Bir önemli ve yararlı bir sonucudur Wold temsil teoremi her kovaryans durağan zaman serileri söylüyor (bazen Wold ayrışma olarak da adlandırılır), Yt iki zaman serisi, bir belirleyici ve bir stokastik toplamı olarak yazılabilir.
Yt= μt+ ∑∞j = 0bjεt - j, Burada μt deterministik.
İkinci terim sonsuz MA'dır.
(Aynı zamanda, tersine çevrilebilir bir MA'nın sonsuz bir AR işlemi olarak yazılabileceği durumdur.)
Bu, eğer serinin kovaryans-durağan olması durumunda ve deterministik kısmı tanımlayabileceğinizi varsayarsak, stokastik kısmı her zaman MA süreci olarak yazabileceğinizi düşündürmektedir . Benzer şekilde MA tersinirlik koşulunu yerine getirirse, bunu her zaman AR işlemi olarak yazabilirsiniz.
Bir biçimde yazılmış bir işleminiz varsa, genellikle başka bir biçime dönüştürebilirsiniz.
Dolayısıyla, en azından bir anlamda, kovaryans durağan serisi için, çoğu zaman AR veya MA uygun olacaktır.
Tabii ki, pratikte çok büyük modellere sahip olmayacağız. Sonlu bir AR veya MA'nız varsa, hem ACF hem de PACF sonunda geometrik olarak bozunur (her iki fonksiyonun mutlak değerinin aşağıda oturacağı bir geometrik fonksiyon vardır), ki bu bir AR veya bir Diğer formdaki MA genellikle oldukça kısa olabilir.
Dolayısıyla, kovaryansın durağan durumu altında ve deterministik ve stokastik bileşenleri tanımlayabileceğimizi varsayarsak, çoğu zaman hem AR hem de MA uygun olabilir.
Box ve Jenkins metodolojisi temel bir model arar - birkaç parametreli bir AR, MA veya ARMA modeli. Tipik olarak, ACF ve PACF, bir modeli belirlemeye, durağanlığa dönüştürerek (belki de farklılık göstererek), ACF ve PACF'nin görünümünden bir model belirleyerek (bazen insanlar diğer araçları kullanır), modele uydurma ve ardından incelemeyi yapmada kullanılır. Artıkların yapısı (tipik olarak artıklar üzerinde ACF ve PACF vasıtasıyla) artık seriler beyaz gürültü ile makul derecede tutarlı görünene kadar. Genellikle, bir seriye makul bir yaklaşım sağlayabilecek birçok model olacaktır. (Uygulamada diğer kriterler sıklıkla göz önünde bulundurulur.)
Bu yaklaşımın eleştirisinin bazı gerekçeleri var. Bir örnek için, böyle yinelemeli bir işlemden kaynaklanan p değerleri genellikle modelin nasıl ulaştığını dikkate almaz (verilere bakarak); Bu konu, örneğin örneklem bölünmesi ile en azından kısmen önlenebilir. İkinci bir örnek eleştirisi, aslında durağan bir seri elde etmenin zorluğudur - çoğu durumda durağanlıkla tutarlı bir şekilde görünen bir dizi elde etmek için dönüşüm olsa da, genellikle olduğu gibi olmayacak (benzer konular ortaktır) İstatistiksel modellerde sorun olsa da, belki de bazen burada daha fazla sorun olabilir).
[Bir AR ve karşılık gelen sonsuz MA arasındaki ilişki Hyndman'a ve Athanasopoulos' tartışılmıştır Tahmin: ilkeler ve uygulama ,
burada ]