综合自回归移动平均 (ARIMA)

摘要

使用 ARIMA 对时间序列的行为进行建模并做出预测。例如，您可能要使用包含某城市连续温度的时间序列中的数据来拟和模型并做出预测。或者，还可能要分析一段时间内某品牌的谷类食品在超市中的销售量并做出预测。

在以下情况下可以使用 ARIMA

· 时间序列平稳

· 时间序列的中部没有缺失数据

牙膏零售商想要使用在过去 60 周中采集的销售数据来预测某品牌牙膏的销售量。他们还采集了有关在每周的黄金时间播出的牙膏广告数的信息。他们想要使用 ARIMA 来拟合销售数据的模型和预测。

数据：牙膏.MTW （在样本数据文件夹中）