Er poisson-fordelingen et nyttig verktøy i statistikk i reiselivssektoren? I forretningsverdenen er det mye informasjon som er resultatet av aktivitetene og oppgavene som utføres daglig i henhold til overskriften og bransjen. Denne viktige informasjonen blir ofte ikke tatt med i beregningen som gjør det mulig å ta de beste beslutningene. Imidlertid bør denne informasjonen brukes godt til å estimere lignende fremtidsscenarier og svare best mulig på lignende situasjoner, for å unngå å komme i noen ganger alvorlige feil. Vel, for dette er det statistikk, en vitenskap som samler inn, organiserer, presenterer, analyserer og tolker data for å fremme mer effektiv beslutningstaking (Lind, Marchal og Wathen; 2012). I reiselivssektoren, en variert sektor,der hotellbransjen og gastronomisk industri er inkludert, har den vokst år etter år i Peru, den har informasjon om turistaktivitetene som har blitt utført i innlandet og utenfor landet, og kan brukes godt av alle enheter og offentlige institusjoner og privat for bedre beslutningstaking. På samme måte er statistikken og informasjonen om disse aktivitetene relatert til tid, avstand eller område, som for eksempel: antall turistankomster til Peru i et gitt år, antall turister i Machu Picchu, forsinkelsestid for reise fra by til by, avstanden mellom Lima og Cusco, antall rom okkupert av nasjonale turister, prosentandelen av restauranter okkupert i nasjonale helligdager, etc. Under disse parametrene,Dette essayet vil beskrive begrepene Poisson Discrete Probability Distribution, sammenligne det med andre diskrete sannsynlighetsfordelinger, og bruken av det i turistsektoren for bedre beslutninger.
Som godt blitt nevnt, er turisme et område hvor det utføres ulike aktiviteter der det er mye informasjon og nyttig statistikk for god beslutningstaking. For å ta gode beslutninger, må scenarier med gunstige sannsynlighetsresultater foreslås, slik at denne statistiske informasjonen er av en diskret karakter, det vil si at den vedtar en rekke separate verdier, som for eksempel: 5 dagers reise i I gjennomsnitt besøkte 3.500.000 turister Peru i år, 650 dollar er de gjennomsnittlige utgiftene per turist i deres besøk i Lima, blant andre data. Derfor er det beste verktøyet for å definere sannsynligheter den diskrete sannsynlighetsfordelingen.
Innenfor de diskrete sannsynlighetsfordelingene er den mest kjente og mest brukte Binomial, Poisson og Hypergeometric fordelingen. Den første presenterer to gunstige resultater: suksess eller fiasko, og sannsynligheten er den samme i hver prøve. Den inneholder også et fast antall forsøk uavhengig av hverandre. Når det gjelder Poisson legger den til et definert tidsintervall (område, avstand, tid eller annen måleenhet) og uavhengig, og sannsynligheten for at hendelsen skal skje er proporsjonal med størrelsen på intervallet. Endelig presenterer den hypergeometriske fordelingen resultatene fra hver prøve i suksess eller fiasko, og forsøkene er ikke uavhengige. Dessuten kjøres prøver med en begrenset populasjon uten erstatning, og sannsynligheten for suksess endres med hver prøve.
Som kjent måler alle disse fordelingene en eksakt sannsynlighet, og i tilfelle av turisme er det en av dem som har best mulig anvendelse. Dette er poisson-fordelingen, som har kjennetegn ved å måle sannsynligheten som en funksjon av et antall individer per tidsenhet, rom, avstand, område, den er anvendbar i en hvilken som helst lignende måleenhet som angitt av Triola (2004)). I følge Gestiopolis (2016) er poisson-distribusjonen en diskret variabel distribusjon der dens viktigste applikasjoner refererer til modellering av situasjoner der vi er interessert i å bestemme antall hendelser av en viss type som kan oppstå i en intervall mellom tid eller rom. På samme måte nevner Kazmier (1991) at denne fordelingen skjer i et kontinuum,i stedet for å forekomme i forsøk eller faste observasjoner. Fordelingen er basert på to forutsetninger: sannsynligheten er proporsjonal med lengden på intervallet, det betyr at jo større intervallet er, desto større er sannsynligheten og intervallene uavhengige. Denne distribusjonen støtter den såkalte binomialfordelingen når det er en veldig liten sannsynlighet for suksess og en stor prøvestørrelse, eller ellers når prøvestørrelsen er større enn 30.Denne distribusjonen støtter den såkalte binomialfordelingen når det er en veldig liten sannsynlighet for suksess og en stor prøvestørrelse, eller ellers når prøvestørrelsen er større enn 30.Denne distribusjonen støtter den såkalte binomialfordelingen når det er en veldig liten sannsynlighet for suksess og en stor prøvestørrelse, eller ellers når prøvestørrelsen er større enn 30.
På denne måten blir Poisson-distribusjon anvendt i turistsektoren og dens ulike næringer, for eksempel: besøkende innkvartering (inkludert hotell og lignende virksomheter), mat- og drikkeforsyningsaktiviteter (hovedsakelig restauranter), persontransport (med tog), med bil, med vann og luft), aktiviteter fra reisebyråer og andre reservasjonstjenester og andre reiselivsnæringer. Den viktigste enheten over hele verden som leverer statistikk relatert til turistsektoren, er World Tourism Organization, som årlig publiserer et Compendium of Tourism Statistics (2014) som viser statistiske indikatorer for innkommende turisme, utgående turisme, innenriks turisme, turisme sysselsetting, komplementære makroøkonomiske indikatorer, blant andre.Disse indikatorene bør brukes av selskaper som ønsker å fremme turisme under en fullstendig statistisk analyse, med bruk av statistiske verktøy, for eksempel Poisson Distribusjon.
