Das nachfolgende Bild zeigt oben je ein Mustersignal zweier verschiedener Prozesse {xi(t)} und {yi(t)}, unten die zugehörigen Autokorrelationsfunktionen. Der Prozess {yi(t)} weist stärkere innere statistische Bindungen auf als {xi(t)}. Spektral gesehen ist er niederfrequenter.
Anhand dieser Grafiken sind folgende Aussagen möglich:
Die beiden Mustersignale lassen bereits vermuten, dass beide Prozesse mittelwertfrei sind und den gleichen Effektivwert aufweisen.
Anhand der Autokorrelationsfunktionen werden diese Aussagen bestätigt. Die liearen Mittelwerte mx = my = 0 ergeben sich jeweils aus dem AKF-Grenzwert für τ → ∞.
Wegen mx = 0 gilt für die Varianz: σx2 = φx(0) = 0.01 V2. Der Effektivwert ist somit σx = 0.1 V. Das Signal y(t) weist den gleichen Effektivwert auf.
Die AKF-Werte fallen um so langsamer ab, je stärker die inneren statistischen Bindungen sind. Während das Signal x(t) mit der relativ schmalen AKF sich zeitlich sehr schnell ändert, reichen bei dem niederfrequenteren Signal y(t) die statistischen Bindungen deutlich weiter.
Das bedeutet aber auch, dass der Signalwert y(t + τ) aus y(t) besser vorhergesagt werden kann als x(t + τ) aus x(t).
Die äquivalente AKF-Dauer ∇τ ist eine quantitative Kenngröße für die Stärke der statistischen Bindungen, die sich aus der AKF über das flächengleiche Rechteck ermitteln lässt:
Bei den hier betrachteten Prozessen (gaußähnliche AKF) ist ∇τ = 0.33 μs bzw. ∇τ = 1 μs.
Als ein weiteres Maß für die Stärke der statistischen Bindungen wird in der Literatur häufig die KorrelationsdauerTK verwendet. Diese gibt die Zeitdauer an, bei der die AKF auf die Häfte ihres Maximalwertes abgefallen ist.
