Poisson dağılımı turizm sektöründeki istatistiklerde yararlı bir araç mı? İş dünyasında, başlık ve iş koluna göre günlük olarak gerçekleştirilen faaliyetler ve görevler sonucunda ortaya çıkan birçok bilgi vardır. Bu önemli bilgiler, en iyi kararların alınmasına olanak tanıyan bir analiz için genellikle dikkate alınmaz. Ancak, bazen ciddi hatalara düşmekten kaçınmak için, bu bilgiler benzer gelecek senaryolarını tahmin etmek ve benzer durumlara en iyi şekilde yanıt vermek için iyi kullanılmalıdır. Bunun için, daha etkili karar vermeyi teşvik etmek için verileri toplayan, organize eden, sunan, analiz eden ve yorumlayan bir bilim olan istatistik vardır (Lind, Marchal ve Wathen; 2012). Turizm sektöründe çok çeşitli bir sektör,Otelcilik sektörü ve gastronomi sektörünün de dahil olduğu, Peru'da her geçen yıl büyümekte, ülke içinde ve dışında gerçekleştirilen turizm faaliyetleri hakkında bilgi sahibi olmakta ve tüm kamu kurum ve kuruluşları tarafından rahatlıkla kullanılabilmektedir. daha iyi karar vermek için özel. Benzer şekilde, bu faaliyetlerle ilgili istatistikler ve bilgiler zaman, mesafe veya alanla ilgilidir, örneğin: belirli bir yılda Peru'ya gelen turist sayısı, Machu Picchu'daki turist sayısı, şehirden şehre seyahat, Lima ve Cusco arasındaki mesafe, yerli turistlerin işgal ettiği oda sayısı, ulusal bayramlarda işgal edilen restoranların yüzdesi vb. Bu parametreler altında,Bu makale, Poisson Kesikli Olasılık Dağılımı kavramlarını detaylandıracak, onu diğer kesikli olasılık dağılımları ile karşılaştıracak ve daha iyi karar vermek için turizm sektöründeki uygulamalarını verecektir.
Daha önce de belirtildiği gibi turizm, iyi kararlar almak için pek çok bilginin ve faydalı istatistiklerin olduğu çeşitli faaliyetlerin yürütüldüğü bir alandır. İyi karar verebilmek için, olumlu olasılık sonuçlarına sahip senaryolar önerilmelidir, bu nedenle bu istatistiksel bilgi ayrık bir yapıya sahiptir, yani, örneğin: 5 gün içinde seyahat Bu yıl ortalama 3.500.000 turist Peru'yu ziyaret etti, 650 dolar Lima'ya yaptıkları ziyarette turist başına ortalama harcama ve diğer veriler. Bu nedenle olasılıkları tanımlamak için en iyi araç, ayrık olasılık dağılımıdır.
Ayrık olasılık dağılımları içinde, en iyi bilinen ve en çok kullanılan Binom, Poisson ve Hipergeometrik dağılımdır. İlki iki olumlu sonuç sunar: başarı veya başarısızlık ve olasılığı her denemede aynıdır. Aynı zamanda birbirinden bağımsız sabit sayıda deneme içerir. Poisson durumunda, tanımlanmış bir zaman aralığı (alan, mesafe, zaman veya diğer ölçü birimi) ekler ve bağımsızdır ve olayın meydana gelme olasılığı aralığın boyutuyla orantılıdır. Son olarak, Hipergeometrik dağılım, her bir denemenin sonuçlarını başarılı veya başarısız olarak sunar ve denemeler bağımsız değildir. Ayrıca, numuneler değiştirilmeden sonlu bir popülasyonla çalıştırılır ve başarı olasılığı her denemede değişir.
