Rozwiązanie: Poszukiwanie wzorców lub trendów czasowych

Należy zastosować: SZEREGI CZASOWE (I ROZŁOŻONE OPÓŹNIENIA). Rozdział ten zawiera pełną implementację analizy autokorelacji, ARIMA oraz analizy Fouriera. Ponadto dostępny jest zestaw narzędzi do transformowania i wygładzania danych. Zabiegi takie często ułatwiają wykrywanie trendów i powtarzających się prawidłowości zachowań danych z upływem czasu. Celem metody ARIMA jest właśnie wykrywanie takich sezonowych trendów. Autokorelacja pozwala na badanie korelacji opóźnionych zmiennej z samą sobą lub inną zmienną. Takie efekty mogą powstawać na przykład przy badaniu skuteczności reklamy. Bowiem zyski ze sprzedaży wzrosną na skutek zwiększonych wydatków na reklamę dopiero po upływie pewnego czasu (korelacja opóźniona). Celem analizy Fouriera jest dekompozycja (rozłożenie) szeregu czasowego na proste składowe harmoniczne. Wszystkie te techniki uzupełnione są silnymi narzędziami graficznymi pozwalającymi na przejrzystą wizualizację składników badanych szeregów.

ROZŁOŻONE OPÓŹNIENIA stanowią specjalną opcję do analizowania efektów opóźnionych jednej zmiennej niezależnej (objaśniającej) z jedną zmienną zależną (objaśnianą). W odróżnieniu od metody autokorelacji pozwala ona jednocześnie oceniać wiele opóźnień naraz.

SIECI NEURONOWE: Rozdział ten prezentuje wiele narzędzi do budowy sieci neuronowych, które mogą służyć do prognozowania efektów opóźnionych.