您可以使用条件核密度估计来获得时间的销售密度，条件是时间这为您提供密度预测而不是点预测。问题是当调节变量的数量超过 2 时，在密度设置中调节很困难。有关基本思想的讨论，请参见本文。$t+h$$t, t-1, t-2, \dots$

另一种施加更多假设（但允许更多条件变量）的过程是拟合加性自回归，例如Chen 和 Tsay (1993)中所述，然后对残差使用 kde 以获得预测密度。

但是，我怀疑这两者都比您真正想要的要复杂。我建议您阅读有关需求预测的教科书，例如Levenbach 和 Cleary (2006)。

我会认为 KDE 与根据过去的销售额预测未来的销售额几乎没有关系。对我来说听起来更像是时间序列分析，尽管那真的不是我的领域。