объем информации, чем тот, который использовался при построе-
нии методики прогноза. Для пояснения данного условия эффек-
тивности целесообразно рассмотреть следующий теоретический
пример.
Пример
Предположим, что зависимость прогнозируемой величины #
от образующих вектор Х предикторов и образующих вектор 7
характеристик неучтенных факторов, в частности характеристик
хода метеорологических элементов в течение периода заблаговре-
менности прогноза, описывается линейной регрессионной моде-
лью. Она выражается формулой:
у = А’Ф(Х) 
+ ВТЧ(7) + & 
(8.1)
Вектор Ф(Х) образован & заданными функциями Х, среди
которых имеется свободный член, обеспечивающий отсутствие
систематических ошибок прогноза. Вектор (7) образован т
заданными функциями 7 . Транспонированные векторы А’ и В’
образованы параметрами модели. Неоднозначность связи между
прогнозируемой величиной У и векторами Х и / характеризует
случайная величина 5. Она не зависит от Х и , подчиняется
нормальному распределению вероятностей с нулевым математиче-
^^ 
^^ 
— 
2
ским ожиданием и остаточной дисперсией с”. Формула (2.2)
=2 
„_
определяет соотношение между с’”, дисперсией о” 
прогнозируе-
мой величины и множественным коэффициентом корреляции &
между величиной У 
и компонентами векторов Ф(Х) и (2).
Этот коэффициент превосходит множественный коэффициенты
корреляции К, между величиной Х 
и компонентами вектора
Ф(Х).
В предположении нормальности распределения вероятностей
компонент вектора \(7) условное распределение вероятностей
ожидаемых значений прогнозируемой величины У при заданном
значении вектора Х также является нормальным с математиче-
ским ожиданием СТФ(Х) и дисперсией с”? (1—}2)2(). Вектор С
145