ARIMA模型是一种时间序列预测模型，它包含自回归（AR）、差分（I）和移动平均（MA）三个部分。ARIMA模型的均值和方差取决于其参数和数据的特征。
具体来说，ARIMA模型的均值和方差可以通过以下公式计算：
均值：ARIMA模型的均值等于其常数项（如果存在）加上自回归系数、差分系数和移动平均系数的加权和，即：
μ = c + Σ(φi * yt-i) + Σ(θi * εt-i)
其中，μ表示ARIMA模型的均值，c表示常数项，φi表示自回归系数，yt-i表示第i个时刻的观测值，θi表示移动平均系数，εt-i表示第i个时刻的误差项。
方差：ARIMA模型的方差等于其白噪声误差项的方差，即：
σ^2 = Var(εt)
其中，σ^2表示ARIMA模型的方差，Var表示方差运算符，εt表示第t个时刻的白噪声误差项。
需要注意的是，ARIMA模型的均值和方差通常需要通过拟合模型并进行参数估计才能得到。此外，ARIMA模型的均值和方差也可能会受到数据的非平稳性、季节性等特征的影响。
方差齐次：
在对两样本组的均值进行检验时，首先需检验两样本总体的方差是否相等，所以arima模型是方差齐性
