opozoril, da kaĹže konÄno ĹĄtevilo vzorcev iz dveh poljubnih Äasovnih vrst z izrazitima avtokorelacijskima funkcijama sko- raj gotovo moÄno kriĹžno korelacijo, zato kriĹžna korelacija, ki se sicer pogosto uporablja kot test pravilnosti izbire neke Äasovne vrste kot funkcije v modelu, v ta namen ni primerna, Äe pa ima opazovani pojav opazen periodiÄen znaÄaj (tako da je npr. X(t-p) z x(t) s lahko za eno izmed funkcij v mo- delu ( 17) vzamemo funkcijo ;(t) < x(ÂŁ-,) . TakĹĄni modeli so znani kot avtoregresijski modeli, Ti modeli so za- nimivi predvsem zato, ker omogoÄajo napovedovanje brez ekspli- eltno definiranih modelskih funkcij, kar pa se izkaĹže kot po- seje ugodno takrat, ko pojavi ne kaĹžejo vidne regularnosti in bi iz Äasovne vrste teĹžko izbrali ustrezne funkcije. V teh primerih je zakonitost pojava zajeta v koeficientih avto- regresijskega modela in v zgodovini pojava, in obiÄajno ni iz- raĹžena eksplicitno, Zato pri avtoregresijskih modelih ni eno- stavno ugotoviti, kako sprememba koeficientov vpliva na napo- ved; To pa oteĹžuje tako interpretacijo napovedi kot moĹžnost, da po opravljeni analizi napovedi skuĹĄamo z vnaĹĄanjem novih predpostavk spremeniti napoved,