El turismo es un tema de interés para muchos países, pero en Colombia ha sido poco explorado. Conocer sobre periodos con mayor afluencia de turistas es importante para predecir la cobertura en servicios turísticos. En este trabajo se compara la estimación entre modelos de regresión clásica y bayesianos para elegir la mejor alternativa de predicción de la cantidad de turistas que arribarían a la ciudad de Medellín. Se busca también determinar las variables que más inciden sobre la llegada de turistas y los modelos que permiten ajustar mejor sus dinámicas. Dentro de los resultados obtenidos se observa mejor desempeño de los modelos bayesianos versus los clásicos. Además, la variable mes es significativa para explicar las demandas por parte de turistas colombianos y extranjeros. Los periodos de mayor afluencia de turistas se presentan entre diciembre-enero y junio-julio, comportamiento que se repite anualmente, lo cual es decisivo para la planeación de recursos hoteleros.
Tourism is a topic of interest to many economies around the world, but it has received limited attention in Colombia. Knowing the periods of larger tourist inflows is important for predicting coverage in services for tourists. In this paper, we compare the estimation between classical and Bayesian regression in order to choose the best alternative to predict the number of tourist arrivals to Medellin. We also identify the most significant variables affecting the influx of tourists and the models providing better fit to the associated dynamics. According to our results, the Bayesian approach shows better estimates than the classic one. In addition, the variable month is significant to explain the demands for both Colombians and foreigners. The periods with the highest incidence of visits to the city are December-January and June-July, a pattern that repeats itself every year, which is crucial for planning hotel resources.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados