методики моделью прогнозируемого явления [13, 29]. За редким
исключением прогностические зависимости содержат свободный
член, обеспечивающий отсутствие систематических ошибок про-
гноза. В таких случаях одна из функций, например @/[Х(7)], тож-
дественно равна единице. Как правило, более адекватному и пол-
ному 
— описанию — прогнозируемого 
явления 
или — процесса
соответствует большее число образующих вектор Х(1) характери-
стик прогнозируемого явления, известных на момент составления
прогноза. При этом число & подлежащих статистической оценке
параметров методики а, ,..., а; также будет больше. Неоднознач-
ность связи между прогнозируемой величиной У(1) и образую-
щими вектор Х(7) предикторами характеризует стационарный
гауссовский случайный процесс авторегрессии первого порядка
©() с нулевым математическим ожиданием и дисперсией @”
[15, 32]. Предполагается, что он не зависит от предикторов. Авто-
корреляция в ряде ошибок прогноза описывается коэффициентом
корреляции р, между величинами &(0) и &(#+1).
Параметры — методики 
@‚ ...‚ а, оцениваются — методом
наименьших квадратов по всем имеющимся за 
и 
лёт данным
гидрологических и метеорологических наблюдений, которые опре-
деляют значения прогнозируемой величины и ее предикторов.
Полученные методом наименьших квадратов оценки параметров
* 
* 
.
а› .. а, для суток { прогнозируемого периода каждого года 1
определяют прогноз },(7) характеристики речного стока в виде:
У (0 = аФ[Х,(0)]+ .. + а;Ф Х,( 
(5.4)
В условиях рассматриваемой модели определяемый формулой
2 
@
(5.2) показатель $° 
дает систематическое занижение остаточной
дисперсии и в среднем приблизительно равен
М($5?) ® ©° (— —) .П
м-к)(м-юанро 
©®
86