ARMA模型的简单运用----用python验证如何临时抱佛脚

俗话说：临阵磨枪不亮也光，虽然不支持这种平时不努力临阵干着急的状态，但是这种情况的确是客观存在的。各位应该都有见识过因为种种原因在答辩/汇报/演讲等场合之前因为谈恋爱/打排位/刷抖音而导致没有认真准备的情况，那么有啥办法能补救吗？
来看一下之前这篇文章：

https://blog.csdn.net/weixin_43555542/article/details/103478933

通过AR模型的结论是：你的得分在统计学上会受前两位的，即前前位选手的发挥结果影响更大，且会显著和前一位的得分呈现反方向运动。此外，出场顺序越晚，评委的打分会略微提高，且波动性降低。
“哎，那我如果排队排在后面，然后前面是‘【学霸】【学渣】【我】’，就起飞了啊？“
有趣的结论，但是考虑到AR模型本身具有一定的缺陷（未全面考虑评委印象的因素，即答辩基础得分），且原数据需要协方差平稳，我们这次使用ARMA模型来验证一下学渣们的幻想。
首先需要确保模型数据具备平稳性且不是白噪声。
参考文献：

https://blog.csdn.net/qq_36558948/article/details/79594999

因为原数据不平稳，所以参用差分计算。

from statsmodels.tsa.stattools import adfuller as ADF

scoredif = np.diff(np.array(score), n = 1