выражается известными формулами множественной линейной
корреляции [13, 52, 55]. При отсутствии корреляции между векто-
рами Ф(Х) и \(7) параметрические векторы А и С совпадают.
В противном случае они отличаются, т. к. вектор С отражает кор-
реляцию компонент вектора Ф(Х) между собой, с величиной У и
с компонентами вектора \(7). Искомое нормальное распределе-
ние вероятностей величины У при заданном значении вектора Х
определяется вектором С и величинами о” и В х°
Возможны два варианта оценки этого условного распреде-
ления с использованием массива данных, образованного л зна-
чениями величины У и соответствующими значениями векторов
Хи/.
1. Если использовать только данные наблюдений за прогнози-
руемой величиной У и компонентами вектора предикторов Х,
образующими выборку (У,,Х,) при 7 = 
1,..., п , то по этой выборке
могут быть получены стандартные статистические оценки пара-
метрического вектора С”, дисперсии (с`)° и коэффициента В.
Прогноз характеристики У определяется в виде у = (С`)" Ф(Х),а
вероятностный прогноз определяется нормальным распределением
вероятностей с математическим ожиданием у = (С`)"Ф(Х) и
дисперсией (о )° 1 - (К; )”].
2. Если дополнительно использовать данные наблюдений за
компонентами вектора 7 , то по выборке (У,,Х,,7,) при 7= 1,..., п
могут быть получены стандартные статистические оценки всех
характеристик модели (8.1): параметрических векторов 4, В,
“ 
ем 2 
*
остаточной дисперсии о’ , математических ожиданий компонент
векторов Ф(Х) и \(2), их дисперсий и коэффициентов корреля-
ции между ними. Подставляя эти оценки в известные формулы
множественной линейной корреляции, можно получить оценки
2
вектора С и величин с’ 
и К,. Однако необходимо обратить
внимание на очень важное обстоятельство: вне зависимости от
отсутствия или наличия корреляции между векторами Ф(Х) и
146