Является ли распределение Пуассона полезным инструментом в статистике туристического сектора? В деловом мире есть много информации, которая является результатом действий и задач, выполняемых ежедневно в соответствии с заголовком и сферой деятельности. Эта важная информация часто не принимается во внимание при анализе, позволяющем принимать оптимальные решения. Однако эту информацию следует хорошо использовать для оценки аналогичных будущих сценариев и наилучшего реагирования на аналогичные ситуации, чтобы избежать иногда серьезных ошибок. Что ж, для этого существует статистика - наука, которая собирает, систематизирует, представляет, анализирует и интерпретирует данные, чтобы способствовать более эффективному принятию решений (Lind, Marchal and Wathen; 2012). В туристическом секторе разнообразный сектор,в том числе гостиничный бизнес и гастрономическая промышленность, он год за годом растет в Перу, он содержит информацию о туристической деятельности, которая осуществляется внутри страны и за ее пределами, и может быть хорошо использована всеми организациями и государственными учреждениями и закрытый для лучшего принятия решений. Аналогичным образом, статистика и информация об этих мероприятиях связаны со временем, расстоянием или территорией, например, например: количество туристов, прибывающих в Перу в конкретный год, количество туристов в Мачу-Пикчу, время задержки путешествия из города в город, расстояние между Лимой и Куско, количество комнат, занятых национальными туристами, процент ресторанов, занятых в дни национальных праздников и т. д. По этим параметрамВ этом эссе будут подробно рассмотрены концепции дискретного распределения вероятностей Пуассона, сравнение его с другими дискретными распределениями вероятностей и его применение в туристическом секторе для принятия более эффективных решений.
Как уже было хорошо сказано, туризм - это область, в которой осуществляются различные виды деятельности, где имеется много информации и полезной статистики для принятия правильных решений. Для принятия правильных решений необходимо предлагать сценарии с благоприятными вероятностными результатами, поэтому эта статистическая информация носит дискретный характер, то есть принимает ряд отдельных значений, таких как, например: 5 дней путешествия в В среднем в этом году Перу посетило 3 500 000 туристов, среди прочих данных - это средние расходы на одного туриста во время их посещения Лимы. Вот почему лучший инструмент для определения вероятностей - это дискретное распределение вероятностей.
Среди дискретных распределений вероятностей наиболее известными и наиболее часто используемыми являются биномиальное, пуассоновское и гипергеометрическое распределение. Первый представляет два благоприятных результата: успех или неудачу, и его вероятность одинакова в каждом испытании. Он также содержит фиксированное количество независимых друг от друга испытаний. В случае Пуассона он добавляет определенный интервал времени (площадь, расстояние, время или другие единицы измерения) и независим, и вероятность того, что событие произойдет, пропорциональна размеру интервала. Наконец, гипергеометрическое распределение представляет результаты каждого успешного или неудачного испытания, и испытания не являются независимыми. Кроме того, образцы запускаются с конечной совокупностью без замены, и вероятность успеха изменяется с каждым испытанием.
Как известно, все эти распределения измеряют точную вероятность, и в случае туризма есть одно из них, которое имеет наилучшее применение. Это распределение Пуассона, имеющее характеристику измерения вероятности как функции количества людей в единице времени, пространства, расстояния, площади, оно применимо в любых аналогичных единицах измерения, как указано Триола (2004).). Согласно Gestiopolis (2016), распределение Пуассона - это распределение дискретных переменных, в котором его основные приложения относятся к моделированию ситуаций, в которых мы заинтересованы в определении количества событий определенного типа, которые могут произойти в интервал времени или пространства. Аналогичным образом, Kazmier (1991) упоминает, что это распределение происходит в континууме,вместо того, чтобы проходить испытания или фиксированные наблюдения. Распределение основано на двух предположениях: вероятность пропорциональна длине интервала, это означает, что чем больше интервал, тем больше вероятность, и интервалы независимы. Это распределение поддерживает так называемое биномиальное распределение, когда существует очень малая вероятность успеха и большой размер выборки, или когда размер выборки превышает 30.Это распределение поддерживает так называемое биномиальное распределение, когда существует очень малая вероятность успеха и большой размер выборки, или когда размер выборки превышает 30.Это распределение поддерживает так называемое биномиальное распределение, когда существует очень малая вероятность успеха и большой размер выборки, или когда размер выборки превышает 30.
Таким образом, распределение Пуассона применяется в туристическом секторе и его различных отраслях, таких как: размещение посетителей (включая отели и аналогичные заведения), деятельность по обеспечению продуктами питания и напитками (в основном рестораны), пассажирский транспорт (железнодорожным транспортом)., автомобильным, водным и воздушным транспортом), деятельность туристических агентств и других служб бронирования и других отраслей туризма. Основной мировой организацией, предоставляющей статистические данные, относящиеся к туристическому сектору, является Всемирная туристская организация, которая ежегодно публикует Сборник статистики туризма (2014 г.), в котором показаны статистические показатели въездного туризма, выездного туризма, внутреннего туризма, занятости в сфере туризма и т.д. дополнительные макроэкономические показатели, среди прочего.Эти показатели должны использоваться компаниями, которые хотят продвигать туризм в рамках полного статистического анализа, с использованием статистических инструментов, таких как распределение Пуассона.
