AR，MA，ARMA，ARX，ARMAX有什么区别

1. AR，MA，ARMA，ARX，ARMAX有什么区别

　　ARIMA（p,d,q）模型是ARMA（p,q）模型的扩展
　　ARMA谱估计
　　线性系统可以用线性差分方程进行描述，这种差分模型就是自回归----滑动平均模型（AutoRegression----Moving Average,ARMA ）。
　　：任何一个有理式的功率谱密度都可以用一个ARMA随机过程的功率谱密度精确逼近。
　　？？ARMA模型定义若离散随机过程{x（n）}服从线性差分方程x（n）+Ai*x（n-i）=e（n）+Bj*e（n-j）
　　式中i=1,2,…p;j=1,2,…q;e（n）是一离散白噪声，则称{x（n）}为ARMA过程，而上式称为ARMA模型。
　　系数和分别称为自回归（AR）参数和滑动平均（MA）参数，而p和q分别叫做AR阶数和MA阶数。
　　显然，ARMA模型描述的是一个时不变的线性系统。
　　？？具有AR阶数p和MA阶数Q的ARMA过程常记作用ARMA（p,q）。
　　ARIMA模型，差分自回归滑动平均模型（滑动也译作移动），又称求合自回归滑动平均模型，时间序列预测分析方法之一。
　　ARIMA（p,d,q）中，AR是自回归，p为自回归项数；
　　MA为滑动平均，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。

2. AR，MA，ARMA，ARX，ARMAX有什么区别

　　ARIMA（p,d,q）模型是ARMA（p,q）模型的扩展
　　ARMA谱估计
　　线性系统可以用线性差分方程进行描述，这种差分模型就是自回归----滑动平均模型（AutoRegression----Moving Average,ARMA ）。
　　：任何一个有理式的功率谱密度都可以用一个ARMA随机过程的功率谱密度精确逼近。
　　？？ARMA模型定义若离散随机过程{x（n）}服从线性差分方程x（n）+Ai*x（n-i）=e（n）+Bj*e（n-j）
　　式中i=1,2,…p;j=1,2,…q;e（n）是一离散白噪声，则称{x（n）}为ARMA过程，而上式称为ARMA模型。
　　系数和分别称为自回归（AR）参数和滑动平均（MA）参数，而p和q分别叫做AR阶数和MA阶数。
　　显然，ARMA模型描述的是一个时不变的线性系统。
　　？？具有AR阶数p和MA阶数Q的ARMA过程常记作用ARMA（p,q）。
　　ARIMA模型，差分自回归滑动平均模型（滑动也译作移动），又称求合自回归滑动平均模型，时间序列预测分析方法之一。
　　ARIMA（p,d,q）中，AR是自回归，p为自回归项数；
　　MA为滑动平均，q为滑动平均项数，d为使之成为平稳序列所做的差分次数（阶数）。