在时间序列分析中，尤尔-沃克方程对模型识别和参数估计起着非常重要的作用。基于矩估计方法，通过求尤尔-沃克方程得到模型参数的过程称为尤尔-沃克估计。1927年，英国统计学家G.U.尤尔提出自回归（autoregressive; AR）模型。一般阶自回归模型具有如下结构：

式中；为零均值白噪声过程；方差为，且。基于式（1），英国统计学家G.T.沃克（Gilbert Thomas Walker，1868～1958）提出模型的自回归系数和自相关系数满足阶线性方程，即尤尔-沃克方程：

在实际应用中，通常采用矩估计思想，用样本自相关系数替代式（2）中的总体自相关系数：

并通过求式（3）得到未知参数的估计，有：

但是，该方程的求解需要对系数矩阵求逆运算，当较大时，运算量也很大。为避免这个问题，可采用莱文森-德宾（Levinson-Durbin）递推算法求解。

进一步，根据自相关系数与自协方差函数的关系，即，尤尔-沃克方程还可以表示为如下阶线性方程组：

式中。因此，在计算得到时间序列数据的样本自协方差函数后，通过求解上述方程组可以同时得到未知参数和的估计。