Технологии интеллектуального анализа данных : учебное пособие

251 для второго товара. Таким образом, удалось перейти от общего прогноза к прогнозу по каждой позиции. В данном примере подсчитывался вклад «Товар 1» в сумму по всем месяцам. Однако такой расчет может оказаться неактуаль- ным, так как пропорциональное соотношение продаваемого товара может изменяться с течением времени. Поэтому можно посчитать вклад первого товара в общее количество по последнему месяцу (в общем случае, разгруппировывать можно по любому числу по- следних месяцев, недель, дней и вообще по произвольному числу значений любого измерения). Тогда получим табл. 4.14. Таблица 4.14 Результат разгруппировки Месяц Наименование товара Количество 3 Товар 1 118,46 3 Товар 2 21,54 4 Товар 1 131,15 4 Товар 2 23,85 Общий объем за 2-й месяц 110 + 20 = 130. Из них 110 прихо- дится на первый товар. Это (110/130)*100 = 84,6 %. На второй при- ходится 15,4 %. 4.7. Методы и алгоритмы интеллектуального анализа данных Автокорреляция Целью автокорреляционного анализа является выяснение степени статистической зависимости между различными значе- ниями (отсчетами) случайной последовательности, которую обра- зует поле выборки данных. В процессе автокорреляционного ана- лиза рассчитываются коэффициенты корреляции (мера взаимной зависимости) для двух значений выборки, отстоящих друг от друга на определенное количество отсчетов, называемые также лагом.