把100天销量排成一列，不能像100次互不相干的抽样那样处理：今天的销量可能常与昨天相近，调换顺序就会丢掉信息。这正是时间序列的特殊之处。ACF（autocorrelation function，自相关函数）逐个检查不同时间间隔下“现在与过去”的线性关联：lag 1比较相邻两天，lag 7则比较相隔七天的数据。
因此，ACF不只是一张用来找周期的诊断图。它还在提醒分析者，连续观测若高度相似，名义上的100个样本并不等于100份独立信息；有效样本量会更小，沿用普通独立样本公式，可能低估不确定性，也需要改换建模方式。作者同时强调边界：ACF只衡量线性关联，也不解释依赖从何而来；缓慢下降的高相关既可能来自短期持续性，也可能只是趋势或其他非平稳性造成，不能把每根高柱都直接理解成真实的“记忆”。