торами. В данном случае в формуле (2.2), определяющей соотно-
шение между ©° и дисперсией с”’ прогнозируемой величины,
корреляционное отношение В совпадает с множественным коэф-
фициентом корреляции зависимости 
У 
от заданных функций
фФ,/(Х),...,‚ , (Х). Кроме того, предполагается, что соответствую-
щие разным годам значения величины & не зависят друг от друга.
Параметры 
методики 
@,..., 
@а, 
оцениваются — методом
наименьших квадратов по всем имеющимся за л лет данным гид-
рологических и метеорологических наблюдений, которые опреде-
ляют значения прогнозируемой величины и ее предикторов. Полу-
ченные методом наименьших квадратов оценки параметров 611* Э***
а; для каждого года 1 определяют прогноз характеристики речно-
го стока Уі в зависимости от соответствующего этому году значе-
ния вектора предикторов Х, в виде:
У = аф/(Х)+ .. + арр () 
(2.4)
1
@ 
„о 
72
Соотношение между остаточной дисперсией о” 
и погрешно-
стью прогноза И описывается уравнением:
К -2/п 
—2 
п -1
— 
— 
— | ® О
И = 6° 
|1 
—
и-К-1 
и -К -1
(2.5)
Опубликованная в [30] формула (2.5) показывает, что с ростом
числа 
К 
параметров, который не сопровождается достаточно
быстрым уменьшением остаточной дисперсии @” за счет более
полного и адекватного описания прогнозируемого явления, по-
грешность прогноза будет быстро возрастать. Именно этим объяс-
няется тот известный факт, что при проверке на независимом ма-
териале более простые, но статистически устойчивые методики
прогноза показывают более высокую точность, чем методики, ос-
нованные на весьма полных и адекватных моделях, но предпола-
гающие оценку большого числа параметров [27, 31, 46, 54].
29