arima中的i表示差分;p表示y_t与前t时刻的y的关系,即y_t~y_t-1+y_t-2+...+y_t-p的关系;q表示预测残差,也就是实际值-预测值。图中MA(q)的t-1到t-q项指的都是预测误差,最后一项t指的应该是符合均值为1,方差为0的正态分布的随机数之一。若arima的输入数据需要差分,则输出数据需要逆差分,即加上前一项的输出值。
当模型为MA(1)时,公式可以表示为y_t+1=均值-系数*t时刻的误差+(t+1)时刻的随机误差。其中,t时刻的误差=t
时刻的实际值-t时刻的拟合值。t时刻的拟合值=均值+(t+1)时刻的随机误差。
综上,当模型为MA(1)时,公式可以表示为y_t+1=均值-系数*(均值+(t+1)时刻的随机误差)+(t+1)时刻的随机误差。