - die Zeiten sind gerundet, die Prozente nicht.
* Predict-then-Optimize: geratene Datenaufteilung ergab 197,35 statt 200,95
MSE. Mit TRAINING aus dem Buchprogramm stimmen alle vier Kostenwerte.
* Almgren-Chriss: ein echter Fehler im Buchprogramm.
DER FUND: analytische_loesung() minimiert die eigene Kostenfunktion nicht. Ihr
Pfad kostet 10.860,40 EUR, der DP-Pfad 10.266,24 EUR - ein Gitterverfahren
kann das kontinuierliche Optimum aber nicht unterbieten. periodenkosten()
rechnet das Risiko mit lambda/2, die geschlossene Formel setzt
kappa~^2 = lambda*sigma^2*P0^2/eta ohne dieses Halbe. Mit lambda/2 liefert die
Formel 10.264,85 EUR und denselben Pfad wie die DP, knapp UNTER der
Gitterloesung. Die Grafik zeigt bis zur Entscheidung darueber den DP-Pfad; er
ist der, den das Kapitel abdruckt.
Nachweise: Alle elf Diagramme sind ueber zwei Laeufe byte-identisch. Kein
vorhandenes Diagramm wurde veraendert. Die Lastabwurf-Grafik reproduziert die
Befundtabelle exakt (874.870/2.504.154/28 von 40 gegen 351.356/415.924/0).
Zwei Abbildungen landeten beim automatischen Einfuegen im Codeblock (ihre
Anker standen in abgedruckten Ausgaben) und wurden dahinter verschoben; eine
Pruefung ueber alle elf zeigt null Fehlplatzierungen.
Neu: bilder_04/stil_04.py buendelt Palette, rcParams und speichere().
networkx wurde entgegen der Planung nicht gebraucht - pyproject.toml bleibt
unveraendert. PDF von 781 auf 788 Seiten, 44 Diagramme, 27 Generatoren.
Veroeffentlicht: 25 Dateien.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
131 lines
5.2 KiB
Python
131 lines
5.2 KiB
Python
#!/usr/bin/env python3
|
|
|
|
# erzeuge_fluch_durchschnitt.py
|
|
"""
|
|
Erzeugt das Diagramm zum Fluch des Durchschnitts:
|
|
|
|
bilder_04/kap_unsicherheit_durchschnitt.svg
|
|
|
|
Die Handrechnung des Abschnitts vergleicht zwei Plaene fuer dieselbe unsichere
|
|
Nachfrage. Das Bild zeigt, warum der eine schlechter ist - und zwar nicht als
|
|
Behauptung, sondern als Kurve: die erwarteten Kosten ueber ALLEN moeglichen
|
|
Bestellmengen.
|
|
|
|
Was man daran sieht: Die Kurve hat einen Knick an jedem Szenario, faellt links
|
|
flach und steigt rechts steil - Fehlmenge kostet 120 EUR, Ueberschuss nur 5. In
|
|
dieser Schieflage liegt der ganze Effekt. Ihr Minimum liegt deshalb NICHT beim
|
|
Erwartungswert der Nachfrage, sondern rechts davon.
|
|
|
|
Ohne Formel gesagt: Mit dem Mittelwert zu planen unterstellt, dass sich zu viel
|
|
und zu wenig gegenseitig aufheben. Sie tun es nicht.
|
|
|
|
Alle Werte werden gerechnet. pruefe_gegen_handrechnung() vergleicht sie mit den
|
|
im Kapitel abgedruckten Zwischenergebnissen - weicht eines ab, bricht das
|
|
Skript ab.
|
|
|
|
Aufruf (aus dem Repository-Wurzelverzeichnis):
|
|
python3 bilder_04/erzeuge_fluch_durchschnitt.py
|
|
|
|
Benoetigt: numpy, matplotlib
|
|
"""
|
|
|
|
from __future__ import annotations
|
|
|
|
import os
|
|
import sys
|
|
|
|
import numpy as np
|
|
|
|
sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
|
|
from stil_04 import FARBEN, neue_figur, speichere # noqa: E402
|
|
|
|
# Die Instanz der Handrechnung: (Bedarf, Wahrscheinlichkeit)
|
|
SZENARIEN = [(100, 0.50), (250, 0.30), (500, 0.20)]
|
|
NAMEN = ["Ruhig", "Volatil", "Crash"]
|
|
|
|
VORAB = 40.0 # EUR je Einheit im Voraus
|
|
FEHLT = 120.0 # EUR je fehlender Einheit, kurzfristig
|
|
UEBRIG = 5.0 # EUR je ueberschuessiger Einheit, Verwaltung
|
|
|
|
# Aus dem Kapitel abgedruckt - nur zum Gegenpruefen.
|
|
ERWARTET_IM_BUCH = {225: 16_812.50, 250: 16_375.00}
|
|
|
|
|
|
def kosten(x: float) -> float:
|
|
"""Erwartete Gesamtkosten bei Bestellmenge x."""
