opozoril, da kaže končno število vzorcev iz dveh poljubnih
časovnih vrst z izrazitima avtokorelacijskima funkcijama sko-
raj gotovo močno križno korelacijo, zato križna korelacija, ki
se sicer pogosto uporablja kot test pravilnosti izbire neke
časovne vrste kot funkcije v modelu, v ta namen ni primerna,
Če pa ima opazovani pojav opazen periodičen značaj (tako da je
npr. X(t-p) z x(t) s lahko za eno izmed funkcij v mo-
delu ( 17) vzamemo funkcijo ;(t) < x(£-,) . Takšni
modeli so znani kot avtoregresijski modeli, Ti modeli so za-
nimivi predvsem zato, ker omogočajo napovedovanje brez ekspli-
eltno definiranih modelskih funkcij, kar pa se izkaže kot po-
seje ugodno takrat, ko pojavi ne kažejo vidne regularnosti in
bi iz časovne vrste težko izbrali ustrezne funkcije.

V teh primerih je zakonitost pojava zajeta v koeficientih avto-
regresijskega modela in v zgodovini pojava, in običajno ni iz-
ražena eksplicitno, Zato pri avtoregresijskih modelih ni eno-
stavno ugotoviti, kako sprememba koeficientov vpliva na napo-
ved; To pa otežuje tako interpretacijo napovedi kot možnost,

da po opravljeni analizi napovedi skušamo z vnašanjem novih
predpostavk spremeniti napoved,