1.2 forecasting, planning and goals 预测：给出所有可用信息，包括历史数据和任何可能影响预测的未来事件的了解，都旨在准确预测未来 目标：是想发生的事情，目标应该与预测和计划相关联，但并不总是会发生。设定目标时常常没有任何实现目标的计划，也没有预测目标是否实现。 规划：对预测和目标的回应；规划涉及确定使预测符合目标所需的适当操作
短期预测：安排人员，生产和运输所需的事件 中期预测：需要确定未来的资源需求 长期预测：用于战略规划，需考虑市场机会，环境因素和内部资源。
1.3 determining what to forecast 预测早期，需要确定预测内容：
预测是每个产品线，还是产品组预测是针对每个销售网点，还是针对地区销售的网点，还是针对总销量预测是针对每周数据，每月数据还是每年的数据1.4 forecasting data and methods 适当的预测方法在很大程度上取决于可用的数据
如没有可用数据，或可用数据与预测不相关，则要使用定性预测
满足两个条件时，可用定量预测：
提供有关过去的数字信息可合理假设过去模式的某些方面会持续到来时间序列预测：最简单的时间预测方法仅使用有关变量信息进行预测，而不尝试发现影响其行为的因素；因此，他们将推断趋势和季节模式，但忽略所有其他信息。
用于预测的模型包括：分解模型，指数平滑模型和ARIMA模型。
预测变量和时间序列的预测 预测变量通常在时间序列预测中很有用；假如构建一个电力预测的模型
预测中总有电力需求变化，而预测变量无法解释；右侧‘error’允许随机变化及模型中未包含的相关变量的影响。 由于电力需求数据形成一个时间序列，故我们可用时间序列模型进行预测。此时，合适的时间序列预测方程式为：
这里，对未来预测是基于变量的过去值，而不是基于可能影响系统的外部变量。 还有第三种模型结合了以上两个模型的功能： 这些类型的混合模型可被称为动态回归模型，面板数据模型，纵向模型，传递函数模型和线性模型。
1.6 the basic steps in a forecasting task 预测通常涉及5个基本步骤： 1） 问题定义 仔细定义问题需要了解使用预测的方式，需要预测的人员及预测功能如何适合需要预测的组织。 2） 收集信息 始终至少需要两种信息 a) 统计数据 b) 收集数据和使用预测的人员累积专业知识 3） 初步探索性分析 从绘制数据图表开始，探索是否存在一致的模式？有明显的趋势吗？季节性重要吗 4） 选择和拟合模型 使用的最佳模型取决于历史数据的可用性，预测变量和任何解释变量之间的关系强度及预测的使用方式。 5） 使用和评估预测模型 选择模型并估计其参数后，用该模型进行预测
1.7 the statistical forecasting perspective 在大多数预测情况下，随着事件的临近，与我们预测事物相关的变化会缩小；换句话说，我们预测的越远，我们就越不确定。
Prediction interval(预测间隔)：给出随机变量可以相对较高的概率获取的一系列的值；如一个95%预测间隔包含了一系列值，其中应包括概率为95%的实际未来值。
