Avtokorelacija se običajno pojavi v nizu podatkov, v katerih se vzorci ponavljajo. Vrednosti podobnih spremenljivk, kot so na primer dohodek ali ekonomski podatki, so pogosto med seboj povezane. Raziskovalci lahko tudi slučajno naletijo na avtokorelacijo. Pogosto se pojavlja v študijah ekonomije, znanstvenih eksperimentih, ki vključujejo obdelavo signalov, pa tudi v optiki in snemanju glasbe. Običajno opisan v povezavi s časovno serijo, pojav obsega več vzorcev, ki jih raziskovalci uporabljajo za analizo ali združevanje podatkov.
Običajno obstaja sinhronizacija med obema spremenljivkama, da pride do avtokorelacije. Primer je, če se dohodek ene osebe spremeni, hkrati pa lahko ta denarni tok spremeni, kako druga oseba ali skupina porabi v tem obdobju. Podatke je mogoče tudi samodejno korelirati, če stavka podjetja ali sindikata naenkrat zmanjša produktivnost dela in se trend nadaljuje v drugem izmerjenem časovnem okviru. Včasih je možna delna avtokorelacija; lahko pride do zamika, če so podatki v časovni korelaciji znotraj ene serije. Serijska avtokorelacija je običajno, ko pride do zamika med različnimi podatki v časovni vrsti.
Vzorce, ki se pogosto pojavljajo pri avtokorelaciji, lahko predstavimo z vzorci krivulj na grafu. Te krivulje je mogoče uporabiti za odražanje trenda; to včasih vključuje vzorce navzgor in navzdol, ki se lahko pojavijo v ciklih. Napake v izračunih lahko povzročijo tudi, da se podatki zmotno korelirajo, na primer, če raziskovalec začetnik uporablja napačne vrednosti ali spremenljivke. Uporaba ekstrapolacije in interpolacije podatkov jih včasih poveže, medtem ko to ne naredi, da spremenljivke ostanejo ločene glede na čas.
Avtokorelacija ima lahko pozitivno vrednost, še posebej, če se trend v vzorcu premika navzgor. Trendi padanja se pogosto odražajo z negativno vrednostjo. Takšni vzorci se pogosto analizirajo v ekonomiji, lahko pa se pokažejo tudi v matematičnih analizah signalnih impulzov, elektromagnetnih polj, pa tudi v različnih aplikacijah statistike. Pojav se pogosto uporablja v tako raznolikih aplikacijah, kot je merjenje položajev atomov, pa tudi preučevanje porazdelitve galaksij v vesolju.
Odkrivanje avtokorelacije se običajno izvede z uporabo Durbinovega Watsonovega testa. Statistični podatki se matematično merijo in rezultat običajno določa, ali je vrednost nad ali pod vrednostjo druge spremenljivke. Raziskovalci lahko nato določijo čistost in če je ta značilnost najdena, se nabor podatkov pogosto vrne v prvotno obliko, da se ta pojav, če je le mogoče, odstrani.