Autokorrelation tritt typischerweise in einem Datensatz auf, in dem sich Muster wiederholen. Die Werte ähnlicher Variablen, wie beispielsweise Einkommens- oder Wirtschaftsdaten, sind oft miteinander korreliert. Forscher können auch zufällig auf Autokorrelation stoßen. Es kommt häufig in Wirtschaftswissenschaften, wissenschaftlichen Experimenten zur Signalverarbeitung sowie in der Optik und der Musikaufnahme vor. Das Phänomen wird normalerweise in Verbindung mit einer Zeitreihe beschrieben und umfasst mehrere Muster, mit denen Forscher Daten analysieren oder gruppieren.
Normalerweise gibt es eine Synchronisation zwischen den beiden Variablen, damit die Autokorrelation auftritt. Ein Beispiel ist, wenn sich das Einkommen einer Person ändert und dieser Cashflow gleichzeitig die Ausgaben einer anderen Person oder Gruppe in diesem Zeitraum ändern kann. Die Daten können auch automatisch korreliert werden, wenn ein Streik eines Unternehmens oder einer Gewerkschaft zu einem bestimmten Zeitpunkt die Arbeitsleistung verringert und sich der Trend in einem anderen gemessenen Zeitrahmen fortsetzt. Teilweise Autokorrelation ist manchmal möglich; es kann zu Verzögerungen kommen, wenn Daten innerhalb einer Reihe über die Zeit korreliert werden. Eine serielle Autokorrelation tritt typischerweise auf, wenn die Verzögerung zwischen verschiedenen Daten in einer Zeitreihe auftritt.
Muster, die häufig bei Autokorrelation auftreten, können durch Kurvenmuster in einem Diagramm dargestellt werden. Diese Kurven können verwendet werden, um einen Trend widerzuspiegeln; dies beinhaltet manchmal Aufwärts- und Abwärtsmuster, die in Zyklen auftreten können. Fehler in Berechnungen können auch dazu führen, dass Daten fehlerhaft korrelieren, beispielsweise wenn ein unerfahrener Forscher die falschen Werte oder Variablen verwendet. Die Verwendung von Extrapolation und Interpolation von Daten korreliert sie manchmal, während die Variablen nicht in Bezug auf die Zeit getrennt bleiben.
Autokorrelation kann einen positiven Wert haben, insbesondere wenn sich der Trend in einem Muster nach oben bewegt. Abwärtstrends werden oft durch einen negativen Wert reflektiert. Solche Muster werden häufig in der Wirtschaftswissenschaft analysiert, können sich aber auch in mathematischen Analysen von Signalimpulsen, elektromagnetischen Feldern sowie in den verschiedenen Anwendungen der Statistik zeigen. Das Phänomen wird oft in so unterschiedlichen Anwendungen wie der Messung der Position von Atomen sowie der Untersuchung der Verteilung von Galaxien im Universum verwendet.
Der Nachweis der Autokorrelation wird typischerweise unter Verwendung des Durbin Watson-Tests durchgeführt. Eine Statistik wird mathematisch gemessen und ob ein Wert über oder unter dem einer anderen Variablen liegt, bestimmt typischerweise das Ergebnis. Forscher können dann die Reinheit bestimmen, und wenn dieses Merkmal gefunden wird, wird der Datensatz oft in seine ursprüngliche Form zurückgeführt, um das Phänomen nach Möglichkeit zu beseitigen.