任何人都可以根据之前的等待时间建议一种计算餐馆客户等候时间的方法。我的系统存储每个客户的等待时间,并根据这个值我想预测下一个客户的等待时间。
答案 0 :(得分:2)
你无法预测确切的数字。
但一个简单的统计方法是:
average( waiting_time ) + ( 2 * standard_deviation( waiting_time ) )
即,取平均值并添加两个标准偏差。
假设等待时间是正常分配的,上述等式的结果是等待时间的最大量,即大约95%的客户会遇到。
答案 1 :(得分:2)
Poisson process是一个随机过程,它计算事件的数量以及这些事件在给定时间间隔内发生的时间。每对连续事件之间的时间(例如,客户等待时间)具有Exponential distribution。来自wiki:
当描述齐次泊松过程中到达间隔时间的长度时,指数分布自然发生。
使用最大似然估计,您可以使用逆样本均值来获得指数分布的rate parameter
。
来自wiki:
计算λ估计的近似置信区间的简单快速方法是基于中心极限定理的应用。对于含有至少15-20个元素的样品,该方法提供了置信区间限制的良好近似。用N表示样本大小,95%置信区间的上限和下限由下式给出:
有关详细信息,请参阅Poisson process和Exponential distribution。