La función de autocorrelación se define como la correlación cruzada de la señal consigo

misma. La función de autocorrelación resulta de gran utilidad para encontrar patrones

repetitivos dentro de una señal, como la periodicidad de una señal enmascarada bajo
el ruido o para identificar la frecuencia fundamental de una señal que no contiene dicha
componente, pero aparecen numerosas frecuencias armónicas de esta.

En procesamiento de señales, la correlación cruzada (o a veces denominada "covarianza

cruzada") es una medida de la similitud entre dos señales, frecuentemente usada para
encontrar características relevantes en una señal desconocida por medio de la comparación
con otra que sí se conoce. 

La correlación cruzada tiene una naturaleza similar a la convolución de dos funciones. Difiere
en que la correlación no involucra una inversión de señal como ocurre en la convolución.

Mathematically, the autocorrelation corresponding to a delay time τ is calculated

by

 (1) finding the value of the signal at a time t,

 (2) finding the value of the signal at a time t + τ,
 (3) multiplying those two values together,
 (4) repeating the process for all possible times, t, and then
 (5) computing the average of all those products.

Existe un caso especial cuando ambas secuencias coinciden, x1[n = x2[n .

Este proceso se conoce como autocorrelación.

  La función de autocorelación se modela por la expresión:

la cual tiene la siguiente propiedad:

= S

donde S es la energía normalizada asociada a la señal x1[n. Este hecho

proporciona un método para calcular la energía asociada a una señal. Si la
señal es totalmente aleatoria. por ejemplo ruido blanco, la autocorrelación
tendrá su valor máximo para k = 0 (retraso nulo) y fluctuará entorno a cero a
medida que el retraso aumenta. Esto constituye una prueba para señales
aleatorias tal y como se representa en la Figura 8.30.
 La autocorrelación , también conocido como la correlación en serie , es
la correlación de una señal con una copia retardada de sí mismo como una función de
retardo. De manera informal, es la similitud entre las observaciones en función del tiempo
que transcurre entre ellos. El análisis de autocorrelación es una herramienta matemática
para encontrar patrones que se repiten, como la presencia de una señal
periódica oscurecida por el ruido , o la identificación de la frecuencia fundamental
faltante en una señal implícita en sus armónicos frecuencias. A menudo se utiliza en el
procesamiento de señales para el análisis de funciones o serie de valores, tales como el
dominio del tiempo señales.

En el procesamiento de señales , la definición anterior se utiliza a menudo sin la

normalización, es decir, sin restar la media y dividiendo por la varianza. Cuando la función
de autocorrelación se normaliza media y la varianza, se refiere a veces como
el coeficiente de autocorrelación

DEPENDENCIA SERIAL Se define como el hecho de que las respuestas emitidas por un sujeto
en un determinado momento están estrechamente relacionadas con las emitidas por el mismo
sujeto en un tiempo pasado de la serie, es decir, no son puntuaciones independientes. La
dependencia serial entre observaciones sucesivas se calcula mediante la autocorrelación o
correlación entre pares de datos con un intervalo temporal fijo.

Las propiedades fundamentales del coeficiente de autocorrelación son: 1) El coeficiente r0 es

igual a la unidad. 2) La función de autocorrelación es simétrica en relación con el retardo 0. En
consecuencia, se cumple que el coeficiente rk es el mismo tanto si se retarda hacia adelante
como hacia atrás.

The autocorrelation ( Box and Jenkins, 1976) function can be used for the
following two purposes:

1. To detect non-randomness in data.

2. To identify an appropriate time series model if the data are not random.