ARMA 和 ARIMA 模型的区别

ARMA模型是一种时间序列模型，用于描述时间序列数据中的自回归和移动平均过程。它是由自回归（AR）过程和移动平均（MA）过程组合而成的。ARMA模型的参数需要通过最大似然估计或贝叶斯方法来估计。

ARIMA模型也是一种时间序列模型，它是在ARMA模型的基础上增加了差分（I）的处理。ARIMA模型可以处理非平稳时间序列数据，即通过差分将非平稳时间序列转换为平稳时间序列，然后再应用ARMA模型进行建模。ARIMA模型的参数同样需要通过最大似然估计或贝叶斯方法来估计。

因此，ARMA模型适用于平稳时间序列的建模，而ARIMA模型适用于非平稳时间序列的建模。