Каким способом можно разможить сет до необходимого размера, если известен текущий размер сета, все это делая в МДХ выражении налету. Например, я прогнозирую продажи, для этого мне надо получить сет из объемов продаж за каждый из предыдущих 14 дней от дня прогнозирования. Однако данных не хватает, и получается сет, содержащий объемы продаж за произвольные 5 дней из затребованных 14 предыдущих. Тогда мне надо получить сет размером 14, где оставшиеся 9 элементов будут аналогичны последнему элементу из сета с 5 днями. Подскажите, если есть мысли.

Спасибо, backfire. Может Mosha что либо добавит?

Нет, все несколько не так. Мы установили, что наши продажи по группе товаров ТНП описываются линейной регрессией, т.е. прямой. Для получения функции регрессии нам нужен набор исходных данных, т.е. период за который мы оцениваем продажи, описывающих текущую ситуацию со спросом. Этот период мы решили взять 2 предыдущие недели от точки прогнозирования (т.е. от сегодняшнего дня). Но в течение 2-х недель определенного товара может не быть на остатках в ТМ из-за ошибок в управлении товародвижением. Если товара нет на остатках, значит его и не могли купить, т.е. нет очередной точки из затребованных 14 для построения линейной регрессии. Так может дойти вплоть до 2 точек в произвольных местах периода, например купили 10 дней назад 20 штук, а 5 дне назад 15 штук, в остальные дни товара просто небыло в ТМ. Но нам нужна хорошая линейная регрессия, а данная линейная регрессия скажет нам, что через 10 дней у нас товар перестанут покупать вообще. Поэтому нам надо взять эти 15 штук из последней точки и дополнить данным объемом недостающие точки, тогда у нас получится линейная регрессия, которая скажет, что в общих чертах у нас покупают 15.35 штук на текущий момент, с незначительным убыванием спроса, но что спрос по крайней мере через 10 дней не уйдет в 0, что для нас, с оценкой каждую неделю вполне приемлемо для построения новых функций, описывающих спрос.

Пока мы как раз и считаем коэф-т а с помощью LinRegSlope(), свободный многочлен b с помощью LinRegIntercept(), на вход которым и надо подавать сет из непустых дней продаж, которые не всегда есть.

Такое тоже подойдет. Спасибо, только вот куда его наложить пока не догоняю. Для примера как мы считаем коэф-т а:

Видимо вам нужно брать сет дат, пропускать его через фильтр с необходимыми условиями, а потом брать хвост в виде 1 элемента. Только вот какого размера брать исходный сет - кончено можно взять все элементы, которые есть, но будет долго, поэтому видимо нужно брать максимально встречающееся в конкретной ситуации значение. Например я так ищу дату последней продажи с ограничем, что продажи старее 90 дней мне не нужны.