現在你已經有殘差了，接下來用幾種不同的方式來看看這些殘差。
本練習屬於課程
試著完成這個範例程式碼，體驗一下這個練習。
# Plot the histogram of the residuals ___(___)
談到預測時，時間數列建模是很好的起點！你需要預測未來的銷售需求值，而一個不錯的基準做法是使用 ARIMA 模型。本章將帶你快速實作 ARIMA 模型，並取得未來產品需求的良好初始預測。
經濟理論對需求值的預測有許多洞見。顯而易見，像價格、季節性與促銷時點等外部因素都會影響產品需求的某些面向。本章將介紹價格彈性模型的基礎，並示範如何把季節性與促銷時機等因素納入產品需求預測。
時間數列模型與價格回歸不必被視為預測產品需求的兩條各自獨立的路徑。它們可以整合！本章將介紹兩種「結合」這兩種建模方法所得資訊的方式——轉移函數與預測集成（ensembling）。
當前練習
到目前為止，我們都是為產品需求建立單一模型。不過，我們還沒善用所有產品其實組成了銷售的產品階層這個事實。產品彙整成區域，區域再彙整成州。我們要如何確保預測能在階層的上下層之間一致對應？本章將介紹階層式預測，並教你如何善用它來提升產品需求的預測表現。