Например, национальные туристы совершают 4 поездки в глубь страны ежегодно. В этом случае туристические агентства могут разрабатывать свои туристические пакеты, исходя из количества ежегодных посещений внутренних районов страны. Таким образом, туристическое агентство может определить вероятность того, что будет совершено одно, два, три, четыре или более визитов в год, исходя из предположений о распределении Пуассона. Таким образом, среднее количество поездок во внутренние районы страны равно 4, а вероятность того, что совершено 0 поездок, составляет 2%; 1 поездка, 7%; 2 поездки, 15%, 3 поездки, 20%, 4 поездки, 20% и более 4 поездок - это 37%. Теперь, сделав еще одно предположение, согласно которому предприниматель в сфере гостиничного бизнеса хочет открыть отель в Ла-Либертаде, ему потребуются статистические данные о количестве ночевок на человека в основном в период с декабря по апрель. Так что,Согласно Профилю национального отдыхающего, который посещает Ла-Либертад от PROMPERU (2014), он показывает, что количество ночей, проведенных каждым человеком в Ла-Либертаде, в среднем составляет 6. Кроме того, с применением распределения Пуассона вероятность того, что человек останется на ночь, равна 0. на 2 ночи в отеле - 7%; от 3 до 5 ночей 38% и более 6 ночей 55%. Обладая этими вероятностями, вы примете наиболее точное решение, открывать отель или нет.
Точно так же в гастрономической индустрии есть роскошные рестораны, где в среднем с 12:00 до 16:00 принимают в среднем 5 клиентов в час. Владелец ресторана знает, что в среднем в это время прибывают 5 клиентов, для которых он хочет знать вероятность того, что придут более 5 клиентов. В этом случае среднее количество посетителей в ресторане в 5 раз превышает среднее количество посетителей, которые приходят между 12 и 16 часами, а вероятность того, что наконец приедут 5 человек, составляет 38,4%. Точно так же рекомендуется определить вероятность того, что прибудет от 0 до 1 клиента, 4%; от 2 до 3 клиентов 22% и от 4 до 5 клиентов 35%. Таким образом, владелец может оценить количество блюд для своей клиентуры.
С другой стороны, предположение можно сделать, учитывая среднегодовые расходы иностранных туристов в нашей стране. В связи с этим Министерство внешней торговли и туризма может рассмотреть вероятность того, что в следующем году оно потратит такую же или большую сумму на оценку иностранной валюты, которую могут принести эти посещения. Согласно PROMPERU (2014), средние расходы в 2014 году составили 992 доллара США, а вероятность того, что они потратят до 1000 долларов США в следующую поездку, составляет 60,8%, а более 1000 долларов США - 39,2%. Отсюда следует вывод, что в следующем году весьма вероятно, что в среднем 992 доллара США будут по-прежнему расходоваться.
Как можно видеть, распределение Пуассона - полезный и точный инструмент для определения вероятностей в ситуациях туристической деятельности, подобных тем, которые показаны выше. Это распределение актуально, потому что оно учитывает не только аспекты времени, но также пространство и место, ключевые факторы индустрии туризма. Благодаря этому менеджеры, директора и люди, ответственные за свои компании или государственные учреждения, будут иметь большую уверенность в стратегическом принятии решений и избежать тех же ошибок.
Ссылки
- Гестиополис (2016). Что такое распределение Пуассона? Получено 25 марта 2016 г. с сайта http://www.gestiopolis.com/que–es–la–distribucion–de–poisson/ Kazmier (1991). Распределения вероятностей для дискретных случайных величин: биномиальные, гипергеометрические и пуассоновские. В статистике применяется к управлению и экономике (стр. 103 - 125). Мексика Д.Ф.: Макгроу - Хилл.Линд, Д., Марчал, В. и Ватен, С. (2012) Статистика в применении к бизнесу и экономике. Макгроу Хилл, изд. 15, PROMPERU (2014). Профиль национального отдыхающего 2014. Получено 25 марта 2015 г. с сайта: http://media.peru.info/IMPP/2014/Perfil–National Vacationer / Place - Visited / PVN - 2014 - Vacationers - who - visit - The -Libertad.pdfПРОМПЕРУ (2014). Профиль иностранного туриста 2014. Получено 26 марта 2015 г. с сайта: http://media.peru.info/IMPP/2014/Perfil–Turista–Extranjero/Perfil–del– Turista - Extranjero - 2014 - Consolidado.xlsx PROMPERU (2012). Прибытие в общежитие - Аякучо. Получено 26 марта 2015 г. с: http://intranet.promperu.gob.pe/IMPP/2010/EstadisticasPeru/Arribos%20a%20los%20E stablelaciones% 20de% 20Hospedaje / Ayacucho.xls Triola (2004). Распределения вероятностей. В статистике (стр. 180-223). Мексика Д.Ф.: Всемирная туристская организация Pearson Education (2014). Сборник статистики туризма. Проверено 25 марта 2016 г.; из: http://statistics.unwto.org/es/content/compendio–de–estadisticas–de–turismo