|
|
return sum(p * (VORAB * x + FEHLT * max(bedarf - x, 0.0)
|
|
+ UEBRIG * max(x - bedarf, 0.0))
|
|
for bedarf, p in SZENARIEN)
|
|
|
|
|
|
def pruefe_gegen_handrechnung() -> None:
|
|
for x, erwartet in ERWARTET_IM_BUCH.items():
|
|
ist = kosten(x)
|
|
if abs(ist - erwartet) > 0.01:
|
|
raise SystemExit(
|
|
f"Fluch des Durchschnitts: Bei x={x} ergibt die Rechnung "
|
|
f"{ist:,.2f} EUR, die Handrechnung im Kapitel nennt "
|
|
f"{erwartet:,.2f} EUR.")
|
|
|
|
|
|
def zeichne(mittelwert: float, bestes_x: float) -> None:
|
|
figur, achse = neue_figur(breite=8.0, hoehe=4.6)
|
|
|
|
x = np.linspace(0, 560, 1200)
|
|
y = np.array([kosten(float(k)) for k in x])
|
|
achse.plot(x, y, "-", color=FARBEN["haupt"], linewidth=2.4, zorder=4,
|
|
label="erwartete Gesamtkosten")
|
|
|
|
# Die Szenarien als senkrechte Marken - dort knickt die Kurve.
|
|
for (bedarf, p), name in zip(SZENARIEN, NAMEN):
|
|
achse.axvline(bedarf, color=FARBEN["linie"], linewidth=0.9,
|
|
linestyle=":", zorder=2)
|
|
achse.text(bedarf, achse.get_ylim()[0], f" {name}\n {p:.0%}",
|
|
fontsize=8.5, color=FARBEN["gedaempft"], va="bottom")
|
|
|
|
for stelle, farbe, beschriftung in (
|
|
(mittelwert, FARBEN["fehler"],
|
|
f"Planung mit dem Mittelwert\n$x = {mittelwert:.0f}$ "
|
|
f"{kosten(mittelwert):,.0f} €"),
|
|
(bestes_x, FARBEN["gut"],
|
|
f"stochastisch optimal\n$x = {bestes_x:.0f}$ "
|
|
f"{kosten(bestes_x):,.0f} €")):
|
|
achse.plot([stelle], [kosten(stelle)], "o", color=farbe, markersize=9,
|
|
zorder=6)
|
|
achse.annotate(beschriftung.replace(",", "."),
|
|
xy=(stelle, kosten(stelle)),
|
|
xytext=(14 if farbe == FARBEN["gut"] else -14, 44),
|
|
textcoords="offset points", fontsize=9, color=farbe,
|
|
fontweight="bold",
|
|
ha="left" if farbe == FARBEN["gut"] else "right",
|
|
arrowprops=dict(arrowstyle="->", color=farbe,
|
|
linewidth=1.2))
|
|
|
|
mehrkosten = kosten(mittelwert) - kosten(bestes_x)
|
|
achse.annotate(
|
|
f"Der Mittelwertplan kostet {mehrkosten:,.0f} € mehr —\n"
|
|
f"nicht weil er ungenau ist, sondern weil\n"
|
|
f"Fehlmenge {FEHLT:.0f} € kostet und Überschuss nur "
|
|
f"{UEBRIG:.0f} €.".replace(",", "."),
|
|
xy=(0.03, 0.95), xycoords="axes fraction", fontsize=9,
|
|
color=FARBEN["text"], va="top")
|
|
|
|
achse.set_xlabel("vorab gekaufte Kapazität $x$")
|
|
achse.set_ylabel("erwartete Gesamtkosten in €")
|
|
achse.set_title("Warum der Mittelwert der falsche Plan ist",
|
|
fontsize=10.5, color=FARBEN["text"])
|
|
achse.set_xlim(0, 560)
|
|
|
|
speichere(figur, "kap_unsicherheit_durchschnitt")
|
|
|
|
|
|
if __name__ == "__main__":
|
|
pruefe_gegen_handrechnung()
|
|
mittelwert = sum(bedarf * p for bedarf, p in SZENARIEN)
|
|
gitter = np.arange(0, 561, 1.0)
|
|
bestes_x = float(gitter[int(np.argmin([kosten(float(k)) for k in gitter]))])
|
|
print(f" Erwartungswert der Nachfrage: {mittelwert:.0f}")
|
|
print(f" Kosten dort: {kosten(mittelwert):,.2f} EUR")
|
|
print(f" bestes x: {bestes_x:.0f}")
|
|
print(f" Kosten dort: {kosten(bestes_x):,.2f} EUR")
|
|
zeichne(mittelwert, bestes_x)
|