For eksempel gjør nasjonale turister fire turer til det indre av landet hvert år. I dette tilfellet kan reisebyråer utforme turpakkene sine basert på antall årlige besøk de gjør til det indre av landet. Vel, på denne måten kan reisebyrået definere sannsynligheten for at ett, to, tre, fire eller flere årlige besøk blir gjort, under forutsetningene om poisson-distribusjonen. Dermed er gjennomsnittlig antall turer til det indre av landet 4, og sannsynligheten for at det blir foretatt 0 turer er 2%; 1 tur, 7%; 2 turer, 15%, 3 turer, 20%, 4 turer, 20% og mer enn 4 turer er 37%. Nå som han antar at en hotellentreprenør ønsker å åpne et hotell i La Libertad, vil han trenge statistikk over antall overnattinger per person mellom månedene desember og april hovedsakelig. Så det,I følge PROMPERUs profil av National Vacationer som besøker La Libertad (2014), viser det at nettene som tilbringes av hver person i La Libertad er i gjennomsnitt 6. I tillegg til å bruke poisson-distribusjonen, er sannsynligheten for at en person overnatter 0 2 netter på hotellet er 7%; fra 3 til 5 netter, 38% og mer enn 6 netter, 55%. Med disse sannsynlighetene vil du ta den mest nøyaktige beslutningen om du vil åpne et hotell eller ikke.
På samme måte er det i gastronomiindustrien luksusrestauranter der det i gjennomsnitt mottas 5 kunder i timen mellom kl. 12 og 16. Restauranteieren vet at det i gjennomsnitt kommer 5 kunder på det tidspunktet og som han vil vite sannsynligheten for at mer enn 5 kunder vil ankomme. I dette tilfellet er det gjennomsnittlige antallet spisesteder som er 5 ganger gjennomsnittet av kunder som ankommer mellom kl. 12 og 16, og sannsynligheten for at 5 personer endelig kommer, er 38,4%. På samme måte anbefales det å bestemme sannsynligheten for at 0 til 1 kunde vil ankomme, 4%; fra 2 til 3 klienter, 22% og fra 4 til 5 klienter, 35%. På denne måten kan eieren estimere mengden av retter for kundekretsen.
På den annen side kan man anta en antagelse med tanke på de gjennomsnittlige årlige utgiftene til utenlandske turister i landet vårt. Som departementet for utenrikshandel og turisme kan vurdere sannsynligheten for at det i løpet av det neste året vil bruke et like eller større beløp for å estimere valutakursen som disse besøkene kan generere. I følge PROMPERU (2014) var de gjennomsnittlige utgiftene i 2014 992 dollar, og sannsynligheten for at de vil bruke opptil 1 000 dollar på sin neste tur er 60,8% og mer enn 1 000 dollar er 39,2%. Dette konkluderer med at det det neste året er svært sannsynlig at gjennomsnittlig 992 dollar vil fortsette å bli brukt.
Som det fremgår, er poisson-fordelingen et nyttig og nøyaktig verktøy for å bestemme sannsynligheter i situasjoner med turistaktiviteter som de som er sett ovenfor. Denne distribusjonen er relevant, fordi den ikke bare vurderer sider av tid, men også rom og sted, sentrale faktorer i reiselivsnæringen. Med dette vil ledere, direktører og personer som er ansvarlige for sine selskaper eller offentlige enheter, ha større sikkerhet for å ta beslutninger strategisk og unngå å falle i de samme feilene.
referanser
- Gestiopolis (2016). Hva er Poisson-distribusjonen? Hentet 25. mars 2016, fra http://www.gestiopolis.com/que–es–la–distribucion–de–poisson/ Kazmier (1991). Sannsynlighetsfordelinger for diskrete tilfeldige variabler: binomial, hypergeometrisk og poisson. I Statistikk anvendt til administrasjon og økonomi (s. 103 - 125). Mexico DF: McGraw - Hill.Lind, D., Marchal, W. og Wathen, S. (2012) Statistikk anvendt til Business and the Economy. McGraw Hill Ed. 15.PROMPERU (2014). Profilen til National Vacationer 2014. Hentet 25. mars 2015, fra: http://media.peru.info/IMPP/2014/Perfil–National Vacationer / Sted - Besøkt / PVN - 2014 - Reisende - som - besøkte - The -Libertad.pdfPROMPERU (2014). Profilen til den utenlandske turist 2014. Hentet 26. mars 2015, fra: http://media.peru.info/IMPP/2014/Perfil–Turista–Extranjero/Perfil–del– Turista - Extranjero - 2014 - Consolidado.xlsx PROMPERU (2012). Ankomster til overnattingsstedene - Ayacucho. Hentet 26. mars 2015, fra: http://intranet.promperu.gob.pe/IMPP/2010/EstadisticasPeru/Arribos%20a%20los%20E stablelaciones% 20de% 20Hospedaje / Ayacucho.xls Triola (2004). Sannsynlighetsfordelinger. I Statistikk (s. 180-223). Mexico DF.: Pearson EducationWorld Tourism Organization (2014). Kompendium av turiststatistikker. Hentet 25. mars 2016; fra: http://statistics.unwto.org/es/content/compendio–de–estadisticas–de–turismo
