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,