Bilindiği gibi, tüm bu dağılımlar kesin bir olasılığı ölçer ve turizm söz konusu olduğunda mümkün olan en iyi uygulamaya sahip olanlardan biri vardır. Bu, olasılığı birim zaman, alan, mesafe, alan başına bir dizi bireyin bir fonksiyonu olarak ölçme özelliğine sahip olan poisson dağılımıdır, Triola (2004) tarafından belirtildiği gibi benzer herhangi bir ölçü biriminde uygulanabilir.). Gestiopolis'e (2016) göre poisson dağılımı, ana uygulamalarının, belirli bir türdeki olayların sayısını belirlemekle ilgilendiğimiz durumların modellenmesine atıfta bulunduğu ayrık bir değişken dağılımıdır. zaman veya uzay aralığı. Aynı şekilde Kazmier (1991) bu dağılımın bir süreklilik içinde gerçekleştiğinden bahsetmektedir:denemelerde veya sabit gözlemlerde meydana gelmek yerine. Dağılım iki varsayıma dayanmaktadır: olasılık, aralığın uzunluğu ile orantılıdır, bu, aralık ne kadar büyükse olasılık o kadar büyük ve aralıkların bağımsız olduğu anlamına gelir. Bu dağılım, çok küçük bir başarı olasılığı ve büyük bir örneklem boyutu olduğunda veya örnek boyutu 30'dan büyük olduğunda sözde iki terimli dağılımı destekler.Bu dağılım, çok küçük bir başarı olasılığı ve büyük bir örneklem boyutu olduğunda veya örnek boyutu 30'dan büyük olduğunda sözde iki terimli dağılımı destekler.Bu dağılım, çok küçük bir başarı olasılığı ve büyük bir örneklem boyutu olduğunda veya örnek boyutu 30'dan büyük olduğunda sözde iki terimli dağılımı destekler.
Bu şekilde, Poisson dağıtımı turizm işinde ve ziyaretçi konaklama (oteller ve benzeri kuruluşlar dahil), yiyecek ve içecek sağlama faaliyetleri (çoğunlukla restoranlar), yolcu taşımacılığı (demiryolu ile) gibi çeşitli endüstrilerde uygulanmaktadır., karayolu, su ve hava yoluyla), seyahat acentelerinin faaliyetleri ve diğer rezervasyon hizmetleri ve diğer turizm endüstrileri. Dünya genelinde turizm sektörüyle ilgili istatistikler sağlayan ana varlık, her yıl gelen turizm, giden turizm, iç turizm, turizm istihdamının istatistiksel göstergelerini gösteren bir Turizm İstatistikleri Özeti (2014) yayınlayan Dünya Turizm Örgütüdür. diğerleri arasında tamamlayıcı makroekonomik göstergeler.Bu göstergeler, Poisson Dağılımı gibi istatistiksel araçların kullanımıyla turizmi tam bir istatistiksel analiz altında tanıtmak isteyen şirketler tarafından kullanılmalıdır.
Örneğin, yerli turistler her yıl ülke içlerine 4 gezi yapmaktadır. Bu durumda, seyahat acenteleri turist paketlerini ülkenin iç bölgelerine yaptıkları yıllık ziyaret sayısına göre tasarlayabilirler. Bu şekilde, seyahat acentesi poisson dağılımının varsayımları altında bir, iki, üç, dört veya daha fazla yıllık ziyaret yapma olasılığını tanımlayabilir. Dolayısıyla, ülkenin iç kesimlerine ortalama seyahat sayısı 4 ve 0 sefer yapılma olasılığı% 2; 1 gezi,% 7; 2 seyahat,% 15, 3 seyahat,% 20, 4 seyahat,% 20 ve 4'ten fazla seyahat% 37'dir. Şimdi, bir otel girişimcisinin La Libertad'da bir otel açmak istediği başka bir varsayımda, esas olarak Aralık ve Nisan ayları arasında kişi başına gecelik konaklama sayısı istatistiklerine ihtiyaç duyacak. Böylece,PROMPERU (2014) tarafından La Libertad'ı ziyaret eden Ulusal Tatilci Profiline göre, her bir kişinin La Libertad'da geçirdiği gecelerin ortalama 6 olduğunu göstermektedir. Ayrıca poisson dağılımı uygulandığında, bir kişinin gece kalma olasılığı 0'dır. Otelde 2 gece% 7; 3 ila 5 gece,% 38 ve 6 geceden fazla,% 55. Bu olasılıklar ile otel açıp açmama konusunda en doğru kararı vermiş olursunuz.
