告诉我们过去的贡献有多重要——通常取 β=，因此 β= 在 方面，我们可以直接将其应用于 。同样，这是一项有风险的业务，因此人们想知道他们最多会损失多少。例如，客户可能会说 “我目前每天在 广告上花费 英镑。我想下个月将这个数字增加到 英镑—— 月份我的最低收入是多少？” 您发现 月份 的每日收入为 英镑，每日标准差为 ，而 月份迄今为止的平均每日收入为 英镑。 以 月为零月，即 =，意味着 月是 = 月，而 月将是 = 月。我们不知道本月数据的标准差是多少——我们只完成了一半——但 公式向我们展示了如何计算。
从上面的等式中，我们可以看到，由于 月份的总收入为 = 英镑，总体标准差为 σ = = 英镑，因此 月份的条件方差为： 可能条件差异 作为一项合理性检查，这意味着我们预计 月份总收入的条件偏差为 英镑——与 月份的结果数量 澳大利亚 whatsapp 号码数据 级相同。 那么对于 月份，如果我们假设 月份的平均收入在本月剩余时间内保持不变，那么 月份来自 流量的总收入为 = 英镑 = 英镑，我们将得出 月份的条件方差为： 六月条件方差 这使得 月份的条件偏差为 σ = 英镑，或每日金额 σ = 英镑。占每日支出的比例为 。虽然这个数字似乎很高，但请记住，我们现在预测的是相当长一段时间的未来。
这让一切都变得更加不确定。 现在我们可以应用 公式。对于 的置信区间， 将为 （你必须相信我）。因此，假设我们从平均日开始，我们得到这个结果，因为 = 英镑 六月 因此，投资组合有 的可能性会在总收入 英镑中损失 英镑。由于广告支出为 英镑，你可以告诉你的客户 “我们可以 地确信，您在 月份新的 支出（ 英镑）将为您带来至少 英镑 英镑 = 英镑的收入” 就是这样——正如承诺的那样，这是一个可爱的预测。 好吧，这实际上是来自比统计学 更高级的统计学或经济学课程，但正如我所说，你不需要了解其背后的所有数学知识，只需要知道如何应用它。