你想弄懂什么？

在ARIMA(p, d, q)中，p代表自回归(AR)项的数量，d是使数据平稳所应用的一阶差分的数量，q表示移动平均(MA)项的数量。

适用条件：适用于ARIMA模型符号。

在ARIMA(p, d, q)中，p代表自回归(AR)项的数量，d是使数据平稳所应用的一阶差分的数量，q表示移动平均(MA)项的数量。

适用条件：适用于ARIMA模型符号。

差分是一种通过计算连续观测值之间的差异，将非平稳时间序列转换为平稳时间序列的技术。

适用条件：当数据表现出非平稳性时使用。

差分是一种通过计算连续观测值之间的差异，将非平稳时间序列转换为平稳时间序列的技术。

适用条件：当数据表现出非平稳性时使用。

平稳性意味着数据的统计分布仅取决于观测值之间的时间差，而不是它们在时间上的绝对位置。

适用条件：适用于时间序列数据。

平稳性意味着数据的统计分布仅取决于观测值之间的时间差，而不是它们在时间上的绝对位置。

适用条件：适用于时间序列数据。

ARIMA(1,1,1)模型包括对原始序列进行一阶差分，然后对所得的差分序列拟合ARMA(1,1)模型。方程为 $Y_t - Y_{t-1} = W_t$ 和 $W_t = \omega + \phi_1 W_{t-1} + \theta_1 e_{t-1} + e_t$。

适用条件：$p=1$（一个AR项）；$d=1$（一个一阶差分）；$q=1$（一个MA项）

ARIMA(1,1,1)模型包括对原始序列进行一阶差分，然后对所得的差分序列拟合ARMA(1,1)模型。方程为 $Y_t - Y_{t-1} = W_t$ 和 $W_t = \omega + \phi_1 W_{t-1} + \theta_1 e_{t-1} + e_t$。

适用条件：$p=1$（一个AR项）；$d=1$（一个一阶差分）；$q=1$（一个MA项）