Aynı şekilde gastronomi sektöründe de 12: 00-16: 00 saatleri arasında saatte ortalama 5 müşteri alınan lüks restoranlar var. Restoran sahibi, ortalama olarak o anda 5 müşterinin geldiğini ve 5'ten fazla müşterinin gelme olasılığını bilmek istediğini bilir. Bu durumda, ortalama yemek ziyaretçisi sayısı, 12: 00-16: 00 arasında gelen ortalama müşteri sayısının 5 katıdır ve sonunda 5 kişinin gelme olasılığı% 38,4'tür. Aynı şekilde, 0 ila 1 müşterinin gelmesi olasılığının,% 4'ün belirlenmesi tavsiye edilir; 2 ila 3 müşteri,% 22 ve 4 ila 5 müşteri,% 35. Bu şekilde, işletme sahibi, müşterisi için yemek sayısını tahmin edebilir.
Öte yandan, ülkemizdeki yabancı turistlerin ortalama yıllık harcamaları da dikkate alınarak bir varsayım yapılabilir. Bunun için Dış Ticaret ve Turizm Bakanlığı, gelecek yıl bu ziyaretlerin yaratabileceği döviz miktarını tahmin etmek için eşit veya daha fazla miktarda harcama olasılığını değerlendirebilir. PROMPERU (2014) 'e göre, 2014 yılında ortalama harcama 992 ABD doları, bir sonraki seyahatlerinde 1.000 ABD dolarına kadar harcama olasılığı% 60,8 ve 1.000 ABD dolarından fazla harcama olasılığı% 39,2'dir. Bu, önümüzdeki yıl ortalama 992 ABD doları harcanmaya devam edeceği sonucuna varıyor.
Görülebileceği gibi, poisson dağılımı, yukarıda görülenler gibi turistik faaliyet durumlarında olasılıkların belirlenmesinde yararlı ve kesin bir araçtır. Bu dağılım konuyla ilgilidir, çünkü sadece zamanın yönlerini değil, aynı zamanda turizm endüstrisindeki kilit faktörleri olan uzay ve yeri de dikkate alır. Bununla birlikte, şirketlerinden veya kamu kuruluşlarından sorumlu yöneticiler, direktörler ve kişiler, stratejik olarak karar vermede daha fazla kesinliğe sahip olacak ve aynı hatalara düşmekten kaçınacaktır.
Referanslar
- Gestiopolis (2016). Poisson dağılımı nedir? 25 Mart 2016 tarihinde http://www.gestiopolis.com/que–es–la–distribucion–de–poisson/ Kazmier (1991) adresinden erişildi. Kesikli rasgele değişkenler için olasılık dağılımları: binom, hipergeometrik ve poisson. İdareye ve ekonomiye uygulanan İstatistik'te (s. 103 - 125). Meksika DF: McGraw - Hill.Lind, D., Marchal, W. ve Wathen, S. (2012) İşletmeye ve Ekonomiye Uygulanan İstatistikler. McGraw Hill Ed. 15. PROMPERU (2014). Ulusal Tatilcinin Profili 2014. 25 Mart 2015 tarihinde http://media.peru.info/IMPP/2014/Perfil–National Vacationer / Place - Visited / PVN - 2014 - Tatilciler - kim - ziyaret etti - The -Libertad.pdfPROMPERU (2014). Yabancı Turist Profili 2014. 26 Mart 2015 tarihinde http://media.peru.info/IMPP/2014/Perfil–Turista–Extranjero/Perfil–del– Turista - Extranjero - 2014 - Consolidado.xlsx PROMPERU adresinden erişildi. (2012). Konaklama Tesislerine Varışlar - Ayacucho. 26 Mart 2015 tarihinde http://intranet.promperu.gob.pe/IMPP/2010/EstadisticasPeru/Arribos%20a%20los%20E stablelaciones% 20de% 20Hospedaje / Ayacucho.xls Triola (2004) adresinden erişildi. Olasılık dağılımları. İstatistikte (s. 180-223). Meksika DF.: Pearson EducationWorld Turizm Örgütü (2014). Turizm istatistikleri özeti. Erişim tarihi: Mart 25, 2016; from: http://statistics.unwto.org/es/content/compendio–de–estadisticas–de–turismo
