статистическая устойчивость этой зависимости и больше разность
между остаточной дисперсией прогностической зависимости и
погрешностью методики прогноза [31].
Расхождение между остаточной дисперсией 
©”и погрешно-
стью методики прогноза И может быть продемонстрирована на
примере ситуации, когда для каждого года периода наблюдений и
предполагаемого периода оперативного использования методики
стохастическая зависимость прогнозируемой величины Х от 
0об-
разующих вектор Х предикторов описывается линейной регрес-
сионной моделью. Она выражается формулой:
У = аф(Х)+... 
+ а,ф,(Х) + , 
(2.3)
где ф/(Х),..., ф,(Х) — заданные функции, входящие в формулу
выпуска прогноза и определяемые положенной в основу методики
моделью прогнозируемого явления [13, 29].
За редким исключением прогностические зависимости содер-
жат свободный член, обеспечивающий отсутствие систематиче-
ских ошибок прогноза. В таких 
случаях 
одна — из функций,
например ф,(Х) , тождественно равна единице. Как правило, более
адекватному и полному описанию прогнозируемого явления или
процесса соответствует болышее число образующих вектор Х
характеристик 
прогнозируемого 
явления, 
заданных 
на 
момент
составления прогноза. При этом число & подлежащих статистиче-
ской оценке параметров методики а) ,..., а, также будет больше.
Неоднозначность связи между прогнозируемой величиной У и
предикторами Х характеризует случайная величина & . Предпола-
гается, что она не зависит от предикторов и подчиняется нормаль-
ному распределению вероятностей с нулевым математическим
ожиданием. Равенство математического ожидания величины 6 ну-
лю обеспечивает возможность получения прогноза без системати-
ческой ошибки. Дисперсия величины & равна остаточной диспер-
сии 6”, которая характеризует неоднозначность связи между
прогнозируемой величиной У и образующими вектор Х предик-
28