WEBVTT

00:00:06.553 --> 00:00:08.883
你有没有曾经等医生几个小时看诊的经历？

00:00:08.883 --> 00:00:12.083
尽管你有提前预约特定的时间？

00:00:12.083 --> 00:00:16.253
你有没有经历过被酒店拒之门外因为客满？

00:00:16.253 --> 00:00:20.264
或者你有没有经历过被航空公司拒载尽管你买了票？

00:00:20.264 --> 00:00:22.803
这些都是超额预定的现象，

00:00:22.803 --> 00:00:25.015
一个公司或者机构

00:00:25.015 --> 00:00:29.034
卖出或者预定大于他们容量的行为。

00:00:29.034 --> 00:00:31.264
尽管这行为使客户很愤怒，

00:00:31.264 --> 00:00:33.715
超额预定的存在因为它可以增大利益

00:00:33.715 --> 00:00:37.805
这还使公司更好的优化资源。

00:00:37.805 --> 00:00:40.786
它们知道不是所有的客户都会出现，

00:00:40.786 --> 00:00:41.565
预约的时间，

00:00:41.565 --> 00:00:42.525
和预约的航班，

00:00:42.525 --> 00:00:46.667
所以它们会提供比它们实际容量更多的空位。

00:00:46.667 --> 00:00:51.455
航空公司就是一个经典案例，一部分因为它发生地太过频繁了。

00:00:51.455 --> 00:00:55.407
每年大约有50，000人被拒载。

00:00:55.407 --> 00:00:59.426
这个数字让航空公司也大吃一惊，

00:00:59.426 --> 00:01:04.207
因为它们有利用统计数据去分析售票情况。

00:01:04.207 --> 00:01:05.607
这是一个精准的运算。

00:01:05.607 --> 00:01:08.886
卖了少了，它们浪费了空位。

00:01:08.886 --> 00:01:12.507
卖了多了，它们有会遭到惩罚。

00:01:12.507 --> 00:01:17.727
钱，免费的机票，酒店和恼怒的客户。

00:01:17.727 --> 00:01:21.556
这里呢，有一个简化版的公式，告诉你这个计算是如何运行的。

00:01:21.556 --> 00:01:24.268
航空公司累计了多年的数据和信息

00:01:24.268 --> 00:01:28.389
关于谁会或者不会出现在一个特定的航班。

00:01:28.389 --> 00:01:31.047
举个例子，它们知道在一个特定的航线，

00:01:31.047 --> 00:01:37.047
每一个客户的按时出现率是90%

00:01:37.051 --> 00:01:38.513
为了简化运算

00:01:38.513 --> 00:01:41.372
我们假设每个人都在独自一人旅行

00:01:41.372 --> 00:01:44.182
并没有家人或者团队

00:01:44.182 --> 00:01:49.652
那么，如果航班有180个空位，它们就会卖180张机票

00:01:49.652 --> 00:01:54.832
结果会是162个乘客出现在飞机上

00:01:54.832 --> 00:01:58.132
当然，

00:01:58.132 --> 00:02:00.121
也有可能更多或者更少的乘客出现

00:02:00.121 --> 00:02:02.773
每个数值出现的几率是通过

00:02:02.773 --> 00:02:04.976
二项分布得出的

00:02:04.976 --> 00:02:07.783
在最有可能的情况下达到最高点

00:02:07.783 --> 00:02:09.764
现在我们来看一下收益

00:02:09.764 --> 00:02:11.913
航空公司在每个乘客身上赚钱，

00:02:11.913 --> 00:02:15.095
在被拒载的乘客上损失钱

00:02:15.095 --> 00:02:20.984
如果每张票买$250美元，并且不能改签

00:02:20.984 --> 00:02:24.834
拒载一位乘客会花费航空公司$800

00:02:24.834 --> 00:02:27.084
这些数字只是为了举例子而已

00:02:27.084 --> 00:02:29.654
真正的数字根据情况会有不同

00:02:29.654 --> 00:02:36.084
所以，如果你不卖出更多的票子，你会赚$45,000

00:02:36.084 --> 00:02:40.396
如果你多卖15张票，并且这些乘客都没有出现

00:02:40.396 --> 00:02:44.056
你会赚$48,750

00:02:44.056 --> 00:02:46.115
这会是最好的情况

00:02:46.115 --> 00:02:48.845
最坏的情况，每个人都出现

00:02:48.845 --> 00:02:55.669
15个不幸的乘客会被拒载，收益也只会是$36,750

00:02:55.669 --> 00:02:59.777
比卖出180张票要来的更少

00:02:59.777 --> 00:03:03.928
但是重要的并不只是财政上的好与坏

00:03:03.928 --> 00:03:06.776
重要的是这有多么容易发生

00:03:06.776 --> 00:03:09.596
每个情况发生的几率是多少？

00:03:09.596 --> 00:03:13.116
我们可以通过使用二项分布来得出答案

00:03:13.116 --> 00:03:18.517
在这个例子中，正好有195个乘客出现的几率

00:03:18.517 --> 00:03:21.167
大约为0％。

00:03:21.167 --> 00:03:28.738
184个乘客出现的几率为1.11%，以此类推。

00:03:28.738 --> 00:03:32.437
用这些几率乘以每个情况下的收益，

00:03:32.437 --> 00:03:33.839
然后把它们加起来，

00:03:33.839 --> 00:03:38.117
再减去卖出195张票的收益，

00:03:38.117 --> 00:03:43.616
你会得出卖出195张票的预计收益。

00:03:43.616 --> 00:03:47.038
在多卖出的票上重复使用这个计算，

00:03:47.038 --> 00:03:51.087
航空公司可以找出一个最后可能得到最大收益的方案。

00:03:51.087 --> 00:03:54.527
在这个例子中，为卖198张票，

00:03:54.527 --> 00:03:59.977
航空公司可以以此得到$48,774的收益，

00:03:59.977 --> 00:04:03.448
比没有超额预定多赚了$4,000。

00:04:03.448 --> 00:04:05.857
这仅仅是一架航班而已。

00:04:05.857 --> 00:04:09.137
用这个数字乘以每个航空公司每年上百万的航班，

00:04:09.137 --> 00:04:12.012
超额预定就聚少成多了。

00:04:12.012 --> 00:04:15.763
当然，实际的运算要逼着复杂很多。

00:04:15.763 --> 00:04:19.694
为了得出更精确的模型，航空公司会增加其他因素。

00:04:19.694 --> 00:04:21.709
但是它们这样做应该吗？

00:04:21.709 --> 00:04:24.559
有些人主张超额预定是不道德的。

00:04:24.559 --> 00:04:28.259
你用同一个东西在两个人身上收取了的费用。

00:04:28.259 --> 00:04:31.069
当然，你如果能百分百确定有人不会出现，

00:04:31.069 --> 00:04:33.430
出售他们的座位也是允许的。

00:04:33.430 --> 00:04:36.520
但是如果你只是95%确定呢？

00:04:36.520 --> 00:04:38.719
75%？

00:04:38.719 --> 00:04:43.754
能否有一个数字能用来区分不道德行为和面对实际？