既然已经得到了残差，我们从几个不同角度来查看这些残差吧。
本练习是课程的一部分
通过完成这段示例代码来试试这个练习。
# Plot the histogram of the residuals ___(___)
在预测任务中，时间序列建模是很好的起点！您需要预测未来的销售需求值，而采用 ARIMA 模型是一个不错的基线方法。本章将带您快速实现 ARIMA 模型，并为未来的产品需求获得高质量的初步预测。
经济学理论对需求预测有许多启示。显然，价格、季节性以及促销时机等外部因素会驱动产品需求的若干方面。本章将介绍价格弹性模型的基础，并讲解如何把季节性与促销时机等因素纳入我们的产品需求预测中。
时间序列模型与价格回归并不需要被视为两种彼此独立的需求预测方法。二者可以结合！本章将介绍将两类建模信息进行"融合"的两种方式——传递函数与预测集成。
当前练习
到目前为止，我们一直在针对单个产品需求构建独立模型。不过，我们还没有利用到这些产品在销售上存在层级结构这一事实。产品汇总为区域，区域再汇总为州。如何确保我们的预测在层级上下能够一致对齐？本章将介绍分层预测，并讲解如何将其用于产品需求预测以获得优势。