随机变数(random variables)的概率分布，不因时间的推移而有所变化，称为是驻定(stationary)随机变数。这样的变数发生的过程中，其出现值袛为时间差的函数。两个驻定随机变数的相依性(covariance)写成： 这种相依性(dependence between adjacent values)仅随时差(lag)而变，学理上是用一个函数，叫着自相依函数(auto covariance function)表示之，即： 所以相依函数（简写作acvf），是指示相邻两个变数值间，其相依性（度）随时差变化的关系。实用上，不可能准确的知道这些相依函数，一般袛有从有限长度的记录去估计之，因此期望值之估计式，写为： 然后用自相关函数(autocorrelation function)来表示这个相依函数之值，即 则自相关函数： 为变异值(variance)。自相关函数为时差τ之对称函数。角号如果改为XY如γXY，则表示两个随机变数程序其间的交互相依函数(cross covariance function)，及交互相关系数： 非为时差τ之对称函数。以上，如果是指发生在两个出现值之间的相关函数，都称为双重相关。一个是驻定随机程序之时间序列(times series)，是可以藉其机率分配之低次动差(lower moment)包括：平均值、变异值、相依函数、及相依函数之Fourier变换，或功率谱，予以说明的。双重相关，如属向量性质，则为二级张量。双重相关方可依空间(space)，及时间空间而成，如 X，Y为空间座标。双重相关之性质，可见于一般之Time Series Analysis 书籍。