蒙特卡洛方法模拟社会财富分配

一、实验内容

1.可借贷模型

100个人，每个人有100元钱，每一次财富分配需要每个人拿出1元钱随机分配给其他人，允许当某人手里没钱时向系统外的人，假设为亲戚等进行借贷，即允许财富值为负，进行17000次循环执行，模拟一个人18-65岁的财富积累。

2.努力人生模型

100个人，每个人有100元钱，每一次财富分配需要每个人拿出1元钱随机分配给其他人，允许当某人手里没钱时向系统外的人，假设为亲戚等进行借贷，即允许财富值为负，进行17000次循环执行，模拟一个人18-65岁的财富积累。
其中10个人通过努力取得了1%的竞争优势，通过调整分配概率进行实现。

3.叠加智商模型

100个人，每个人有100元钱，每一次财富分配需要每个人拿出1元钱随机分配给其他人，允许当某人手里没钱时向系统外的人，假设为亲戚等进行借贷，即允许财富值为负，进行17000次循环执行，模拟一个人18-65岁的财富积累。
假设10个人的竞争优势和为10%,10个人努力程度相同，为10个人设定不同的智商，根据智商分配竞争优势。
智商分布采用韦氏智商测量，均值100，标准差为15。
模型:竞争优势=努力程度*智商

二、python代码

1.可借贷模型

def Simulate(k,p=[1/100 for x in range(100)]):#k：循环次数，p财富分配概率
    wealth_s=DataFrame([100 for _ in range(100)]).T
    wealth=wealth_s
    for x in range(k):
        wealth=wealth-1
        rands=np.random.choice(100,size=100,p=p)
        for rand in rands:
            wealth[rand]=wealth[rand]+1
        wealth_s=pd.concat([wealth_s,wealth])
    return wealth_s
result=Simulate(17000)
result.to_csv("财富分配结果-可借贷.csv")

2.努力人生模型

#努力者id=[0-9]
#竞争优势:1%
def AdjustPbyHardwork():
    wealth_s=DataFrame([