Autokorrelatsioon on statistiline meetod, mida kasutatakse aegridade analüüsimiseks. Selle eesmärk on mõõta kahe andmesidekogumi kahe väärtuse korrelatsiooni erinevatel ajahetkedel. Kuigi ajaandmeid ei kasutata autokorrelatsiooni arvutamiseks, peaksid sisuliste tulemuste saamiseks teie aja juurdekasv olema võrdne. Autokorrelatsiooni koefitsiendil on kaks eesmärki. See suudab andmekogumis tuvastada juhuslikkuse. Kui andmekogumi väärtused pole juhuslikud, võib autokorrelatsioon aidata analüütikul valida sobiva aegridamudeli.
Arvutage analüüsitavate andmete keskmine või keskmine. Keskmine on kõigi andmeväärtuste summa jagatud andmeväärtuste arvuga (n).
Otsustage arvutuse jaoks viivitus (k). Viivitusväärtus on täisarv, mis tähistab seda, mitu aja sammu eraldab ühte väärtust teisest. Näiteks on viiv (y1, t1) ja (y6, t6) vahel viis, kuna kahe väärtuse vahel on 6 - 1 = 5 aja sammu. Juhuslikkuse testimisel arvutate tavaliselt ainult ühe autokorrelatsiooni koefitsiendi, kasutades viivitust k = 1, kuigi ka teised viivitusväärtused töötavad. Sobiva aegridamudeli määramisel peate arvutama autokorrelatsiooni väärtuste rea, kasutades nende jaoks erinevat lag-väärtust.
Arvutage antud valemi abil autokovariantsuse funktsioon. Näiteks, kas arvutasite kolmanda iteratsiooni (i = 3) viivitusega k = 7, siis näeks selle iteratsiooni arvutus välja see: (y3 - y-bar) (y10 - y-bar) Iterateerige kõik "i" väärtused läbi, võtke siis summa ja jagage see väärtuste arvuga andmetes seatud.
Arvutage dispersioonfunktsioon etteantud valemi abil. Arvutus on sarnane autokovariantsi funktsiooniga, kuid viivitust ei kasutata.
Autokorrelatsiooni koefitsiendi saamiseks jagage autokovariantsuse funktsioon dispersioonfunktsiooniga. Sellest sammust saate mööda minna, jagades kahe funktsiooni valemid, nagu näidatud, kuid vajate mitu korda autokovariantsus ja dispersioon muudel eesmärkidel, seega on otstarbekas arvutada need eraldi hästi.